Using machine learning for quantum annealing accuracy prediction
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
量子退火机，例如由D-Wave Systems，Inc.制造的装置，提供了一种方法来计算NP难问题的解决方案，可以用Ising或QUBO（二次无约束二进制优化）形式表示。虽然这样的解决方案通常具有非常高的质量，但由于当前几代量子退火机的缺陷，问题实例通常无法解决到最优。在这篇文章中，我们的目标是了解一些影响问题实例难度的因素，并使用机器学习模型来预测D-Wave 2000 Q退火机解决特定问题的准确性。我们专注于最大团问题，这是一个经典的NP-难问题，在网络分析，生物信息学和计算化学中具有重要应用。通过对基本问题特征（如图中的边数）或退火参数（如D-Wave的链强度）训练机器学习分类模型，我们能够按其对解决方案难度的贡献顺序对某些特征进行排名，并提供一个简单的决策树，可以预测问题是否可通过D-Wave 2000 Q最优解决。我们通过训练机器学习回归模型来扩展这些结果，该模型预测D-Wave发现的集团大小。
2021-05-31 cs.ET cs.LG quant-ph
Quantum Annealing for Automated Feature Selection in Stress Detection
University of Kentucky（肯塔基大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
我们提出了一种新的方法，使用量子退火（QA）从生理信号池中自动选择特征子集。作为一个案例研究，我们将探讨基于QA的特征选择技术在选择最佳特征子集进行应力检测的有效性。特征提取从四个信号源：脚EDA，手EDA，心电图，和呼吸。该方法将从生理信号中提取的特征变量嵌入到二次模型中。使用特征变量和目标变量之间的Pearson相关系数计算特征变量的偏差。连接两个特征变量的边的权重使用二元二次模型中两个特征变量之间的皮尔逊相关系数来计算。随后，使用D-Wave的团采样器从二元二次模型中采样团。然后对底层解进行重新采样以获得多个好解，并将具有最低能量的团作为最优解返回。所提出的方法与常用的特征选择技术进行比较应力检测。结果表明，基于问答的特征子集选择与经典技术的性能相同。然而，在数据不确定性条件下，如有限的训练数据，选择最佳特征的量子退火的性能保持不受影响，而经典的特征选择技术的性能显着下降。初步结果表明，量子退火在优化机器学习分类器的训练阶段，特别是在数据不确定性条件下的承诺。
2021-06-09 cs.LG quant-ph
Quantum speed-up in solving the maximal clique problem
最大团问题是在给定的图中寻找最大团的问题，是一个经典的NP-完全计算问题，它在电子工程、计算化学、生物信息学和社交网络等领域有着广泛的应用前景。在这里，我们开发了一个量子算法来解决任何图$G$与$n$顶点的最大团问题与二次加速超过其经典的同行，其中的时间和空间的复杂性降低，分别为$O(\sqrt{2^{n}})$和$O(n^{2})$。相对于预言机相关的量子算法的NP完全问题，我们确定我们的算法是最佳的。为了证明所提出的量子算法的可行性，我们已经成功地解决了一个例子团的问题，图$G$有两个顶点和一个边缘进行核磁共振实验涉及四个量子比特。
2018-03-30 quant-ph
Quantum Annealing-Based Software Components: An Experimental Case Study with SAT Solving
量子计算机有可能比经典计算机更有效地解决问题。虽然第一个商业原型已经可用，但这种机器在实际应用中的性能仍有待探索。量子计算机不会完全取代经典计算机，而是作为特定问题的加速器。这需要将量子计算原语集成到现有的应用程序中。在本文中，我们进行了一个案例研究如何增强现有的软件与量子计算原语的布尔可满足性问题（SAT）实现使用量子退火（QA）。我们讨论了量子组件的相关质量措施，并表明，数学上等价的，但结构上不同的方式转换SAT的QA可能会导致这些品质的实质性差异。我们认为，工程师需要意识到（以及哪些）细节，尽管它们在传统的软件工程中可能不太相关，但在量子计算中需要相当多的关注。
2020-05-11 cs.ET quant-ph
Logical qubit implementation for quantum annealing: augmented Lagrangian approach
解决量子退火机上的优化问题通常需要问题的每个变量由称为逻辑量子比特或链的一组连接的量子比特表示。以链量子位之间的铁磁耦合的形式施加链权重，使得链中的物理量子位有利于在低能量样本中取相同的值。一个好的链强度值对于量子退火解决困难问题的能力至关重要，但是没有通用的方法来计算这样的值，即使找到了最佳值，它仍然可能因为太大而不适合精确的退火结果。在本文中，我们提出了一种基于优化的方法，用于产生合适的逻辑量子比特表示，从而导致更小的链权重，并表明所产生的优化问题可以成功地解决使用增广拉格朗日方法。D-Wave Advantage系统和随机图上的最大团问题的实验表明，我们的方法优于默认的D-Wave方法的链强度分配以及二次惩罚方法。
2023-01-29 cs.ET quant-ph
Efficient Combinatorial Optimization Using Quantum Annealing
最近第一台商用量子计算机的出现为解决NP难题提供了一个很有前途的工具，这些问题只能用现有技术来解决。然而，目前还不清楚量子计算的现状是否已经提供了超过经典计算中现有技术的量子优势。本文评估了D-Wave 2X量子退火机在两个NP困难图问题上的性能，特别是团查找和图划分。为此，我们提供了适用于量子退火机的Qubo和Ising Hamilton公式，并比较了各种量子求解器（由D-Wave Sys，Inc.提供的Sapi，QBSolv，QSage）。目前的经典算法（METIS，模拟退火，第三方团发现和图分裂算法）在某些测试集的图。我们证明，对于小图的情况下，经典的方法仍然优于量子退火计算时间方面，即使获得的最佳解决方案的质量是可比的。然而，由于可以嵌入在D-Wave 2X芯片上的问题大小有限，上述发现适用于量子退火机上可解决的大多数一般性质的问题。对于专为适应D-Wave 2X架构而设计的实例，我们观察到计算时间比经典方法大幅加快。
2018-01-30 quant-ph
Quantum annealing with inequality constraints: the set cover problem
提出了两种求解量子退火机上多不等式约束集合覆盖问题的新方法。第一种方法使用增广拉格朗日方法来表示的约束，而第二种方法采用高阶二进制优化（HUBO）制定。我们的实验分析表明，这两种方法优于松弛变量的标准方法解决问题的不等式约束的D波量子退火。结果表明，增广拉格朗日方法可以成功地用于实现大量的不等式约束，使其适用于广泛的约束问题超越SCP。HUBO公式在求解SCP方面比增广拉格朗日方法表现得稍好，但在量子芯片的可嵌入性方面可扩展性较差。这些发现可能会影响量子退火器用于解决约束优化问题的使用。
2023-02-22 cs.ET quant-ph
Reducing quantum annealing biases for solving the graph partitioning problem
量子退火器提供了一种有效的方法来计算高质量的解决方案的NP难问题时，表示在一个QUBO（二次无约束二进制优化）或伊辛形式。这是通过将一个问题映射到量子芯片的物理量子位和耦合器上来完成的，在一个称为量子退火的过程之后，从量子芯片读取解决方案。然而，该过程受到多个偏置源的影响，包括校准不良、相邻量子位之间的泄漏、控制偏置等，这可能对退火结果的质量产生负面影响。在这项工作中，我们的目标是减轻这种偏见的影响，解决约束优化问题，通过提供一个两步的方法，并将其应用到图分割。在第一步中，我们测量并减少由于实现问题的约束而导致的任何偏差。在第二种情况下，我们将目标函数添加到约束的偏差校正实现中，并将问题发送到量子退火机。我们将这个概念应用于图划分，这是一个重要的NP-难问题，它要求找到一个平衡的（约束）和最小化切割大小（目标）的图的顶点的分区。我们首先量化量子退火器上的约束的实现的偏差，也就是说，我们要求，在无偏实现中，任何两个顶点被分配到分区的相同或不同部分的可能性相同。然后，我们提出了一个迭代的方法来纠正任何这样的偏见。我们证明，添加目标后，解决由此产生的偏置校正伊辛问题的量子退火机的结果在一个更高的解决方案的精度。
2021-03-08 cs.ET quant-ph
Multi-objective Quantum Annealing approach for solving flexible job shop scheduling in manufacturing
本文提出融合量子退火、禁忌搜索与模拟退火的QASA算法，通过哈密顿量建模、权重分配和瓶颈分解求解多目标FJSSP，并在基准实验中以可接受的时间代价获得优于CSA的Pareto解集。
2023-11-16 quant-ph
How viable is quantum annealing for solving linear algebra problems?
本文通过绝热原理模拟分析量子退火求解线性最小二乘与线性方程组的可行性，解释其鲁棒性和扩展性，并提出量子初值结合经典不动点迭代的混合方法。
2022-06-21 quant-ph
Comparing Three Generations of D-Wave Quantum Annealers for Minor Embedded Combinatorial Optimization Problems
本文在四台 D-Wave 设备上比较三代量子退火器在最大团和最大割问题上的性能，发现采用 Zephyr 拓扑的最新硬件在近似比和链断裂率上总体最优。
2024-10-23 cs.ET math.CO quant-ph
Finite temperature quantum annealing solving exponentially small gap problem with non-monotonic success probability
封闭系统量子退火有时会在解决简单问题时出现异常失败，因为问题大小的间隙呈指数级变小。关于这种能隙缩放是否也阻碍了开放系统的量子退火，我们知道的要少得多。在这里，我们研究的量子退火处理器在解决这样一个问题的性能：一个铁磁链与部门的交替耦合强度是经典的平凡，但表现出指数下降的差距在部门的大小。间隙比器件温度小几个数量级。与封闭系统的预期相反，成功的概率上升足够大的部门规模。成功几率与临界点处热可及激发态的数目密切相关。我们证明，这种行为是一致的量子开放系统的描述是无关的热弛豫，而是由系统的性能在临界点。
2018-07-30 quant-ph
Solving Differential Equations Using Continuous-Variable Quantum Annealing
Chuo University（中央大学）；The University of Tokyo（东京大学）；Ochanomizu University（御茶水女子大学）；National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）
本研究开发了用于求解线性微分方程的连续变量量子退火公式，通过将微分方程映射为与玻色量子退火兼容的目标函数，数值模拟显示其可复现二阶线性微分方程的解析解，有望避免基于量子比特实现的离散化开销。
2026-08-06 quant-ph
Analyzing the Quantum Annealing Approach for Solving Linear Least Squares Problems
随着量子计算机的出现，研究人员正在探索是否可以利用量子力学来解决重要问题，其方式可能提供传统或经典方法无法实现的优势。O'Malley和Vesselinov在2016年的一项工作中简要探讨了使用量子退火机解决实数的线性最小二乘问题。他们建议，它最适合于二进制和稀疏版本的问题。在我们的工作中，我们提出了一个更紧凑的方式来表示变量使用两个和一个的补充量子退火。然后，我们对这种方法进行了深入的理论分析，展示了这种方法可能优于传统经典方法解决一般线性最小二乘问题的条件。最后，根据我们的分析和观察，我们讨论了量子退火特别有益的潜在有前途的进一步研究领域。
2018-11-01 quant-ph
Solving Set Cover with Pairs Problem Using Quantum Annealing
在这里，我们考虑使用量子退火来解决集合覆盖对（SCP），一个NP-难的组合优化问题，在网络，计算生物学和生物化学中发挥着重要作用。我们展示了一个明确的伊辛哈密顿的基态编码的SCP实例的解决方案的建设。我们数值模拟了含时的薛定谔方程，以测试量子退火对随机情况的性能，并与模拟退火的性能进行了比较。我们还讨论了显式嵌入策略，实现我们的哈密顿构造的D-波型限制伊辛哈密顿的基础上嵌合图。我们在Chimera图上的嵌入保留了原始SCP实例的结构，特别是，一般完全二分图和逻辑析取的嵌入可能比我们处理的具体问题有更广泛的用途。
2016-08-30 quant-ph
Heterogeneous Quantum Computing for Satellite Constellation Optimization: Solving the Weighted K-Clique Problem
NP-难优化问题随着问题规模的扩大而迅速扩大，即使使用超级计算资源，也无法用蛮力方法解决。通常情况下，这些问题已经近似与数学。然而，这些方法仍然需要很长时间，并且不能保证找到最佳解决方案。量子计算提供了产生显著加速和提高解决方案质量的可能性。目前的量子退火（QA）设备旨在解决困难的优化问题，但它们受到硬件大小和量子位连接限制的限制。我们提出了一种新的异构计算堆栈，结合QA和经典的机器学习，允许使用QA的问题大于量子设备的硬件限制。这些结果代表了对加权k团问题所代表的现实问题的实验。通过这个实验，我们可以深入了解量子机器学习的状态。
2018-03-20 quant-ph
