Open-system modeling of quantum annealing: theory and applications
在这篇论文中,我们探讨了量子退火(QA)及其应用在开放系统环境中的表现。我们给出了量子退火器件的时间相关开放动力学的有效并行模拟方法的推导和数值配方。我们认为弱耦合的限制,环境和$1/f$噪声的情况下。随机含时量子轨道技术可用于研究量子退火中的弱测量和反馈误差校正。然后,我们专注于开放系统描述的反向退火(RA),这是一个有前途的变种和应用的量子退火。我们表明,与各种模拟工具,反向退火可以受益于退火机和它的环境之间的相互作用。
2021-07-15 quant-ph
Highly parallel algorithm for the Ising ground state searching problem
在伊辛模型中寻找能量最小值是一个典型的目标,与许多组合优化问题相关联,这通常在计算上是困难的,但在现代科学的所有领域中都存在。对于中等大小的伊辛自旋系统,有几种数值方法可以提供解。然而,它们要么是计算速度慢和严重的并行化,或不给足够好的结果,为大型系统。在本文中,我们提出了一个高度并行的算法,称为平均场退火从随机状态(MARS),结合经典的模拟退火(SA)和平均场退火(MFA)方法的最佳功能。该算法是基于从一个随机选择的配置和温度的平均场下降。由于单次运行只需要很少的计算工作,因此可以通过大规模并行化来实现有效性。MARS在大型伊辛自旋系统和一组示例性的最大切割基准实例的解质量和计算时间方面都表现出优异的性能。
2019-07-16 cond-mat.stat-mech quant-ph stat.ML
Hybrid Quantum Annealing for Clustering Problems
我们发展了一种混合型的量子退火,在其中我们同时控制温度和量子场。我们研究了量子退火的效率,并找到了一个很好的改变热涨落和量子涨落的时间表。聚类问题是信息科学与工程中的一个重要课题。我们得到了更好的解决方案的聚类问题比标准的模拟退火提出量子退火。
2011-04-16 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Classical Simulated Annealing Using Quantum Analogues
在本文中,我们考虑使用某些经典类似的量子隧穿行为,以提高模拟退火的一般伊辛形式的离散自旋系统的性能。具体而言,我们认为使用多个同时自旋翻转在每个退火步骤作为模拟量子自旋相干性以及修改的玻尔兹曼接受概率模仿量子隧穿。我们发现,在某些退火时间表下,使用多次自旋翻转确实是有利的,但仅限于长退火时间。
2021-04-27 cond-mat.stat-mech math.OC quant-ph
Quantum Annealing for Dirichlet Process Mixture Models with Applications to Network Clustering
基于中国餐馆过程(CRP),提出了一种新的Dirichlet过程混合(DRI-CHLET)模型的量子退火(QA)算法. QA是模拟退火(SA)的并行化扩展,即,它是一种并行随机优化技术。现有方法[Kurihara等人UAI 2009,Sato等人UAI 2009]不能应用于CRP,因为其QA框架是使用固定数量的混合物组分制定的。所提出的QA算法可以处理混合模型中不固定数量的类。我们将QA应用于一个用于聚类网络中顶点的网络模型,其中CRP座位排列表示网络分区。在多核处理器上进行QA实验,结果表明QA在寻找CRP中座位安排的最大后验估计方面优于SA、马尔可夫链蒙特卡罗推理和波束搜索。由于我们的QA算法是一样容易实现的SA算法,它是适合于广泛的应用。
2013-05-19 cond-mat.dis-nn cond-mat.stat-mech quant-ph
How to experimentally evaluate the adiabatic condition for quantum annealing
提出一种在量子退火中通过施加振荡场并测量时域信号功率谱,来同时估计跃迁矩阵元和能隙、从而实验评估绝热条件的方法。
2023-12-01 quant-ph
Parallel variational quantum algorithms with gradient-informed restart to speed up optimisation in the presence of barren plateaus
受Fleming-Viot随机过程启发,提出带梯度感知重启的并行变分量子算法,通过粒子遇贫瘠高原时重生加速优化,理论与实验验证其在含大面积贫瘠高原的问题中优于普通模拟退火。
2024-12-15 math.OC quant-ph
Replication-based quantum annealing error mitigation
