[論文レビュー] Quantum Approximate Optimization of Integer Graph Problems and Surpassing Semidefinite Programming for Max-k-Cut

Anuj Apte, Sami Boulebnane+4 more|arXiv (Cornell University)|Feb 5, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

この論文は、量子ビットではなくクディットを用いて整数変数へのQAOAを拡張し、深さが浅いグラフ（高ゲラント）に対する深さ独立の期待値の式を導出し、Max-k-CutにおいてFrieze–Jerrum SDPを上回り得ることを示しつつ、競争力のある古典ヒューリスティックを導入する。

ABSTRACT

Quantum algorithms for binary optimization problems have been the subject of extensive study. However, the application of quantum algorithms to integer optimization problems remains comparatively unexplored. In this paper, we study the Quantum Approximate Optimization Algorithm (QAOA) applied to integer problems on graphs, with each integer variable encoded in a qudit. We derive a general iterative formula for depth-$p$ QAOA expectation on high-girth $d$-regular graphs of arbitrary size. The cost of evaluating the formula is exponential in the QAOA depth $p$ but does not depend on the graph size. Evaluating this formula for Max-$k$-Cut problem for $p\leq 4$, we identify parameter regimes ($k=3$ with degree $d \leq 10$ and $k=4$ with $d \leq 40$) in which QAOA outperforms the Frieze-Jerrum semi-definite programming (SDP) algorithm, which provides the best worst-case guarantee on the approximation ratio. To strengthen the classical baseline we introduce a new heuristic algorithm, based on the degree-of-saturation, that empirically outperforms both the Frieze-Jerrum algorithm and shallow-depth QAOA. Nevertheless, we provide numerical evidence that QAOA may overtake this heuristic at depth $p\leq 20$. Our results show that moving beyond binary to integer optimization problems can open up new avenues for quantum advantage.

研究の動機と目的

• バイナリ変数を超える整数値問題へ量子最適化を適用する動機付け。
• 高ゲラントグラフ上でのクディットQAOA期待値の明示的・反復式を導出。
• Frieze–Jerrum SDPと競合する量子性能を比較し、競争力のある古典ヒューリスティックを導入。
• 浅い深さでQAOAが最良の古典的保証と同等またはそれを超える領域を示す。
• 二値化から整数最適化問題へ移行する際の潜在的な量子利得を探る。

提案手法

• 各整数ラベルを個別のクディット状態としてエンコードし、ファーザーとミキサー演算子を含むp層QAOAを定式化。
• 次数dの高ゲラントグラフ(2p+2)に対するQAOAエッジ期待値の反復的・インスタンス独立表現を開発。
• 三つのミキサー（Transverse Field、BKKT、Grover）を分析し、k=3の場合実務上BKKTはGrover挙動へ簡約。
• 翻訳不変エッジコストに対してHadamard変換を用いた古典的評価を改善し、時間計算量をO(p^2 k^{2p+2} log k)に達成。
• 質の高いQAOA角を求めるためのFourierベースのパラメータ最適化手順を提供。
• QAOAの性能をFrieze–Jerrum SDPと、新たに提案されたdegree-of-saturation DSatur風ヒューリスティックとランダムd-レギュラーグラフで比較。

実験結果

リサーチクエスチョン

• RQ1 quditベースのQAOAは、ランダムな高ゲラントグラフ上のMax-k-Cutに対して既知の SDP リラクゼーションより性能の利点を提供できるか。
• RQ2 これらのグラフ上でのクディットQAOAの期待値を古典的に評価する計算量はどれくらいか、どのように改善できるか。
• RQ3 どのパラメータ領域（k、d、p）でQAOAはMax-k-Cutに対してFrieze–Jerrum SDP を上回るか。
• RQ4 DSatur風ヒューリスティックがより強力な古典的基準を提供するか、そしてQAOAはどの深さでそれを超える可能性があるか。
• RQ5 深さの増加に伴うQAOAの性能はどうスケールし、量子利得が現れるような外挿深度はあるか。

主な発見

• p ≤ 4 の場合、QAOAはランダムd-レギュラーグラフ上でk=3かつd ≤ 10、またはk=4かつd ≤ 40の場合にFrieze–Jerrum SDPを上回ることができる。
• DSatur風ヒューリスティックは実験的に SDP および浅い深さのQAOA を上回り、強力な古典的ベースラインを確立。
• 外挿によれば、テスト済みグラフの次数で深さp ≤ 20 までにQAOAがDSaturヒューリスティックを超える可能性が示唆されるが、より大きな深さの検証がなければ推測の域を出ない。
• クディットを用いて二値最適化から整数最適化へQAOAを拡張することで、Max-k-Cut に対する潜在的な量子利得を実現。
• 深度が大きくなるとミキサー間で性能が向上し、k=3 では BKKT が Grover挙動と一致、k=4では Grover が他のミキサーより優れる。