Learning-Driven Annealing with Adaptive Hamiltonian Modification for Solving Large-Scale Problems on Quantum Devices
本研究提出学习驱动退火（LDA）框架，通过自适应修正问题哈密顿量聚焦低能演化，构建的混合量子-经典求解器在5580量子比特自旋玻璃问题上性能优于多种经典与量子算法，推动实用量子计算发展。
2025-10-23 quant-ph
Solving the Turbine Balancing Problem using Quantum Annealing
本文将涡轮机叶片平衡建模为 QUBO，对比经典启发式方法与 D-Wave 量子退火器，并提出基于模拟退火的量子启发算法，在真实与合成数据上满足工业要求。
2024-05-10 cs.ET quant-ph
Annealing-based approach to solving partial differential equations
Ochanomizu University（御茶水女子大学）
本文提出一种基于退火的方法求解偏微分方程，通过将离散后的线性方程组转化为广义本征值问题，并利用退火算法高效计算本征向量，验证了迭代次数与系统规模和退火时间的关系。
2026-02-14 cond-mat.dis-nn cond-mat.stat-mech cs.NA
Solving Distributed Flexible Job Shop Scheduling Problems in the Wool Textile Industry with Quantum Annealing
本文利用量子退火解决羊毛纺织行业中的分布式柔性作业车间调度问题，通过优化模型参数提升解决方案质量。
2026-01-14 cs.ET quant-ph
Solving systems of Boolean multivariate equations with quantum annealing
二进制域上的多项式系统有重要的应用，特别是在对称和非对称密码分析、基于多变量的后量子密码学、编码理论和计算机代数中。在这项工作中，我们研究的量子退火模型求解布尔系统的多元方程的次数2，通常被称为多元二次问题。我们提出了不同的方法来嵌入问题到一个哈密顿量，可以解决可用的量子退火平台。特别是，我们提供了三种嵌入选项，并强调了它们在量子资源方面的差异。此外，我们设计了一个机器不可知的算法，采用迭代的方法，以更好地解决问题的哈密尔顿反复减少搜索空间。最后，我们使用D-Wave设备成功地实现了我们的方法在多变量二次问题的几个实例。
2022-02-08 quant-ph
Quantum Annealing Learning Search for solving QUBO problems
在本文中，我们提出了一种新的策略来解决优化问题的混合量子经典计划的基础上量子退火，特别关注QUBO问题。所提出的算法是基于一个迭代的结构，其中的目标函数的表示到退火架构的学习和已经访问的解决方案是由禁忌启发搜索惩罚。其结果是一个启发式搜索配备了学习机制，以提高编码的问题到量子架构。我们证明了算法的收敛到一个全局最优的情况下，一般的QUBO问题。我们的技术是一种替代的直接减少到稀疏退火图的给定的优化问题。
2019-08-13 quant-ph
Hybrid quantum annealing for larger-than-QPU lattice-structured problems
执行退火算法的量子处理单元（QPU）在优化和模拟应用中显示出前景。混合算法是一个自然的桥梁，更大规模的附加应用程序。我们提出了一个简单有效的方法来解决大于QPU格结构的伊辛优化问题。性能比较模拟退火与有前途的结果，并显示作为一个功能的D-波QPU的生成。
2022-02-07 cs.ET quant-ph
Solving tiling puzzles with quantum annealing
要解决平铺谜题，例如“五重奏”或“四重奏”谜题，我们需要从旋转或棋子位置的众多组合中找到正确的解决方案。求解这类组合优化问题是计算科学中一个非常困难的问题，量子计算有望在这一领域发挥重要作用。在这篇文章中，我们提出了一种方法，并获得了具体的公式，以寻求解决方案的tetromino平铺难题使用量子退火。此外，我们使用模拟器和实际硬件DW2000Q评估了这些公式。
2019-04-03 cs.CC quant-ph
Convergence rate of algorithms for solving linear equations by quantum annealing
本文研究了基于量子退火原理的量子计算机求解线性方程 $ax=b$ 的迭代算法，在输出服从玻尔兹曼分布的假设下证明了算法的收敛条件并给出了收敛速度估计，同时探讨了该方法在无限和少量量子比特算法中的应用。
2023-10-24 cs.NA math.NA math.PR
Finding Maximum Cliques on the D-Wave Quantum Annealer
