数字模拟量子退火器与经典进化算法的比较
本文介绍了富士通数字退火器（DA）硬件及其算法，对其与模拟退火和平行淬火算法在不同类型问题上的解决速度进行了比较。结果表明，与单核实现的模拟退火和平行淬火蒙特卡罗算法相比，DA 在具有双峰或高斯耦合的完全连接自旋玻璃问题上表现出两个数量级的解决速度优势。未来 DA 的下一代预计能够解决高达 8192 个变量的完全连接问题。
Jun, 2018
研究表明，采用非标量化方法将多目标问题转化为单目标问题，可以克服 QUBO 解算器的设计折衷问题，并提高多目标 DA 算法的最终解决方案质量。
May, 2022
本文研究了量子退火算法在组合优化和相关抽样任务中相对于经典最新方法实现量子加速的前景，并且基于对既有文献中引入的多种启发式量子优化算法的改进相干时间以及控制能力的持续探索和兴趣，提出了包括连续时间哈密顿计算算法、反向退火和连续时间量子行走在内的 QA 有前途的变体，同时就机器学习的参数化量子电路的模拟提出了类比算法，这些算法大多没有（或被认为不可能有）已知的高效古典模拟，其中大多数算法的 “中等规模” 实验可能存在量子加速的可行可能性。建议通过在使能交换耦合通量量子比特时实现的时间依赖有效横向场伊辛哈密顿量生成的新型量子动力学的全面研究来实现更先进的控制协议以及 DQA 的最有前途的路径。
Aug, 2020
近年来，变分量子算法（VQAs）作为在 NISQ 时代解决量子计算机上的优化问题的一种有前途的方法已经出现。然而，VQAs 的一个限制是它们对于特定问题或硬件配置可能不适合的固定结构电路。应对这个问题的一种主要策略是自适应 VQAs，通过添加和移除门来动态修改电路结构，并在训练过程中优化其参数。本文通过分析三种自适应 VQAs（进化变分量子特征求解器（EVQE），可变组态（VAns）和随机自适应 VQE（RA-VQE））来填补这一领域现有方法之间缺乏系统比较的空白。为了将这些算法与传统的 VQA 进行比较，我们还在分析中包括了量子近似优化算法（QAOA）。我们将这些算法应用于 QUBO 问题，并通过检查找到的解的质量和所需的计算时间来研究它们的性能。此外，我们还调查了超参数选择如何影响算法的整体性能，强调了选择适当的超参数调整方法的重要性。我们的分析为面向近期量子设备设计的自适应 VQAs 设定了基准，并为指导未来的研究提供了宝贵的见解。
Aug, 2023
本文评估了 D-Wave 2X 量子退火器在 NP 难图问题（特别是团搜索和图划分）上的表现，比较了一系列量子求解器和当前的经典算法，并演示了在卡片上可以嵌入的实例中量子计算速度的大幅提升。
Jan, 2018
通过定义一个优化问题的类，并在这个类中识别出 QA 和 SA 存在指数级小的概率找到解的实例，我们得出了 Quantum Approximate Optimization Algorithm， Simulated Annealing 和 Quantum Annealing 之间的第一条分界线，并突显了基于干扰的搜索启发式（例如 QAOA）和像 SA 和 QA 这样基于热和量子波动的启发式之间的根本差异。
Jan, 2019
该篇文章介绍了基于超导通量量子位的 108 量子比特 D-Wave One 设备的量子退火实验结果，证明设备能够执行量子退火，作者使用了优化过的经典算法来比较该设备的计算能力。
Apr, 2013
我们在一个与行业相关的真实场景中比较了 D-Wave 的量子 - 经典混合框架，Fujitsu 的量子启发式数字退火器和 Gurobi 的最先进的经典求解器在解决智能机器人调度问题时的性能，并通过三种不同的设计哲学为问题提供了三个不同的模型。在我们的基准测试中，我们着重关注不同模型和求解器组合的解决方案质量和端到端运行时间。我们发现了数字退火器的有希望结果，并且与 Gurobi 的直接比较中，混合量子退火器也有一些机会。我们的研究为解决应用导向的优化问题的工作流程提供了洞见，并且对于评估不同方法的优点和缺点非常有用。
Sep, 2023