本文提出基于并行量子退火的 RBM 误差缓解方法,通过跨问题副本分散同一逻辑量子比特的物理表示,在 NISQ 退火器上提升能量与基态概率,并兼容更广泛的硬件连接模式。
2024-04-09 quant-ph
GPU-accelerated simulations of quantum annealing and the quantum approximate optimization algorithm
我们使用GPU加速版本的大规模并行Jülich通用量子计算机模拟器(JUQCS-G)研究大规模应用。首先,我们对JUWELS Booster进行了基准测试,这是一个拥有3744个NVIDIA A100 Tensor Core GPU的GPU集群。然后,我们使用JUQCS-G研究量子退火(QA)和量子近似优化算法(QAOA)之间的关系。我们发现,一个非常粗糙的离散化版本的QA,称为近似量子退火(AQA),表现令人惊讶的QAOA相比。它既可以用于初始化QAOA,也可以完全避免昂贵的优化过程。此外,我们还研究了使用AQA处理30到40个量子位的问题时成功概率的缩放。我们发现,最大的离散化误差尺度的情况下,最有利的,超过从QAOA获得的最佳结果。
2022-05-16 physics.comp-ph quant-ph
Stochastic Simulated Quantum Annealing for Fast Solution of Combinatorial Optimization Problems
本文提出基于随机计算和量子蒙特卡洛的随机模拟量子退火(SSQA),通过并行自旋状态更新算法在经典计算中模拟量子退火,实现比传统方法更快的收敛速度并能处理更大规模的全连接组合优化问题。
2023-06-29 cs.ET quant-ph
Annealing for prediction of grand canonical crystal structures: Efficient implementation of n-body atomic interactions
提出一种面向现代Ising机的巨正则CSP退火方案,利用n体及三体相互作用、QUBO/HUBO建模和物理启发的高阶项约简,实现粒子密度与晶体结构的同步优化。
2023-09-11 cond-mat.dis-nn physics.chem-ph quant-ph
Modernizing Quantum Annealing using Local Searches
我描述了如何真正的量子退火器可以用来执行本地(在状态空间)搜索周围指定的状态,而不是传统上实现的量子退火算法的全局搜索。这样的协议将具有许多优于简单量子退火的优点。通过使用这样的搜索,可以减少问题误指定的影响,因为只有搜索状态之间的能量差将是相关的。量子退火算法是模拟退火的类似物,模拟退火是一种经典的数值技术,现在已经被取代。因此,我探索了两种策略,以利用现代经典优化算法的方式使用退火器。具体来说,我展示了如何顺序调用量子退火器可以用来构建类似的人口退火和并行回火使用量子搜索作为子程序。这里给出的技术不仅可以应用于优化,而且可以应用于采样。我研究了这些协议在实际设备上的可行性,并注意到,实现这样的协议应该需要最小的变化,如果有任何变化,目前的设计通量量子位为基础的退火由D波系统公司。我还提供了基于量子蒙特卡罗的原理验证数值实验,这些实验演示了所讨论技术的简单示例。
2017-06-22 quant-ph
Simulated Bifurcation Quantum Annealing
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学);Quantumz.io Sp. z o.o.(Quantumz.io有限责任公司);Institute of Theoretical Physics, Faculty of Fundamental Problems of Technology, Wrocław University of Science and Technology(弗罗茨瓦夫理工大学基础技术问题学院理论物理研究所);Institute of Theoretical and Applied Informatics, Polish Academy of Sciences(波兰科学院理论与应用信息学研究所)
SBQA是一种结合跨副本交互的量子启发优化算法,提升稀疏和崎岖能量景观上的性能,通过轻量自调优策略在大规模问题和当前量子硬件相关实例中表现优异。
2026-04-07 physics.comp-ph quant-ph
Simulated Quantum Annealing with Two All-to-All Connectivity Schemes
