2D implementation of quantum annealing algorisms for fourth order binary optimization problems
量子退火在解决K阶二进制优化问题时可能比模拟退火具有更大的优势。在当前量子退火硬件上不存在实现高阶优化问题（K > 2）的可行架构。我们提出了一个二维量子退火架构来解决四阶二进制优化问题，通过编码四个量子位的相互作用在耦合的局部场作用于一组物理量子位。所有可能的N量子位系统的四体耦合项都可以通过这种架构来实现，并且可以很容易地用现有的超导电路技术来实现。物理量子位的开销是O（N4），这与之前提出的四维空间架构相同。实验系统的规范不变子空间保证了优化问题哈密尔顿算子和可执行哈密尔顿算子之间的等价性。提出了一种利用单个辅助量子比特实现局域规范约束的方案。
2016-05-12 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
Benchmarking Quantum Annealing Controls with Portfolio Optimization
量子退火提供了一种新的方法来寻找各种计算问题的最佳解决方案，其中量子退火控制通过调整底层量子动力学来影响观察到的性能和错误机制。然而，现有控制的影响往往知之甚少，评估这些控制的影响的方法是必要的，以调整量子计算性能。在这里，我们使用投资组合优化作为一个案例研究，基准量子退火控制及其对计算精度的相对影响。我们比较经验的结果，从D-Wave 2000 Q量子退火机的计算地面真理的各种投资组合优化的情况。我们评估正向和反向退火方法，我们确定控制变化，产生最佳性能的成功概率和断链概率。
2020-07-06 quant-ph
Comparative analysis of diverse methodologies for portfolio optimization leveraging quantum annealing techniques
本文通过数值实验比较多种非常规量子退火算法在无约束单期离散均值-方差投资组合优化问题上的表现，发现部分方法在正向退火下可提高成功概率，而反向退火调度能显著改善特定算法的性能。
2024-07-08 quant-ph
Multi-objective optimization by quantum annealing
本文针对生成Pareto front的多目标优化任务，在相同输入问题和方法论下对比了量子退火与QAOA等方法，发现量子退火不仅远超IBM处理器上的QAOA及既往经典和量子方法，还在较难问题上改进了已知最佳Pareto front，展现了量子退火在该领域的潜力。
2025-11-03 quant-ph
Optimization by Quantum Annealing: Lessons from Simple Cases
本文研究了模拟量子退火（QA）的基本行为和性能，并与经典退火（CA）进行了比较。三个简单的一维案例研究系统被认为是，即一个抛物线井，双井，和一个弯曲的搓衣板。与时相关的薛定谔演化在真实或虚时间描述QA的福克普朗克演化CA的对比。在每种情况下，过剩能量随退火时间的渐近减少进行了研究，并检查和讨论了差异的原因。在QA中，双势阱CA的Huse-Fisher经典幂律被一个不同的幂律所取代。多井搓衣板问题研究在CA由Shinomoto和Kabashima和导致经典的对数退火，即使在没有无序，变成一个幂律行为退火时，与QA。无序和本地化的关键作用进行了简要讨论。
2005-02-10 cond-mat.dis-nn cond-mat.other 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
Ising formulation of integer optimization problems for utilizing quantum annealing in iterative improvement strategy
量子退火是一种用于搜索伊辛模型的基态的启发式算法。启发式算法的目标是以合理的计算时间获得近似最优解。因此，迄今为止已经提出了许多算法。一般来说，启发式算法的性能很大程度上取决于要解决的组合优化问题的实例，因为它们以不同的方式逃避局部极小值。因此，将几种算法结合起来，利用它们的互补优势，对于获得广泛的组合优化问题的高精度解是有效的。然而，量子退火不能用于改进由其他算法获得的候选解，因为它从初始状态开始，在该初始状态中，以均匀的概率找到所有自旋配置。在这项研究中，我们提出了一个伊辛制定的整数优化问题，利用量子退火的迭代改进策略。我们的公式利用了横向磁场量子退火中简并基态的偏置采样。我们还分析表明，一阶相变是成功地避免了一个完全连接的铁磁Potts模型，如果一个基态和候选解决方案之间的重叠超过一个阈值。所提出的配方是适用于广泛的整数优化问题，使我们能够杂交量子退火与其他优化算法。
2022-11-08 quant-ph
Variational optimization of the quantum annealing schedule for the Lechner-Hauke-Zoller scheme
