用于绝热量子优化的基于模板的次 Minor 嵌入
数据结构与算法
2021-01-21 v2 最优化与控制
摘要
量子退火（QA）可用于快速获得二次无约束二值优化（QUBO）问题的近优解。在QA硬件中，QUBO的每个决策变量应映射到一个或多个相邻量子比特，使得目标函数中定义二次项的变量对映射到某对相邻量子比特。然而，现有QA硬件中的量子比特连接性有限。这推动了将表示带二次项的变量的问题图嵌入到表示量子比特邻接关系的硬件图（如D-Wave Systems生产的硬件中的Chimera图）的预处理算法研究。本文中，我们使用整数线性规划在Chimera图的某些次图类中搜索问题图的嵌入，我们称之为模板嵌入。其中一类对应于完全二部图，我们展示了基于最小奇圈横截（OCT）的现有方法的局限性。所给出的一个公式精确，因此可用于证明使用该模板不存在次嵌入。在一个由五类不同规模和稀疏度的随机图组成的广泛测试集上，我们能嵌入比最先进的基于OCT的方法更多的图，我们的方法随硬件规模扩展性更好，且运行时间通常小几个数量级。
引用
@article{arxiv.1910.02179,
title = {Template-based Minor Embedding for Adiabatic Quantum Optimization},
author = {Thiago Serra and Teng Huang and Arvind Raghunathan and David Bergman},
journal= {arXiv preprint arXiv:1910.02179},
year = {2021}
}
备注
INFORMS Journal on Computing (to appear)