量子退火的目的是利用量子力学来加速优化问题的求解。大多数问题表现出完全的逻辑自旋变量之间的连接后,他们被映射到伊辛自旋量子退火哈密顿。为了解决当前和未来物理量子退火机的硬件限制,将逻辑自旋的全连接图嵌入到物理自旋的常度图中的方法是必不可少的。在这里,我们将最近提出的量子退火嵌入方案与Lechner,Hauke和Zoller(LHZ)[Science Advances 1(2015)]的所有连接性与常用的次要嵌入(ME)方案进行比较。使用模拟量子退火和并行回火模拟,我们发现,对于一组实例随机选择的一类完全连接的,随机伊辛问题,ME计划优于LHZ计划时,使用相同的模拟参数,尽管后者的容错弱相关自旋翻转噪声。这个结果仍然存在,即使在我们介绍了几种解码策略的LHZ方案,包括最小权重解码算法,结果大大提高了性能的原始LHZ方案。我们解释了ME方案在更有效的自旋更新方面的更好性能,这使得它能够更好地容忍我们的量子退火模型中出现的相关自旋翻转错误。我们的研究结果留下了一个开放的问题,是否可以使用特定于方案的参数和新的纠错方法来提高这两个嵌入方案的性能。
2016-08-23 quant-ph
Quantum Annealing Approaches to Solving the Shipment Rerouting Problems
针对 NP 难的货物改道路线问题,论文提出结合新型数学规划公式的经典算法与量子退火算法,并通过实验证明量子退火可更快获得最优或近优解。
2025-01-09 quant-ph
Load Balancing For High Performance Computing Using Quantum Annealing
研究量子退火在高性能计算负载均衡中的应用,针对网格与非网格算法进行实验,发现其在复杂粒子多目标优化中表现出帕累托优势,显著提升了解决方案质量与CPU使用效率。
2024-03-08 cs.DC physics.comp-ph quant-ph
Reweight-annealing method for evaluating the partition function via quantum Monte Carlo calculations
本文提出一种在量子蒙特卡洛框架内无偏且低技术门槛的重权退火算法,能无系统误差地高精度计算配分函数、自由能和热熵,相比传统方法更精确地获取熵的次主导系数,并易于并行化。
2024-10-30 cond-mat.stat-mech cond-mat.str-el quant-ph
Simulating the Shastry-Sutherland Ising Model using Quantum Annealing
当微观哈密顿量的约束不能同时满足时,阻挫是磁性材料行为的一个基本特征。这会产生物质的奇异相,包括自旋液体、自旋冰和条纹相。在这里,我们展示了一种方法来理解挫折的微观影响,通过计算的相位的468自旋Shastry-Sutherland伊辛哈密顿使用量子退火。我们的方法使用平均场边界条件来减轻有限尺寸和缺陷的影响,同时使用迭代量子退火协议来模拟统计物理。我们恢复所有阶段的Shastry-Sutherland伊辛模型-包括著名的分数磁化平台-和静态结构因子表征在这些过渡的临界行为。这些结果确立了量子退火作为一种新兴的方法,用于理解挫折对物质新相出现的影响,并为未来与真实实验的比较铺平了道路。
2020-03-23 cond-mat.mtrl-sci cond-mat.stat-mech quant-ph
Molecular Design beyond Training Data with Novel Extended Objective Functionals of Generative AI Models Driven by Quantum Annealing Computer
Japan Tobacco Inc.(日本烟草公司);D-Wave Systems Inc.(D-Wave系统公司)
本文提出了一种结合量子退火计算机的生成模型优化框架,通过神经哈希函数同时实现正则化和二值化,提升生成分子的合理性和药物特性。
2026-05-12 cs.AI cs.LG q-bio.QM
Quantum-Annealing-Inspired Algorithms for Track Reconstruction at High-Energy Colliders
针对高能对撞机径迹重建的计算资源消耗问题,本研究提出使用量子退火启发的模拟分岔算法求解QUBO模型,在保持或提升重建效率与纯度的同时,将运行时间最多减少四个数量级。
2024-08-30 hep-ex quant-ph
Scaling Advantage in Approximate Optimization with Quantum Annealing
本文通过量子退火校正(QAC)在D-Wave Advantage上实现超过1300个逻辑量子比特,首次证明量子退火在近似优化中相对经典算法PT-ICM具有规模化优势。
2024-01-14 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Mapping State Transition Susceptibility in Quantum Annealing
