Newest papers

Quantum-Classical Hybrid Methods for Optimization: Lessons from Classical Decomposition

David E. Bernal Neira · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.27362 · cited by 0 works (OpenAlex) · open-access PDF

Russian

Квантовые и физико-инспирированные растворители обеспечивают специализированные интерфейсы отбора образцов для моделей Ising и квадратных неограниченных бинарных оптимизаций, но ограниченная оптимизация требует более широкой координации и сертификации. Это исследование использует классический разложение, чтобы проанализировать, как такие растворители могут быть интегрированы в гибридные квантово-классические алгоритмы. Мы различаем формальное разложение, реформирование и сокращение, а также вычислительную оркестрацию. Для каждого интерфейса мы спрашиваем, что сохраняет трансформация, какие предположения делают внешний метод сходным, и что сертифицирует внедренные внутренние рутинные поставки. Центральные вопросы заключаются в том, соответствует ли эта

Machine translation (Meta M2M100); the English original follows.

Abstract

Quantum and physics-inspired solvers provide specialized sampling interfaces for Ising and quadratic unconstrained binary optimization models, but constrained optimization requires broader coordination and certification. This survey uses classical decomposition to analyze how such solvers can be integrated into hybrid quantum-classical algorithms. We distinguish formal decomposition, reformulation and reduction, and computational orchestration. For each interface, we ask what the transformation preserves, which assumptions make the outer method converge, and which certificates the implemented inner routine supplies. The central questions are whether that information meets the classical algorithm's requirements and whether hybridization improves solution quality or total cost enough to justify its coordination overhead. Benders decomposition, column generation, graph reduction, and copositive methods illustrate this distinction by separating heuristic proposals from classical certification. We also distinguish component effects within a fixed wrapper, reduction--solver interactions, and comparisons between complete quantum-enabled and classical systems. The analyzed studies provide conditional component benefits and favorable co-design evidence, but do not establish transferable end-to-end superiority over strong classical comparators. The resulting framework identifies opportunities for constraint programming and operations research in structure-preserving design, safeguarded hybrid algorithms, and controlled benchmarking.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Mathematical optimization, Component (thermodynamics), Quadratic unconstrained binary optimization, Computer science, Binary number, Heuristic

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange