MaxCut
PulseAugur coverage of MaxCut — every cluster mentioning MaxCut across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能与量子计算融合，助力优化研究 · 追踪 4 个来源
近期研究探索了人工智能与量子计算在组合优化问题上的交叉应用。一篇综述强调，AI 在辅助量子优化工作流程方面比反之更有效，AI 学习策略来管理量子评估、初始化和噪声缓解。另一项研究调查了量子分类器的权衡，发现训练数据大小与电路复杂度之间没有可预测的关系。此外，一种新的可微分量子架构搜索方法显著降低了量子硬件上用于优化任务的测量成本，而另一篇论文分析了变分量子算法的优化几何，以更好地理解优化器行为并指导模型构建。
-
研究揭示何时需要全局搜索来处理变分量子算法
一项新近发表在arXiv上的研究，探讨了全局演化搜索方法在变分量子算法（VQAs）中的有效性。该研究识别出了一些特定机制，例如参数重用和竞争性成本项，这些机制可能导致局部搜索在VQAs中不可靠。通过分析八种不同的自旋玻璃模型以及MaxCut和横向场伊辛模型等标准模型，研究发现，在某些困难的构造中，自适应差分进化（DE）的表现优于多起点局部搜索技术。研究结果表明，全局搜索的效用主要体现在局部搜索陷入次优盆地，而不是电路深度或曲率各向异性等因素。
-
新的GNN编码器可实现图优化任务的可迁移模型
研究人员开发了一种新的图神经网络（GNN）编码器，该编码器利用GCON模块进行表达性消息传递和基于能量的无监督损失函数。该模型在单独训练时，在各种组合优化（CO）任务上表现出具有竞争力的性能。通过借鉴计算可约性文献的知识，研究人员提出了预训练和微调策略，实现了在MVC、MIS和MaxClique等任务之间以及包括MaxCut、MDS和图着色在内的多任务设置中的有效迁移学习。研究结果表明，学习图CO问题的通用表示是可行的，为神经CO领域…
-
新框架对具有理论保证的MAXCUT聚类算法进行分析
本文介绍了一个新的框架，用于分析用于划分从两个亚高斯分布混合物中抽取的样本的三个算法——SDP1、BalancedSDP和谱聚类。研究人员为这些算法提供了统一的理论保证，表明只要定义的信噪比（SNR）足够高，即使在部分恢复的情况下，它们也能实现多项式错误分类率。此外，研究表明SDP1和BalancedSDP的错误分类误差随SNR呈指数衰减，当簇大小相等时，BalancedSDP无需显式去偏。
-
新方法使用图神经网络将QAOA电路评估次数减少80%
研究人员开发了一种新颖的图条件信任区域方法，以减少量子近似优化算法（QAOA）所需的客观评估次数。该方法利用图神经网络预测QAOA角度，在定义的信任区域内指导局部优化器，并根据预测的不确定性调整评估预算。在MaxCut问题上的实验表明，电路评估次数从数百次显著减少到约45次，同时保持了可比的解决方案质量。