本研究利用D-Wave量子退火器的反向退火与h增益调度特性,提出量化Ising问题经典态间易感性的方法,在Advantage_system4.1上实验验证并揭示了反向退火的详细特征与中间转移路径。
2023-03-01 cond-mat.dis-nn cond-mat.stat-mech cs.DM
Continuous black-box optimization with quantum annealing and random subspace coding
The University of Tokyo(东京大学);Keio University(庆应义塾大学);Waseda University(早稻田大学);National Institute for Materials Science(国立材料科学研究所);RIKEN Center for Advanced Intelligence Project(理化学研究所革新智能研究中心)
诸如贝叶斯优化的黑盒优化算法通过交替地推断基础函数和优化获取函数来找到未知函数的极值。在高维空间中,由于采集函数优化的困难,这样的算法性能不佳。在这里,我们应用量子退火(QA)来克服连续黑箱优化中的困难。由于QA专门研究二进制问题的优化,因此必须将连续向量编码为二进制,并且必须将QA的解决方案翻译回来。该方法包括以下三个部分:1)基于轴平行超矩形的连续向量到二进制向量的随机子空间编码。2)基于非负加权线性回归模型,提出了一种由捕获函数定义的二次无约束二元最优化算法(QUBO),并用QA求解。3)一个惩罚方案,以确保QA解决方案可以被翻译回来。基准测试表明,它的性能使用D-Wave优势$^{\rm TM}$量子退火是具有竞争力的一个国家的最先进的方法的基础上的高斯过程在高维问题。该方法为量子退火和其他QUBO求解器包括量子近似优化算法(QAOA)提供了一种新的可能性,并将其应用范围扩展到连续值问题。
2021-04-30 cs.LG quant-ph
Quantum Annealing for Robust Principal Component Analysis
Rochester Institute of Technology(罗切斯特理工学院);The University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
本文提出QAPCA方法,利用量子退火硬件基于鲁棒L1范数求解主成分分析,展示了其收敛条件、潜在加速效果,并在合成数据、故障检测和乳腺癌诊断实验中验证了与L1-BF相当的重建误差。
2025-01-25 cs.ET cs.LG quant-ph
The anomalously slow dynamics of inhomogeneous quantum annealing
本文研究非均匀量子退火的动力学,发现其速度比预期慢N倍,并证明在非平均场模型中一阶相变处能隙严格为零,导致IQA在任何时间尺度上都无法达到基态。
2025-06-03 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Non-classical Role of Potential Energy in Adiabatic Quantum Annealing
绝热量子退火是模拟量子计算的一个范例,其中给定的计算工作被转换为寻找某些经典势能函数的全局最小值的任务,并且通过使用外部动力学量子涨落和随后的缓慢减少(退火)来执行对全局势能最小值的搜索。在该方法中,可以通过离域波函数同时访问整个势能景观(PEL),这与经典搜索相反,在经典搜索中,搜索者必须访问景观中的不同点(即,单独的经典配置)顺序地。因此,在这样的搜索中,势能的作用在两种情况下可能显著不同。在这里,我们讨论这一点的上下文中搜索的一个孤立的洞(潜在的最小值)在高尔夫球场类型的梯度自由PEL。我们表明,如果洞更深,量子粒子将能够更快地定位洞,而经典粒子当然没有空间利用洞的深度。我们还讨论了底层量子相变对绝热动力学的影响。
2008-11-06 cond-mat.stat-mech cs.CC physics.comp-ph
Microscopic study of optically-stable, coherent color centers in diamond generated by high-temperature annealing
固体中的单色心已经成为量子信息科学的一个有前途的物理平台。创建这些具有优异量子特性的中心是进一步技术发展的关键基础。特别是,对旋转浴环境的微观理解是设计量子控制色心的关键。在这项工作中,我们提出并展示了一种独特的高温退火(HTA)方法,用于在无重结晶金刚石中产生高质量的氮空位(NV)中心。同时使用所创建的NV中心作为其局部环境的探针,我们验证了HTA在显微镜下没有引起损伤。在超低氮浓度膜中产生的几乎所有单NV中心都具有稳定的和傅里叶变换限制的光谱。此外,HTA大大减少了自然生长在合奏样本的噪声源,并导致三倍以上的消相干时间和灵敏度的改善。我们还验证了空位激活和缺陷重组,特别是H3和P1中心,可以解释自旋浴和色心之间的重新配置。这种新颖的方法将成为基于空位的量子技术的强大工具。