退火时间表是优化的参数中的Lechner-Hauke-Zoller（LHZ）计划的量子退火设计的所有到所有的相互作用的伊辛模型代表通用的组合优化问题。我们适应的变分方法提出的松浦等人。（arXiv：2003.09913）的退火时间表的一项表示约束变量固有的LHZ计划与退火时间表的其他条款保持不变。一个简单的铁磁模型和自旋玻璃问题的数值结果表明，非单调退火时间表优化的剩余能量和最终的基态保真度测量的性能。这种改善并不伴随着显着增加的瞬时能隙，这表明了一个动态的观点，除了静态分析在量子退火的实际相关的非绝热过程的研究的重要性。
2021-03-01 cond-mat.stat-mech quant-ph
Genetic optimization of quantum annealing
近年来，通过调节演化的速度和引入反绝热势来对量子退火进行最优控制的研究受到了极大的关注。在这项工作中，我们提出了一种基于遗传算法的数值方法，以提高量子退火的性能，它回避了朗道-齐纳跃迁导航到最终的哈密顿量的基态的高概率。我们从多项式拟合开始优化退火时间表，将其系数作为遗传算法的染色体。我们还探索通过计算一个实际可行的$k$ -局部最优驾驶算子的绝热性的捷径，表明即使对于$k=1$，我们实现了大幅度提高的保真度超过标准退火解决方案。通过这些遗传优化的退火时间表和/或最佳驱动算子，我们能够在相对较短的时间尺度内执行量子退火，并且与传统方法相比具有更大的保真度。
2021-11-30 quant-ph
Designing Quantum Annealing Schedules using Bayesian Optimization
本研究提出用贝叶斯优化设计低需求的量子退火调度，在自旋模型上实现远超标准协议的保真度，还可改进混合量子算法并经中性原子量子处理器实验验证。
2023-05-22 quant-ph
Quantum versus Classical Annealing of Ising Spin Glasses
量子退火在自旋玻璃问题上的优越性的最有力证据来自于使用量子蒙特卡罗（QMC）方法模拟量子退火与模拟经典退火的比较[G. Santoro等人，Science 295，2427（2002）]。出于实验的可编程量子退火设备，我们重新审视的问题时，量子加速可能是预期的伊辛自旋玻璃问题。我们发现，即使一个更好的缩放相比，模拟经典退火可以实现QMC模拟，这一优势是由于时间离散化和测量是不可能的物理量子退火设备。另一方面，QMC模拟在物理相关的连续时间限制，不显示优越性。我们的研究结果意味着，小心时，使用QMC模拟来评估量子加速潜力，并与最近的论点，没有量子加速应预期的二维自旋玻璃问题是一致的。
2014-11-20 cond-mat.dis-nn quant-ph
Data-driven multi-objective optimization for alloy recycling using factorization machines and quantum annealing
Institute for Frontier Materials on Earth and in Space, German Aerospace Center (DLR)（地球与太空前沿材料研究所，德国航空航天中心）
研究通过因子分解机和量子退火工作流程对金属升级循环中多目标帕累托优化的应用，采用数据驱动切比雪夫标量化方案，结果表明该流程扩展了基于QUBO优化的适用性。
2026-07-09 cond-mat.mtrl-sci quant-ph
Ground-state statistics from annealing algorithms: Quantum vs classical approaches
我们研究了具有基态简并的系统的量子退火性能，对于小系统，我们直接求解薛定谔方程，对于大系统，我们采用量子蒙特卡罗模拟。结果表明，朴素的量子退火使用横向场可能不适合于识别所有的简并基态配置，虽然基态能量的值往往是有效的估计。引入量子跃迁的所有状态具有相同的权重，大大改善了这种情况，但牺牲了退火时间。我们还阐明了简并基态的自旋组态与通过量子退火得到这些态的几率之间的关系。与经典模拟退火相比，讨论了量子退火在处理简并基态问题时的优缺点。
2009-07-13 cond-mat.dis-nn 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
Optimizing Schedules for Quantum Annealing
经典和量子退火是两种启发式优化方法，通过缓慢降低热或量子波动来搜索最优解。优化退火时间表对于经典退火、量子退火和其他算法之间的性能和公平比较都很重要。在这里，我们提出了一个启发式的量子退火退火时间表的优化方法，并将其应用到三维伊辛自旋玻璃问题。我们发现，如果经典和量子退火时间表同样优化，经典退火优于量子退火这些问题时，考虑到在缓慢退火中获得的剩余能量。然而，当执行许多重复的快速退火时，模拟量子退火被认为优于经典退火。
2017-05-01 quant-ph
Quantum annealing inspired algorithms for the NISQ Era