本文评估了D-Wave 2X（DW）量子退火器在图中寻找最大团的性能，这是最基本和最重要的NP-难问题之一。由于DW可以直接解决的最大图的大小是相当小的（通常在45个顶点左右），我们还考虑了用于更大图的分解算法，并分析了它们的性能。对于适合DW的较小的图形，我们提供了最大团问题作为二次无约束二进制优化（QUBO）问题的公式，这是机器可接受的两种输入类型之一（连同伊辛模型），并将几种量子实现与当前的经典算法（如模拟退火，Guesthouse和第三方团查找算法）进行比较。我们进一步估计量子退火器的量子阶段和经典的后处理阶段通常用于增强DW返回的每个解决方案的贡献。我们证明，随机图，适合DW，没有量子加速可以观察到与经典算法相比。另一方面，对于专门设计用于很好地适应DW量子比特互连网络的实例，我们观察到计算时间比经典方法大幅加快。
2018-04-24 quant-ph
Quantum annealing for hard 2-SAT problems : Distribution and scaling of minimum energy gap and success probability
近年来，量子退火已经获得了作为解决各种优化问题的一个有前途的候选人的地位。利用一组多达18个变量的2-SAT问题，分析了量子退火算法的标度复杂性，研究了最小能隙和成功概率的分布.我们扩展了标准量子退火哈密顿量的分析，通过引入一个额外的术语，触发哈密顿量，它可以是两种类型：铁磁和反铁磁。我们使用这些触发哈密顿研究他们的成功概率解决选定的2-SAT问题的影响。我们发现，尽管标准和修改的量子退火哈密顿量的运行时间的缩放是指数的，但在添加触发哈密顿量的情况下的缩放常数可以显著更小。此外，对触发哈密顿量和退火时间的某些选择可以导致比模拟退火更好的缩放。最后，我们还使用D-Wave Systems Inc.的量子退火机。研究它们在求解2-SAT问题时的性能，并与仿真结果进行比较。
2022-01-31 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
Solving Currency Arbitrage Problems using D-Wave Advantage2 Quantum Annealer
本文提出将货币套利问题表述为QUBO，并利用D-Wave Advantage2量子退火机求解，与经典方法比较性能，展示了量子退火在金融优化中的潜力。
2025-09-26 cs.ET quant-ph
Quantum speed-up for solving the one-dimensional Hubbard model using quantum annealing
Jülich Supercomputing Centre, Forschungszentrum Jülich（于利希超级计算中心，于利希研究中心）；RWTH Aachen University（亚琛工业大学）；University of Cologne（科隆大学）
本文研究利用量子算法求解多体问题，重点展示通过门式量子计算机模拟量子退火求解一维Hubbard模型，并发现半满情况下相比Bethe-ansatz方程算法有显著量子加速。
2025-10-02 cond-mat.str-el quant-ph
Algorithm engineering for a quantum annealing platform
最近的进展带来了使用量子退火算法解决组合问题的可行性，该算法在利用量子特性的专用平台上实现。然而，如何调整算法以最有效地使用在这个框架中的问题还没有得到很好的理解。在本文中，我们描述了一些驱动性能的操作参数，讨论了减少误差来源的方法，并给出了D-Wave 2量子退火处理器的实验结果。
2014-10-18 cs.DS cs.ET quant-ph
A Quantum Annealing Approach for Dynamic Multi-Depot Capacitated Vehicle Routing Problem
量子退火（QA）是一种基于绝热量子计算（AQC）原理的量子计算算法，在求解车辆路径问题（VRP）等组合最优化问题时，与经典算法相比显示出了显著的计算优势。提出了一种求解多车场容量限制车辆路径问题的QA方法。这是一个NP难的最优化问题，在运输、物流和供应链管理等领域都有实际应用。我们考虑不同的车辆段和不同容量的车辆。给定一组异构车辆段、每个车辆段中的车辆数量、异构车辆段/车辆容量以及一组空间分布的客户位置，MDCVRP尝试识别满足容量约束的各种车辆的路线，例如为所有客户提供服务。我们将MDCVRP建模为一个二次无约束二进制优化（QUBO）问题，该问题在给定容量约束的情况下，最小化所有车辆在所有车辆段行驶的总距离。此外，我们制定了一个QUBO模型的动态版本的MDCVRP称为D-MDCVRP，它涉及到动态重新路由的车辆实时客户请求。我们讨论了问题的复杂性和解决方案，解决MDCVRP和D-MDCVRP量子退火硬件从D波。