2022-08-20 cond-mat.mes-hall quant-ph
Quantum Annealing Algorithms for Boolean Tensor Networks
由D-Wave Systems,Inc.制造的量子退火机,是能够找到NP难题的高质量解决方案的计算设备。在这篇文章中,我们探讨了这种量子退火计算布尔张量网络的潜力和有效性。张量提供了一种自然的方式来对许多科学领域中常见的高维数据进行建模,并且将二进制张量表示为布尔张量网络是表达包含分类(即,{0,1})值作为低维二进制张量的乘积。布尔张量网络是通过布尔张量分解计算的,它通常是不精确的。这种分解的目的是最小化高维输入张量与低维(通常是三维)张量和表示张量网络的矩阵的乘积之间的给定距离度量。本文介绍并分析了布尔张量网络的三种常用算法:Tucker网络、Tensor训练网络和Hierarchical Tucker网络。一个布尔张量网络的计算减少到一个序列的布尔矩阵分解,我们可以表示为一个二次无约束的二元优化问题,适合于解决量子退火。通过使用一种新的方法,我们介绍称为\textit{parallel quantum annealing},我们证明了张量高达数百万元可以有效地分解使用DWave 2000 Q量子退火。
2022-03-28 cs.ET quant-ph
Simultaneous Stoquasticity
随机哈密顿在局部哈密顿问题的计算复杂性以及经典可模拟性的研究中发挥了作用。特别是,随机哈密顿可以直接模拟使用蒙特卡罗技术。我们解决的问题,是否两个或两个以上的哈密顿可以同时随机通过一个单一的变换。这个问题对于模拟量子退火的复杂性具有重要意义,其中量子优势与退火中涉及的哈密顿量的随机性有关。我们发现,几乎所有的问题都没有这样的酉存在,并表明,确定存在这样一个酉的问题是等同于确定是否有一个解决方案的系统的多项式(中)等式的矩阵元素的初始和变换的哈密顿。求解这样的方程组是NP难的。我们强调这个问题的几何理解广义布洛赫向量的集合。
2022-06-17 quant-ph
Scaling Alternating-Bias-Assisted Annealing for Precision Transmon Frequency Targeting on Superconducting Quantum Processors
Rigetti Computing(里盖蒂计算)
本文将交替偏置辅助退火(ABAA)技术规模化,实现晶圆级约瑟夫森结电阻调谐精度σ=0.50±0.05%、器件良率≥98.8%,在Rigetti Cepheus-1-36Q量子处理器上达到频率定位精度σ≈30 MHz,为模块化超导量子处理器提供关键支持。
2026-08-31 quant-ph
Advanced Quantum Annealing for the Bi-Objective Traveling Thief Problem: An $\varepsilon$-Constraint-based Approach
School of Information and Communications Technology, Hanoi University of Science and Technology(河内科技大学信息与通信技术学院);Faculty of Interdisciplinary Digital Technology, PHENIKAA University(PHENIKAA大学跨学科数字技术学院)
本文提出一种结合量子退火与ε约束的方法,解决双目标旅行窃贼问题,通过调整ε参数平衡两个目标,提升求解效率。
2026-03-13 cs.IT math.IT quant-ph
Parallel repetition of local simultaneous state discrimination
针对局域同时态区分(LSSD)问题的经典非局域游戏,研究非信号策略相对经典策略的优势,通过数值和理论分析表明部分场景非信号策略更优,并扩展相关策略思路且证明其可达经典获胜概率指数极限。
2025-04-09 quant-ph
Simulating Heavy-Hex Transverse Field Ising Model Magnetization Dynamics Using Programmable Quantum Annealers
研究证明可编程量子退火器能通过逆向退火和h增益态编码,原生模拟127量子比特重六边形横向场伊辛模型的磁化动力学,实现数千时间步长的高效并行模拟,突破了数字量子计算机的计算限制。
2024-10-13 quant-ph
Architectural considerations in the design of a superconducting quantum annealing processor