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）；Modular Supercomputing and Quantum Computing, Goethe University Frankfurt（法兰克福歌德大学模块化超算与量子计算）；Department of Computer Science, University of Cologne（科隆大学计算机科学系）
本文研究了适用于NISQ时代的受量子退火启发的算法，分析了近似量子退火并提出演化哈密顿量量子优化方法，通过参数扫描和数值模拟展示其在改进变分量子优化中的有效性。
2026-04-28 quant-ph
Greedy parameter optimization for diabatic quantum annealing
量子计算需要更短的处理时间以最小化噪声的影响。我们提出了一个简单的程序，以变分确定一组参数的横向场伊辛模型的量子退火附加沿$y$轴的字段。该方法包括贪婪优化的符号的系数的$y$字段项的基础上的输出短退火过程。我们测试的想法在铁磁系统的所有到所有的耦合和自旋玻璃问题，并发现该方法优于传统形式的量子退火和模拟退火的成功概率和时间的解决方案，特别是在较短的退火时间的情况下，实现了提高性能的目标，同时避免噪音。非随机$σ^y$项可以通过自旋空间中的旋转来消除，从而导致随机横场伊辛模型中系数的非平凡非绝热控制，这对于实验实现可能是可行的。
2022-12-07 quant-ph
Theory of Quantum Annealing of an Ising Spin Glass
最近发现，用量子退火方法探测复杂系统的最低能量构型比经典的热方法更有效。比较随机二维伊辛模型的经典和量子蒙特卡罗退火协议，我们确认量子退火相对于经典退火的优越性。我们还提出了一个量子退火的理论，基于级联的朗道-齐纳隧穿事件。对于经典和量子退火，退火后的剩余能量与退火时间的对数的幂成反比，但是量子情况具有更大的幂，这使得退火更快
2002-05-14 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Quantum annealing initialization of the quantum approximate optimization algorithm
量子近似优化算法（QAOA）由于其适度的电路深度和有前途的基准，是一个很有前途的近期量子算法。然而，QAOA中所需的外部参数优化可能成为性能瓶颈。这激发了对优化景观的研究和对参数初始化的启发式方法的搜索。在这项工作中，我们可视化的优化景观的QAOA应用于随机图上的MaxCut问题，表明随机初始化的QAOA是容易收敛到局部最小值与次优性能。我们介绍了基于Trotterized量子退火（TQA）协议的QAOA参数的初始化，参数化的Trotter时间步长。我们发现，TQA初始化允许规避的问题，假极小值的时间步长范围很广，产生相同的性能作为最佳结果的指数缩放数量的随机初始化。此外，我们证明了时间步长的最佳值与量子退火中Trotter错误的增殖点相吻合。我们的研究结果提出了在近期量子设备上初始化QAOA协议的实用方法，并揭示了QAOA和量子退火之间的新联系。
2021-06-29 cond-mat.dis-nn cond-mat.stat-mech physics.comp-ph
Quantum annealing: An introduction and new developments
量子退火是一种利用量子力学涨落来寻找优化问题解的通用算法。本文首先回顾了量子退火的基本原理，然后报告了一种替代方法的初步结果。回顾部分包括量子退火与经典模拟退火的关系。接下来，我们提出了一种新的量子算法，它可能是可用于硬优化问题，通过使用经典量子映射以及Jarzynski等式引入非平衡统计物理。
2010-06-09 cond-mat.dis-nn cond-mat.stat-mech quant-ph
QCE'24 Tutorial: Quantum Annealing -- Emerging Exploration for Database Optimization
本教程系统介绍量子退火技术，并演示其在数据库优化中的应用，包括连接顺序优化、事务调度和虚拟机分配，旨在为数据库领域提供量子计算优化的理论与实践指导。
2024-11-07 cs.DB quant-ph
Mathematical Foundation of Quantum Annealing
量子退火是利用量子力学涨落来寻找最优化问题解的量子算法的总称。它与量子计算中研究活跃的量子绝热演化有着共同的基本思想。本文综述了量子退火的数学和理论基础。特别是，定理的收敛条件量子退火到目标的最佳状态后，无限时间的演化薛定谔或随机（蒙特卡罗）动力学。证明了尽管Schroedinger动力学和随机动力学有本质的区别，但这两类动力学的控制参数的渐近行为相同，从而保证了这两类动力学的收敛性。还描述了处方，以减少在量子退火的长期但有限的动力学演化后获得的最终近似解中的误差。结果表明，我们可以通过巧妙地选择退火时间表（控制参数的时间依赖性），而不影响计算复杂性定性显着减少错误。从量子绝热性的观点出发，利用经典-量子映射推导了经典模拟退火算法的收敛条件。
2008-06-11 cond-mat.dis-nn quant-ph