2020-05-27 cs.ET math.OC quant-ph
Genome assembly using quantum and quantum-inspired annealing
DNA测序的最新进展为全基因组分析的快速和可靠开辟了前景，这对于包括个性化医疗在内的各种应用都有希望。然而，用于{ \it de novo}基因组组装的现有技术需要解决高计算复杂度的任务，所述基因组组装用于分析基因组重排、染色体定相和在没有参考的情况下重建基因组。在这里，我们展示了一种使用量子和量子启发的优化技术解决基因组组装任务的方法。在这种方法中，我们目前的实验结果基因组组装使用量子退火模拟数据和$ϕ$ X 174噬菌体。我们的研究结果铺平了一条道路，在解决生物信息学问题的效率与使用量子计算，特别是量子退火。我们期望新一代的量子退火设备将优于现有的{ \it de novo}基因组组装技术。据我们所知，这是第一次对量子退火设备和量子启发技术上的真实和合成数据进行从头基因组组装问题的实验研究。
2021-06-24 quant-ph
Addressing the Minor-Embedding Problem in Quantum Annealing and Evaluating State-of-the-Art Algorithm Performance
TECNALIA, Basque Research and Technology Alliance (BRTA)（TECNALIA巴斯克研究与技术联盟）；University of the Basque Country (UPV/EHU)（巴斯克国家大学）
本文研究量子退火中变量映射问题，分析嵌入质量对D-Wave性能的影响，并评估Minorminer算法在不同图结构上的表现，发现其存在改进空间。
2026-03-17 cs.AI cs.ET quant-ph
Optimizing Geometry Compression using Quantum Annealing
LMU Munich（慕尼黑大学）
几何数据的压缩是分布式3d计算机视觉应用中带宽高效数据传输的一个重要方面。提出了一种基于构造性实体几何（CSG）模型表示的量子有损3D点云压缩流水线。管道的关键部分被映射到NP完全问题，其中存在适合于在量子退火机上执行的高效伊辛公式。我们描述了现有的伊辛公式的最大团搜索问题和最小的精确覆盖问题，这两者都是重要的构建块的建议压缩管道。此外，我们讨论了整个管道的性能，结果最优性和描述伊辛配方。
2020-03-30 cs.CG cs.CV quant-ph
Solving Drone Routing Problems with Quantum Computing: A Hybrid Approach Combining Quantum Annealing and Gate-Based Paradigms
TECNALIA（泰克纳利亚技术研究中心）；Basque Research and Technology Alliance (BRTA)（巴斯克研究与技术联盟）；National Centre for Scientific Research “Demokritos”（德谟克利特国家科学研究中心）；Fraunhofer Institute for Open Communication Systems (FOKUS)（弗劳恩霍夫开放通信系统研究所）
本文提出名为Q4DR的混合量子计算方法，结合QAOA聚类与量子退火求解无人机路径规划问题，经三类含现实约束的复杂用例验证有效，拓展了量子计算在物流规划领域的应用场景。
2025-03-21 cs.AI cs.ET quant-ph
Quantum Annealing with Qubit-Resonator Systems for Simultaneous Optimization of Binary and Continuous Variables
针对同时包含二进制和连续变量的优化问题，提出一种基于量子比特与谐振器混合系统的量子退火方法，构建一般框架并通过数值模拟验证其可行性与有效性。
2025-06-25 quant-ph
Quantum annealing with anneal path control: application to 2-SAT problems with known energy landscapes
我们研究了D-Wave 2000 Q量子退火机上提供的一种新的用户控制功能--每个量子位的退火路径控制对量子退火性能的影响，通过数值求解用于模拟退火问题的含时哈密顿量的含时薛定谔方程来解决优化问题。退火路径控制，从而建模为一个修改的线性退火方案，导致在一个先进的和滞后的计划。所考虑的优化问题是具有12个布尔变量、已知唯一基态和高度简并的第一激发态的2-SAT问题。我们表明，调整退火路径控制可以导致扩大的最小光谱间隙的一个或两个数量级和增强的成功概率找到的最优化问题的解决方案。我们仔细检查各种迭代方法的基础上的自旋flopppiness，平均自旋值，和平均能量，并描述他们的性能，提高量子退火过程。
