- Pegasus：用于大规模量子退火硬件的第二连通性图
介绍了一种算法，定义了 Pegasus 的连接性，并提供了最佳的图形化可视化方法，以查看量子比特之间的耦合方式。提供了各种不同的 Pegasus 可视化图形，并展示了许多生成 Pegasus 图形的开源代码。
- QAOA 与量子模拟退火的比较
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 Q - 暂停的威力：推动实验量子退火器中热化理解的进展
我们在当前的量子退火硬件（D-Wave 2000Q）上研究了一些替代的退火计划，并在间歇期间使用前向和反向退火，提供了关于这些设备内部运行方式的新见解，特别是关于热效应如何支配系统动力学的信息。
- 量子退火的质因数分解
使用可行的方法将整数因子分解问题转换为求解 Ising 模型，并在 D-Wave 2000Q 上测试，成功因子分解数值 15、143、59989 和 376289。
- 量子退火与经典机器学习应用于简化的计算生物学问题
通过应用量子机器学习到纯化数据集中进行转录因子分类以及排序，我们发现与其他经典方法相比，量子机器学习在分类性能上略微优越。因此，我们提出量子退火可能是对某些计算生物学问题实施机器学习的有效方法。
- 量子加速检测的欺骗性一步
本文介绍了一类基于延迟群簇循环的问题，它超越了当前已知的最先进的经典启发式算法，但还没有在规模方面得到改善，这代表着朝着探测潜在量子加速的第一步，但这是基于合成基准问题的。
- 使用量子退火器进行交通流优化
本文探讨了量子退火算法、量子计算机的 QPUs 等在解决实际问题中的应用，尤其是对于交通流量优化问题的应用，提出了基于经典和量子混合的方法。
- 量子退火和计算代数几何在素因数分解中的应用
研究了量子退火和计算代数几何 (特别是 Gröbner 基) 两种方法在质因数分解中的应用。我们提出了一种新的可扩展算法，结合了两种方法，成功地分解了所有双质数直到刚刚超过 200,000，这是迄今为止使用量子处理器分解的最大数字。
- 将受限优化问题映射到量子退火，应用于故障诊断
本研究提出了基于新型算法的量子退火硬件的布尔约束满足问题映射方法，可以缓解由于有限温度、稀疏连接、小量量子位和控制误差等限制所导致的问题。其中包括一种新的嵌码算法用于将 CSP 映射到硬件 Ising 模型，还提出了两种新的分解算法以用于解 - 量子玻尔兹曼机
本文提出了一种新的基于量子玻尔兹曼分布的机器学习方法，即量子玻尔兹曼机。通过对量子概率引入边界，可以使该机器学习模型的训练高效进行，同时也探讨了使用 D-Wave 等量子退火处理器进行训练和应用的可能性。
- MM有限范围隧穿的计算价值是什么？
研究发现，D-Wave 2X 量子退火器相对于模拟退火算法和经典计算机模拟的量子隧道问题求解算法 QMC，采用短程量子隧道效应将可在某些问题中取得优异的运行时间；并探讨这些发现对下一代量子退火器设计的影响。
- 量子退火在深度神经网络训练中的应用
本研究探究了使用 D-Wave 量子退火机器从 Restricted Boltzmann Machines 中生成样本来估计模型期望值的新方法，并在较粗粒度的 MNIST 数据集上进行训练测试，结果表明基于量子取样的训练方法可以在相对较少的 - 量子退火
介绍了一些本地优化方法的现状，其中量子退火作为一种元启发式工具，通过量子隧穿来代替热激活，被认为是解决多变量优化问题的有前途的算法。
- 量子退火处理器中的纠缠
通过使用量子比特隧穿谱学，研究人员测量了一个量子退火器的能量本征谱，并证明在量子退火算法的关键阶段量子比特之间会不可避免地产生纠缠，且此纠缠能够在热环境下存在和持续。这表明量子退火技术为大规模量子计算提供了一种可行的途径。
- 通过量子退火寻找晶格蛋白模型的低能构象
使用 Miyazawa-Jernigan 模型在量子计算机上实现晶格蛋白折叠模型，为研究生物物理学和统计力学中的优化问题开辟了新的途径。
- 量子退火：一种新的多维函数最小化方法
这篇论文介绍了使用基于量子退火的方法，在寻找多维函数的最小值方面具有鲁棒性，不需要波函数近似，作者将其应用于发现高达 19 个分子（约 10 万个局部极小值）的 Lennard-Jones 簇的最低能量配置，初步的成功表明这种方法可能成为模