本研究では、大規模グラフの最大カット問題に取り組むために、多階層アルゴリズムと表現学習に基づく加速器を組み合わせたハイブリッド量子古典アプローチを提案している。
多階層アプローチでは、元のグラフを段階的に粗視化し、より小さな部分問題に分解する。各部分問題は、量子近似最適化アルゴリズム(QAOA)やQAOAに着想を得た手法を用いて解かれる。
さらに、表現学習に基づく加速器を導入することで、QAOAのパラメータ最適化の高速化を実現している。これにより、大規模グラフに対しても高品質な解を短時間で得ることができる。
具体的な実験結果では、提案手法が既存の量子古典ハイブリッドアプローチを大幅に上回る性能を示している。特に、大規模グラフに対して、従来手法では計算コストが膨大になるのに対し、提案手法は2桁以上高速に解を得ることができる。また、クラシカルな最大カット専用ソルバーとも遜色ない性能を発揮している。
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Bao Bach,Jos... lúc arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.14399.pdfYêu cầu sâu hơn