2018-10-04 quant-ph
ILP-based Resource Optimization Realized by Quantum Annealing for Optical Wide-area Communication Networks -- A Framework for Solving Combinatorial Problems of a Real-world Application by Quantum Annealing
本文研究光广域网资源分配的QUBO与量子退火求解，通过汉明距离分析参数相关性并用决策树神经网络补全解空间，在简单ILP中成功但在3节点网络问题上未获提升。
2024-05-20 quant-ph
Quantum annealing for systems of polynomial equations
许多科学和工程应用需要数值求解方程组。传统上求解一般的多项式方程组需要迭代求解器，而线性方程组可以通过直接矩阵求逆或迭代预处理来求解。然而，迭代算法的收敛性是高度可变的，并且部分取决于条件数。我们提出了一种直接的方法来解决一般系统的多项式方程的基础上量子退火，我们验证了这种方法使用的二阶多项式方程的系统上解决了一个市售的量子退火。然后，我们展示了线性回归的应用，并更详细地讨论了一般线性方程组的问题大小，条件数和搜索精度的缩放行为。最后，我们定义了一个迭代退火过程，并证明了其有效性，在解决线性系统的公差$10^{-8}$。
2019-07-16 hep-lat quant-ph
Quantum Annealing and Graph Neural Networks for Solving TSP with QUBO
本文研究如何将QUBO与量子退火及图神经网络结合求解旅行商问题，提出QQA-TSP和QGNN-TSP两种方法，并验证其在求解效率与解质量上相较经典求解器具有竞争力。
2024-02-21 math.CO quant-ph
Solving Quantum Chemistry Problems with a D-Wave Quantum Annealer
量子退火装置已经进行了各种分析，以分类其实用性的实际应用。虽然已经成功地证明，这样的系统通常可以用于解决组合优化问题，但它们还没有用于解决化学应用。在本文中，我们应用了由Xia等人提出的映射（The Journal of Physical Chemistry B 122.13（2017）：3384-3395.），从量子化学哈密顿量到伊辛自旋玻璃公式，并使用量子退火器找到基态能量。此外，我们调查的缩放方面所需的物理量子比特的量子退火机有限的连接。据我们所知，这是第一次在量子退火装置上进行量子化学问题的实验研究。我们发现，当前的量子退火技术导致此类固有量子问题的指数缩放，并且需要新的耦合器才能使量子退火器对量子化学具有吸引力。
2019-03-15 quant-ph
Advanced anneal paths for improved quantum annealing
该研究利用D-Wave退火仪的反向退火、h增益功能及二者的混合调度方案，结合贝叶斯优化调参，在加权最大割等NP难问题上验证了不同技术的适用性，提出h增益可作为反向退火的可行替代方案。
2020-10-23 cond-mat.stat-mech cs.ET quant-ph
Quantum algorithms for simulated annealing
本文综述了[R. D. Somma等人，物理修订信函101，130504（2008）]，其模拟用于解决离散优化问题的经典退火过程。量子算法的复杂度与相关随机矩阵的谱隙的平方根倒数成比例。这表示相对于经典模拟退火，在间隙方面的二次量子加速。
2015-12-14 quant-ph
Diabatic Quantum Annealing for the Frustrated Ring Model
本文研究受挫环模型中非绝热量子退火能否避免标准绝热演化导致的指数级减速，并通过数值实验在最多39量子比特上证明优化退火调度可绕过该瓶颈。
2022-12-05 quant-ph
Quantum annealing with twisted fields
量子退火是求解组合优化问题和进行量子化学计算的一种很有前途的方法。量子退火误差的主要来源是退相干和非绝热跃迁的影响。我们提出了一种方法来抑制这两种影响，使用非均匀扭曲运营商对应的扭曲角的横向场施加到量子比特。此外，我们采用变分方法来确定最佳的非均匀扭曲算符，使量子退火后的状态的能量最小化。我们的方法是有用的，以增加能隙和/或使量子态对退相干量子退火过程中的鲁棒性。总之，我们的结果可以为实现实用量子退火的新方法铺平道路。
2021-11-30 quant-ph
Benchmarking Embedded Chain Breaking in Quantum Annealing