我们已经开发了一个量子退火处理器,基于可调耦合的rf-SQUID通量量子比特阵列,在超导集成电路工艺中制造[1]。在512个量子位和1472个可编程量子位间耦合器的规模下实现这种类型的处理器,并在~20 mK下运行,需要注意许多考虑因素,这些考虑因素可能在几十个左右的较小规模的设备上忽略。在这里,我们将讨论其中的一些考虑因素,以及构建一个实用的处理器所需的微妙平衡,该处理器尊重量子算法所施加的苛刻物理要求。特别是,我们将审查在物理布局的平面规划中发挥作用的一些设计权衡,由具有算法上有用的一组量子位间耦合器的愿望驱动,同时需要将可编程控制电路嵌入处理器结构。在这种情况下,我们已经开发了一种新的超低功耗嵌入式超导数模磁通转换器(DAC)用于编程处理器的零静态功耗,优化,以实现最大的磁通存储密度每单位面积。512个单级、3520个两级和512个三级通量DAC采用XYZ寻址方案控制,需要56条线。我们估计最坏情况下整个处理器重新编程的片内耗散能量约为65 fJ。基于这种架构的几个芯片已经在我们的工厂和两个外部工厂成功制造和运行(例如参见[2])。
2014-01-21 cond-mat.supr-con quant-ph
Parallel circuit implementation of variational quantum algorithms
提出拆分变分量子算法电路实现并行训练执行的方法,通过创建pQAOA验证其能解决更大规模问题且单切片即可训练完整模型,揭示了当前VQA编码存在冗余信息。
2023-04-06 quant-ph
Fast Classical Simulation of Hamiltonian Dynamics by Simultaneous Diagonalization Using Clifford Transformation with Parallel Computation
针对 Trotter-Suzuki 动力学模拟步数多、状态向量访存频繁的问题,本文用 Clifford 变换将相互对易 Pauli 组同时对角化并在 GPU 上并行施加算子,实现数十倍加速。
2022-06-23 quant-ph
Fair sampling of ground-state configurations of binary optimization problems
虽然已经开发了许多有效的算法来解决二元优化问题,但这些算法通常会产生退化问题的相关解。最值得注意的是,横向场量子退火-目前商业上可用的量子退火机中采用的启发式-已被证明在对解空间进行采样时通常是指数偏置的。在这里,我们提出了一种方法来采样基态(或低能量)配置的二元优化问题。该方法的样本简并状态几乎相等的概率,是基于并行回火蒙特卡罗与等能集群移动的组合。我们说明的方法使用二维伊辛自旋玻璃,以及自旋玻璃的D波系统公司。量子退火机嵌合体拓扑此外,一个简单的启发式近似退化问题的解决方案的数量。
2019-06-26 cond-mat.dis-nn quant-ph
Quantum Similarity-Driven QUBO Framework for Multi-Period Supply Chain Allocation using Time-Multiplexed Coherent Ising Machines and Simulated Quantum Annealing
Qkrishi Quantum;Indian Institute of Technology (IIT) Jodhpur(印度理工学院乔德普尔分校);North Carolina State University(北卡罗来纳州立大学);Quanfluence Private Limited(Quanfluence私人有限公司)
本研究提出混合QUBO框架,结合量子相似性核、松弛位容量约束及相干伊辛机执行,在500个SKU的多周期数据上实现零违规、高利润的工业级供应链分配。
2025-10-24 math.OC quant-ph
Parallel Quantum Rapidly-Exploring Random Trees
本文提出并行量子快速探索随机树(Pq-RRT)算法,通过管理者/并行量子工作者架构实现同时量子搜索,并引入量子数据库退火策略平衡探索与利用,在密集障碍物环境中相比基线方法显著提升了运动规划效率。
2023-10-23 cs.SY eess.SY quant-ph
Quantum Advantage in Variational Bayes Inference
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出量子退火变分贝叶斯(QAVB)推断算法,利用量子力学基态与退火过程避免局部最小值,在保持时间复杂度不变的同时实现优于经典VB算法的性能。
2022-07-07 cond-mat.stat-mech cs.LG quant-ph