量子にヒントを得たアルゴリズムのリスト


11

量子コンピューティングの進歩により、新しい古典的なアルゴリズムが開発されました。注目すべき最近の例は、線形代数のための量子にヒントを得たアルゴリズムです:

Max 3LINの場合:

量子コンピューティングからインスピレーションを得たすべての既知の古典的なアルゴリズムのリストをコンパイルすることは非常に便利かもしれません。他にどのような例が知られていますか?

回答:


5

レスリーG.ヴァリアントが独創的な論文1で主張したように、

ホログラフィックアルゴリズムは、量子計算モデルに触発されています。ただし、それらは古典的なコンピューターで実行可能であり、量子コンピューターを必要としません。

これは、重要なNPハード問題のわずかなバリエーションであるいくつかの問題の多項式時間アルゴリズムを作成するために(Valiant自身と他者によって)使用されているアルゴリズム設計手法です(詳細についてはwikipedia 2を参照)。



3

量子に触発された進化アルゴリズム(QIEA)、量子計算技術を使用する実際のアルゴリズム、調査(ソースACM)を処理するための一連の作業があります 。別の量子に触発されたアルゴリズムは、数値最適化でそれを使用します。


3

量子モンテカルロ量子アニーリング(QMC-QA 1)または離散時間シミュレーション量子アニーリング(SQA 2)アルゴリズムは、最近の 研究でテストされたD-Waveデバイスよりも優れた性能を発揮しました。

古典的なシミュレーテッドアニーリングに対する実験的量子アニーラーのスケーリングの利点の最初の例を確立します:D-Waveデバイスは、テスト可能な問題サイズの範囲で、シミュレートアニーリングよりも確実に優れたスケーリングを95%の信頼性で示すことがわかります。ただし、量子高速化の証拠は見つかりません。シミュレーションされた量子アニーリングは、大幅なマージンで最適なスケーリングを示します。

特定の問題の場合、D-WaveデバイスとSQAの両方がSAよりも優れているため、SQAは一種の量子インスパイアアルゴリズムであるという印象を与えます。D-Wave 2000Qプロセッサをテストする新しい研究では、SQAよりも「スピンベクトルモンテカルロ(SVMC)アルゴリズム」というラベルの付いた提案された古典的なモデルとパフォーマンスがよりよく相関することがわかります。

これを使用して、量子アニーラーがSQAに比べて減速する主な理由は、準最適な高温であり、それによりSVMCのように振る舞うようになると主張しています。したがって、論理的に植え付けられたインスタンスクラスでのSQAの強力なパフォーマンスは、このクラスがQAハードウェアを使用した最終的な量子高速化の調査の適切なターゲットまたは基盤であることを示唆しています。


D-Waveの背景を無視しても、SQAは特定の問題に対して古典的なシミュレーテッドアニーリング(および他の最適化アルゴリズム)よりも優れている量子にヒントを得た最適化アルゴリズムであると結論付けることができますか?場合によります。目標が実際に何らかの量子システムの基底状態を見つけることである場合、答えはイエスです。しかし、目標がシミュレーテッドアニーリングに似た汎用の最適化アルゴリズムを持つことである場合、答えはノーです。


  1. Martoňák、R.、Santoro、GE&Tosatti、E.経路積分モンテカルロ法による量子アニーリング:2次元ランダムイジングモデル。物理学 牧師B 66、094203(2002)。URL http://link.aps.org/doi/10.1103/PhysRevB.66.094203
  2. サントロ、GE、マルトアーク、R。、トサッティ、E。&カー、R。イジングスピンガラスの量子アニーリングの理論。科学 295、2427年から2430年(2002年)。URL http://dx.doi.org/10.1126/science.1068774

1

量子にヒントを得た線形遺伝的プログラミングをご覧ください。このアルゴリズムは、命令型言語でコンピュータープログラムを誘導することを目的としています。例えば:

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.