量子退火通过寻找嵌入的哈密顿量的能量基态来解决组合优化问题。然而，在嵌入的哈密顿量下的量子退火动力学可能违反绝热演化的原理，并产生对应于计算解中的误差的激发。在这里，我们凭经验基准链断裂的概率，并确定甜蜜点解决一套嵌入式哈密顿。我们进一步将量子退火硬件中链断裂的物理位置与底层嵌入技术相关联，并在量身定制的后处理策略中使用这些局部化速率。我们的结果展示了如何使用量子退火硬件的表征来调整嵌入的哈密顿量并消除计算误差。
2021-04-07 quant-ph
Towards an Optimal Hybrid Algorithm for EV Charging Stations Placement using Quantum Annealing and Genetic Algorithms
量子退火是一种解决优化问题的启发式算法，由于D-Wave系统的成功，最近的使用量激增。本文的目的是找到一个很好的启发式解决电动汽车充电器放置（EVCP）的问题，一个问题，是非常重要的设置一个电动汽车（EV）充电器的成本和电动汽车在世界各地的预期激增。同样的问题陈述也可以推广到网格中任何实体的最佳放置，并可以探索以供进一步使用。最后，作者介绍了一种新的启发式结合量子退火和遗传算法来解决这个问题。所提出的混合方法需要种子的遗传算法与量子退火的结果。实验结果表明，该方法减少了$42.89\%$相比，香草量子退火样本EVCP数据集的兴趣点（POI）的最小距离。
2022-04-22 cs.NE quant-ph
Multivariable Optimization: Quantum Annealing & Computation
量子退火技术的最新发展表明了量子退火在解决NP难优化问题中的潜在优势。在这篇文章中，我们简要地指出和讨论量子退火技术的有益特性，并将它们与模拟退火技术进行比较。然后我们简要讨论了一些模型自旋玻璃和动力学约束系统的量子退火研究。
2014-08-21 cond-mat.stat-mech quant-ph
Quantum Annealing and the Satisfiability Problem
效用可满足性（SAT）作为一个应用集中的硬计算问题是公认的。我们探索量子退火的潜力，以提高经典的SAT解决方案，特别是从所有可能的解决方案的空间采样是感兴趣的。我们解决SAT问题的制定，使他们适合商业量子退火，在其实施的实际问题，以及如何得到的量子求解器的性能相比，并补充经典的SAT求解器。
2016-12-21 quant-ph
Assessing Solution Quality of 3SAT on a Quantum Annealing Platform
当使用量子退火解决命题逻辑可满足性（特别是3SAT）时，我们分析了问题的不同实例的难度对量子退火器返回的答案质量的影响。在这种情况下，来自退火机的高质量响应由返回的答案中的高百分比的正确解定义。我们表明，相变的计算复杂性的问题，这是众所周知的发生在经典机器上的3SAT（在那里它会导致有害的增加运行时间），持续以某种形式（但可能在较小程度上）的量子退火。
2019-02-13 cs.CC cs.ET quant-ph
Quantum annealing with longitudinal bias fields
量子退火旨在通过绝热态制备来解决困难的计算问题。在这里，我建议使用不均匀的纵向磁场，以提高退火的效率。这样的场能够将退火动力学偏置到期望的解决方案中，并且在许多情况下，可以迭代地找到合适的场配置。或者，纵向场也可以作为一种反偏置，从最终状态中过滤掉不需要的贡献。这种策略特别适合于在标准量子退火方法中难以解决的情况。通过对精确覆盖问题的小实例进行数值模拟，研究了这些不同策略的性能。
2019-06-05 quant-ph
Faster annealing schedules for quantum annealing
基于绝热定理，提出了量子退火的新退火方案。这些时间表表现出更快的减少的激励概率比线性时间表。为了推导出这一结论，在长退火时间的限制下，明确地得到了量子退火激发几率的渐进形式。它的一阶项，这是成反比的退火时间的平方，示出仅由在初始和最终时间的信息来确定。我们的退火时间表可以删除这一项，从而导致更高阶（更小）的激发概率。我们通过数值求解小尺寸系统的含时薛定谔方程验证了这些结果
2007-10-05 cond-mat.dis-nn quant-ph
Steiner Traveling Salesman Problem with Quantum Annealing
Department of Mechanical, Energy and Management Engineering, University of Calabria（机械、能源与管理工程系，卡塔尔大学）；TECNALIA, Basque Research and Technology Alliance (BRTA)（TECNALIA，巴斯克研究与技术联盟（BRTA））
针对NP难的斯坦纳旅行商问题，提出结合D-Wave硬件量子退火与网络规模缩减预处理的方法，降低问题复杂度，验证了量子退火求解该问题的潜力。
2025-10-29 cs.AI cs.ET quant-ph