Quantum annealing of the Traveling Salesman Problem
我们提出了一个路径积分蒙特卡罗量子退火方案的对称旅行商问题，基于高度约束的伊辛表示，我们比较其性能对标准的热模拟退火。蒙特卡洛移动是标准的，包括通过交换两个链接（2-opt移动）来重组一个巡回赛。量子退火方案，即使是一个非常简单的形式的动能，出现肯定优于经典的，当测试1002城市的标准TSPLIB的实例。
2004-02-12 cond-mat.dis-nn quant-ph
On the Emerging Potential of Quantum Annealing Hardware for Combinatorial Optimization
在过去的十年中，量子退火硬件在组合优化中的有用性一直是许多争论的主题。到目前为止，实验基准研究表明，量子退火硬件并没有提供比最先进的最优化方法无可辩驳的性能增益。然而，随着硬件的不断发展，每次新的迭代都会带来更好的性能，并保证进一步的基准测试。为此，本研究对D-Wave Systems最新的Advantage Performance Update计算机进行了优化性能评估，该计算机可以原生地解决具有超过5，000个二进制决策变量和40，000个二次项的稀疏无约束二次最优化问题。我们证明，类人为的问题存在，这个量子退火机可以提供运行时的好处超过一个集合的建立经典解的方法，代表了目前最先进的基准量子退火硬件。虽然这项工作并没有提出强有力的证据证明这种新兴的优化技术具有无可辩驳的性能优势，但它确实表现出令人鼓舞的进展，表明了对未来实际优化任务的潜在影响。
2022-10-09 math.OC quant-ph
Subgradient Method using Quantum Annealing for Inequality-Constrained Binary Optimization Problems
本研究将Ohzeki方法扩展至不等式约束，通过统计力学推导松弛形式，并在二次背包问题中验证其性能。
2025-04-19 quant-ph
Tunneling through high energy barriers in simulated quantum annealing
我们分析了模拟量子退火（SQA）的优化问题，模拟经典退火（SA）是证明效率低下，因为一个高的能量障碍的性能。我们提出的证据表明，SQA可以通过这个障碍，找到有效的全球最低。这证明了SQA继承量子退火（QA）的一些优点的潜力，因为这个问题先前已经被证明可以通过量子绝热优化有效地解决。
2014-10-30 quant-ph
Quantum Annealing: from Viewpoints of Statistical Physics, Condensed Matter Physics, and Computational Physics
本文从统计物理学、凝聚态物理和计算物理的角度综述了量子退火的一些特点和相关问题。在许多情况下，利用量子退火可以得到优化问题的较好解。实际上，量子退火的效率已经被证明是基于统计物理的问题。量子退火算法有望成为求解最优化问题的一种有效而通用的方法。由于量子退火的许多实现方法已经被开发出来，并且将在未来被提出，因此通过对量子退火的研究，将发展广泛的科学和实验技术领域的理论框架。
2012-04-13 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Convergence theorems for quantum annealing
我们证明了几个定理，给出了量子退火，这是一个协议，解决一般的优化问题的量子动力学收敛的充分条件。特别地，证明了在横场功率衰减下，横场伊辛模型量子退火的路径积分蒙特卡罗实现的强遍历性。这个结果是比较慢的逆对数衰减的温度在传统的模拟退火。类似的结果证明了格林函数蒙特卡罗方法。本文还讨论了粒子构形连续空间中的优化问题。
2006-08-21 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Investigation into the Potential of Parallel Quantum Annealing for Simultaneous Optimization of Multiple Problems: A Comprehensive Study
PricewaterhouseCoopers（普华永道）；Innovation Hub（创新中心）
本研究探索并行量子退火的潜力与局限，通过多维度实验验证其可减少空闲量子比特，相较传统串行量子退火有望实现大幅加速。
2024-03-09 cs.AI quant-ph
Optimization of QKD Networks with Classical and Quantum Annealing
本文分析了一种经典的和量子退火的方法来计算量子密钥分发（QKD）硬件在一级提供商网络中的最小部署。QKD系统的整体需要能够在所有网络节点之间交换尽可能多的加密密钥，以便加密由流量需求矩阵定义的数据有效载荷。冗余和延迟要求增加了额外的边界条件。优化问题的结果产生了经典的启发式网络规划器，可以用于规划未来的QKD量子网络。
