伊辛哈密顿量最小化:基于增益计算与流形约化的软自旋方法对比量子退火
量子物理
2025-02-17 v2 其他凝聚态物理
计算物理
光学
摘要
我们研究了伊辛哈密顿量的最小化,比较了基于半经典软自旋模型动力学的增益计算方法与量子退火的性能。我们系统分析了对于 Mobius 图循环耦合的能量景观如何随退火参数增大而演化。我们的发现表明,这些半经典模型因维度景观变宽而面临挑战。为应对此问题,我们引入“流形约化”方法,将软自旋振幅限制于确定的相空间区域。与此同时,量子退火因在完备希尔伯特空间中运作,展现出遍历伊辛哈密顿量能量景观的天然能力。我们的研究表明,物理启发或物理增强的优化器很可能受益于结合经典与量子退火技术。
引用
@article{arxiv.2311.17359,
title = {Ising Hamiltonian Minimization: Gain-Based Computing with Manifold Reduction of Soft-Spins vs Quantum Annealing},
author = {James S. Cummins and Hayder Salman and Natalia G. Berloff},
journal= {arXiv preprint arXiv:2311.17359},
year = {2025}
}
备注
12 pages, 12 figures; published by Phys. Rev. Research 7, 013150 (2025)