通过样本持久性提升量子退火器性能
量子物理
2017-09-26 v4 统计力学
离散数学
摘要
我们提出一种新颖的方法，利用量子退火器（或任何采样器）将大部分变量的值固定为具有高概率为最优的值，从而减少二次无约束二值优化问题中的变量数量。由此产生的问题通常更小且由不连通的分量组成，因此量子退火器求解起来通常容易得多。与不使用该方法而直接调用量子退火器相比，即使使用更少的退火循环，该方法也能显著提高从量子退火器获得的样本中已知最佳能量值的成功率和观测次数。即使对于具有高精度耦合器和偏置、对量子退火器更具挑战性的问题，使用该方法也能显著改善成功指标。通过迭代应用该方法并将其与经典预处理相结合，结果得到进一步增强。我们展示了针对 Chimera 图结构问题以及来自实际应用的嵌入问题的结果。
引用
@article{arxiv.1606.07797,
title = {Boosting quantum annealer performance via sample persistence},
author = {Hamed Karimi and Gili Rosenberg},
journal= {arXiv preprint arXiv:1606.07797},
year = {2017}
}