2022-06-28 cs.DM 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
The Potential of Quantum Annealing for Rapid Solution Structure Identification
最近出现的新的计算设备，如量子计算机，相干伊辛机和数字退火机，为硬件加速的混合优化算法提供了新的机会。不幸的是，利用新型硬件平台的毫无疑问的性能增益的演示面临着重大障碍。一个关键的挑战是理解将这些设备与已建立的优化方法区分开来的算法特性。通过精心设计人为的优化任务，这项工作提供了新的见解量子退火的计算特性，并表明该模型具有快速识别高质量解决方案的结构的潜力。对各种算法的细致比较表明，量子退火在所提出的优化任务上的性能是不同的。这一结果提供了新的见解的时间尺度和类型的最优化问题量子退火有可能提供显着的性能增益超过既定的优化算法，并建议开发的混合算法，结合量子退火和国家的最先进的经典方法的最佳功能。
2020-10-20 math.OC quant-ph
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
Quantum Approximate Optimization Algorithm in Finite Size and Large Depth and Equivalence to Quantum Annealing
本文解析证明QAOA在角度平滑变化且总和有界时能量收敛于量子退火，推翻两者机制根本不同的看法，并改进SK模型编译深度界限。
2025-10-08 quant-ph
Relaxation-assisted reverse annealing on nonnegative/binary matrix factorization
Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科）；Sigma-i Co., Ltd.（Sigma-i有限公司）；Institute of Science Tokyo（东京科学大学）
本文针对非负/二进制矩阵分解，提出用线性规划松弛解初始化反向退火，在人脸和随机数据集上验证其收敛更优，并揭示松弛解与最优解的关系。
2025-01-03 cond-mat.stat-mech cs.AI cs.LG
Reverse Quantum Annealing Approach to Portfolio Optimization Problems
研究了均值-方差投资组合优化问题的量子-经典混合求解方法。从真实的金融数据统计开始，并遵循现代投资组合理论的原则，我们生成了投资组合优化问题的参数化样本，这些问题可以与模拟D-Wave Quantum Annealer 2000 Q中可编程的二次二元优化形式相关。这些实例也可以通过行业建立的遗传算法方法来解决，我们将其用作经典基准。我们研究了几种选择来最佳地运行量子计算，最终发现，最好的结果，在预期的时间到解决方案作为最难的实例集的变量的数量的函数，通过种子的量子退火器与解决方案的候选人找到一个贪婪的本地搜索，然后执行反向退火协议。优化的反向退火协议被发现是超过100倍的速度比相应的正向量子退火平均。
2018-10-25 q-fin.CP q-fin.PM quant-ph
Trust Region Bayesian Optimization of Annealing Schedules on a Quantum Annealer
本文提出信任域贝叶斯优化（TuRBO）框架，联合优化量子退火机的退火时间和傅里叶参数化调度，在模拟中优于随机和贪婪搜索，提升能量、可行解概率并降低链断裂。
2025-10-17 quant-ph
Efficiency Optimization in Quantum Computing: Balancing Thermodynamics and Computational Performance
本文通过实验研究 D-Wave 量子退火器在反向退火与暂停组合下的表现，发现该组合能提升计算效率并降低热力学成本，同时揭示磁场在不同阶段的双重影响，为优化量子退火系统的性能与能耗提供策略。
2023-07-26 quant-ph
Microscopic Properties of Quantum Annealing -- Application to Fully Frustrated Ising Systems
本文研究了完全阻挫Ising自旋系统的量子涨落效应。量子退火被认为是寻找优化问题基态的有效方法。然而，尚不清楚何时使用量子退火。为了阐明量子退火何时起作用，我们必须研究量子退火的微观性质。在完全阻挫的伊辛自旋系统中，存在宏观简并的基态。当我们将量子退火应用于完全阻挫系统时，我们不能以相同的概率获得每个基态。这种性质与“无序有序”是一致的，这是众所周知的机制在挫折系统。
2011-06-03 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Charged particle tracking with quantum annealing-inspired optimization
