Implementierung von Quantum Annealing Learning Search (QALS) zur Lösung von Optimierungsproblemen

Das Projekt konzentriert sich auf die Implementierung und den Test des Quantum Annealing Learning Search (QALS)-Algorithmus auf dem D-Wave Quantenannealer zur Lösung allgemeiner QUBO-Probleme, um eine neue hybride quanten-klassische Lernsuche empirisch zu validieren. Das wichtigste Ergebnis des Projekts ist eine Implementierung des QALS-Algorithmus, die zeigt, dass der Quantenannealer durch die hybride Lernsuche die Darstellung eines Optimierungsproblems erlernt, das aufgrund der Dürftigkeit des Qubit-Graphen nicht direkt in der Hardwarearchitektur dargestellt werden kann. Ein weiteres bemerkenswertes Ergebnis ist die erste Implementierung eines bereits bekannten Algorithmus zur Rekonstruktion von Bayes'schen Netzen und eines Divide-et-Impera-Ansatzes für dieselbe Aufgabe.

Referenzen: arXiv:2212.11132, arXiv:2204.03526