.png){kind=icon}
返回
Resource-efficient quantum optimization via higher-order encoding
.png){kind=icon}
OA
AI
DOI：10.1140/epjqt/s40507-026-00526-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子方法在解决组合优化问题（COPs）时，常受限于二次无约束二元优化（QUBO）编码的资源需求，这些编码通过惩罚项扩大电路并增加量子比特和门数量。我们展示了高阶无约束二元优化（HUBO）能够实现更资源高效的表述。我们的方法系统性地构建HUBO哈密顿量，并在门分配（GAP）、最大k-可着色子图（MkCS）和整数规划（IP）问题的基准测试中，与QUBO表述相比，显著降低了量子比特需求，且所有测试实例的总CNOT门数量至少减少了89.6%。这些结果突显了HUBO作为近距设备量子优化实用替代方案的价值。为推广使用，我们发布了一个开源Python库，用于自动化HUBO模型构建，超越本文示例的应用范围，并扩大资源高效量子优化的可及性。
Keyword:
Quadratic Unconstrained Binary Optimization (QUBO)
Higher-Order Unconstrained Binary Optimization (HUBO)
Polynomial Unconstrained Binary Optimization (PUBO)
Quantum Approximate Optimization Algorithm (QAOA)
Combinatorial Optimization Problems (COPs)
Graph Coloring
Gate Assignment Problem (GAP)
Integer Programming (IP)
Quantum Optimization (QO)
Quantum Circuit (QC)
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.6
论文数:
537
被引数:
1.1K
机构
引用论文
A variational eigenvalue solver on a photonic quantum processor光子量子处理器上的变分特征值求解器.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏The Variational Quantum Eigensolver: A review of methods and best practices变分量子本征求解器: 方法和最佳实践的回顾OAAI
OAAI分享收藏The travelling salesman problem with time windows: Adapting algorithms from travel-time to makespan optimization带时间窗的旅行推销员问题: 从旅行时间到makespan优化的适应算法
PREAI
分享收藏
分享收藏分享收藏
查看更多内容