California Institute of Technology（加州理工学院）；Harvard University（哈佛大学）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；University of California San Diego（加州大学圣迭戈分校）；Lockheed Martin Corporation（洛克希德·马丁公司）；University of Southern California（南加州大学）
在高亮度大型强子对撞机（HL-LHC），传统的轨道重建技术，是关键的分析预计将面临挑战，由于缩放与轨道密度。量子退火在解决组合优化问题的能力方面显示出了希望，目前正在努力建立量子加速的证据。作为利用这种潜在的加速的一步，我们调查的轨道重建方法，通过适应现有的几何Denby-Peterson（Hopfield）网络方法的量子退火框架和HL-LHC条件。此外，我们开发了额外的技术来将问题嵌入到现有的和近期的量子退火硬件中。在TrackML数据集上使用D-Wave 2X系统进行模拟退火和量子退火的结果，展示了量子退火启发算法在轨道重建挑战中的成功应用。我们发现，组合优化问题可以有效地重建轨道，建议可能的应用程序在大型强子对撞机的快速硬件特定的实现，同时留下了量子加速跟踪的可能性。
2019-08-13 cs.LG hep-ph quant-ph
Quantum Annealing for Industry Applications: Introduction and Review
量子退火是一种启发式量子优化算法，可用于解决组合优化问题。近年来，量子技术的进步使得小型和中型量子处理器的开发成为可能，这些处理器实现了可编程使用的量子退火算法。具体来说，D-Wave Systems生产的量子退火处理器已经在不同学科的研究和工业环境中进行了广泛的研究和测试。在本文中，我们提供了一个文献综述量子退火作为一种启发式量子优化算法的理论动机，使用这种量子处理器所需的软件和硬件，以及最先进的应用程序和使用它们证明的概念证明。我们的审查的目标是提供一个集中和压缩源有关的量子退火技术的应用。我们为来自各个领域的研究人员和从业者确定了量子退火的优势，局限性和潜力。
2022-06-13 quant-ph
Quadratic Formulation of Mutual Information for Sensor Placement Optimization using Ising and Quantum Annealing Machines
针对传感器放置组合优化问题，提出将多元正态分布假设下选定与其余传感器位置间的互信息形式化为QUBO问题，并利用量子退火机求解验证，为大规模传感器优化提供了新方法。
2024-10-15 quant-ph
Effectiveness of Hybrid Optimization Method for Quantum Annealing Machines
本文提出将基于模拟退火的非量子型 Ising 机与量子退火机结合的混合优化方法，通过预处理固定自旋减少问题规模，并证明该方法即使在大规模模型无法嵌入量子退火机时也能提升解精度。
2025-07-21 cond-mat.stat-mech quant-ph
Reaching states below the threshold energy in spin glasses via quantum annealing
Michigan State University（密歇根州立大学）
研究通过量子退火在自旋玻璃模型中实现近似优化，发现其能快速找到低于阈值的能量状态，优于经典退火算法。
2026-03-24 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Boosting quantum annealing performance through direct polynomial unconstrained binary optimization
本文提出利用高阶PUBO替代QUBO表述优化问题以节省量子比特，并在3-SAT基准中发现其最小能隙标度可能带来指数级更快的退火时间，从而提升量子退火的资源效率与速度。
2025-04-28 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
Efficiency of quantum versus classical annealing in non-convex learning problems
Bocconi University（博科尼大学）；Istituto Nazionale di Fisica Nucleare（意大利国家核物理研究所）；International Centre for Theoretical Physics（国际理论物理中心）
量子退火器的目标是通过利用合作隧道效应来逃避局部极小值来解决非凸优化问题。其基本思想是设计一个经典的能量函数，其基态是原始优化问题的最优解，并添加一个可控的量子横向场来产生隧穿过程。一个关键的挑战是确定类的非凸优化问题，量子退火仍然有效，而热退火失败。我们表明，这种情况发生在机器学习的核心问题的广泛类别。它们的能量景观由局部极小值主导，导致经典热退火机的指数减慢，而模拟量子退火有效地收敛到最优解的罕见密集区域。
