QAOA 및 양자 어닐링 기반 근사 최적화 연구

Approximate Optimization with QAOA and Quantum Annealing

연구 내용

QAOA 및 양자 어닐링을 활용해 제한조건이 있는 고차원 조합 최적화 문제의 근사해 품질과 실행 효율을 높이는 연구

본 분야는 NISQ 환경에서 조합 최적화 문제를 다루기 위해 QAOA와 양자 어닐링 기반 하이브리드 최적화 프레임을 구성합니다. 변수 프리징을 통해 QAOA 축약 인스턴스를 만들고, 에너지 랜드스케이프의 유사성을 정량화하여 런타임 및 양자 측정 오버헤드를 줄이는 방향을 다룹니다. 또한 선형/비선형 제약을 포함한 이차 부문 형태의 최적화 문제를 양자 절차에 매핑하여, 실제 응용 문제의 근사 성능을 유지하는 설계 원리를 제시합니다.

관련 프로젝트

0건

연구 흐름

초기에는 제한조건이 포함된 고차원 이차 최적화 문제를 양자 어닐링 절차로 다루는 접근으로 연구를 수행했습니다. 이후에는 QAOA의 변수 프리징으로 생성되는 축약 인스턴스들의 랜드스케이프 구조가 유사성을 보인다는 관찰을 기반으로, 측정 및 실행 비용을 낮추는 Doubly Optimized QAOA 계열의 최적화 흐름을 전개했습니다. 최근에는 랜드스케이프 유사성 전이를 활용해 효과적인 클래스 수로 축약하며, 양자-고전 혼성 최적화의 확장성을 확보하는 방향으로 심화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

제약 만족 조합 최적화
그래프 기반 에너지 최소화
하이브리드 양자-고전 최적화 엔진
항로 및 스케줄링 최적화
대규모 인스턴스 축약 기법
양자 측정 오버헤드 저감
실행 환경 제약 기반 최적화
근사해 품질 유지 전략
실용형 NISQ 최적화 파이프라인
변수 프리징 기반 런타임 절감