2017-10-16 cond-mat.dis-nn cs.LG quant-ph
Optimization of Connection Patterns between Mobile Phones and Base Stations using Quantum Annealing
Research Institute of Advanced Technology, SoftBank Corp.（软银公司先进技术研究院）；Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究院）；Department of Physics, Institute of Science Tokyo（东京科学大学物理系）；Sigma-I Co., Ltd.（Sigma-I有限公司）
研究针对移动网络中手机与基站连接模式的优化难题，采用量子退火算法，通过变量约简公式有效利用有限量子比特，实验表明新公式在准确性及随问题规模增大时的表现均优于传统公式。
2026-07-24 quant-ph
Comparison of QAOA with Quantum and Simulated Annealing
我们提出了量子近似优化算法（QAOA）和两个广泛研究的竞争方法，量子退火（QA）和模拟退火（SA）之间的比较。为了实现这一点，我们定义了一类优化问题，其频谱特性是完全可解的QAOA。在这个类中，我们确定的情况下，QA和SA有一个指数小的概率找到解决方案。因此，我们的研究结果定义了QAOA，模拟退火和量子退火之间的第一条分界线，并突出了基于干扰的搜索启发式算法（如QAOA）和基于热波动和量子波动（如SA和QA）的启发式算法之间的根本差异。
2019-01-07 quant-ph
Formulation and evaluation of ocean dynamics problems as optimization problems for quantum annealing machines
Faculty of Environmental Earth Science, Hokkaido University（北海道大学环境地球科学学院）；JAMSTEC（日本海洋研究开发机构）
本文通过量子退火和模拟退火解决经典Stommel问题，展示退火方法在海洋动力学中的潜力，但指出量子退火机的硬件限制影响问题规模。
2024-05-20 physics.ao-ph quant-ph
Proposal of a new quantum annealing schedule for studying quantum annealing of transverse field Ising models
最近，Heim、Ronnow、Isakov和Troyer [Science 348（2015）215]报道了在物理相关的连续虚时间限制中，正方形晶格上Ising自旋玻璃模型的蒙特卡罗模拟没有显示出使用横向场的量子退火（QA）相对于经典退火（CA）的优越性。虽然他们所使用的QA调度一直沿用传统的QA调度，但是从数学上讲，QA调度并不能保证所使用的调度是性能优化的最佳QA调度。我们提出了一个新的QA时间表研究基于横向场的量子与经典退火的伊辛模型。本QA时间表利用本文中导出的最小有效横向场。该QA计划是为了比较无横向场系统和具有最小有效横向场的系统而制定的。作为一个例子，我们研究了有限低温下正方晶格上Ising自旋玻璃模型的QA。使用物理相关的连续虚时间限制的蒙特卡罗算法进行。作为模拟结果，我们表现出的QA对CA的优越性时，退火时间是足够的。
2019-06-08 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Variational and Annealing-Based Approaches to Quantum Combinatorial Optimization
Exponential Science Foundation（指数科学基金会）
本文综述了量子组合优化方法，探讨了量子退火、QAOA、QRL和QGM等算法，并分析了其在物流、金融等领域的应用潜力。
2026-03-19 cs.ET quant-ph
Convergence condition of simulated quantum annealing for closed and open systems
模拟量子退火是模拟量子退火的某些方面的通用经典协议，并且有时被认为是在寻找经典伊辛模型的基态中量子退火的经典替代方案。我们推导出一个通用的条件，模拟量子退火收敛到热平衡在一个给定的，典型的低，温度。封闭和开放系统都被处理。将模拟量子退火的经典主方程改写为时间-时间的薛定谔方程，并应用渐近绝热条件的时间-时间变分推导出收敛条件.该结果定性地符合由非齐次马尔可夫过程理论推导出的封闭系统模拟量子退火的严格收敛条件。还观察到的是一个严格的收敛条件下的封闭系统的实时薛定谔动力学量子退火定性协议。模拟量子退火的经典随机过程和量子退火的实时量子动力学的收敛条件的这种重合是非常重要的，需要进一步审查。
2022-12-20 quant-ph
