Fugu-MT 論文翻訳(概要): Reinforcement Quantum Annealing: A Quantum-Assisted Learning Automata Approach

論文の概要: Reinforcement Quantum Annealing: A Quantum-Assisted Learning Automata Approach

arxiv url: http://arxiv.org/abs/2001.00234v1
Date: Wed, 1 Jan 2020 16:41:58 GMT
ステータス: 処理完了
システム内更新日: 2023-01-16 09:10:35.586352
Title: Reinforcement Quantum Annealing: A Quantum-Assisted Learning Automata Approach
Title（参考訳）: 強化量子アニーリング:量子支援学習オートマトンアプローチ
Authors: Ramin Ayanzadeh, Milton Halem and Tim Finin
Abstract要約: 本稿では、知的エージェントが学習オートマチックの環境の役割を担う量子アニールと相互作用する強化量子アニール(RQA)方式を提案する。我々は、RQAをグローバルな最適度を求める確率を高めるためにどのように適用するかを示す。
参考スコア（独自算出の注目度）: 1.8477401359673713
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce the reinforcement quantum annealing (RQA) scheme in which an intelligent agent interacts with a quantum annealer that plays the stochastic environment role of learning automata and tries to iteratively find better Ising Hamiltonians for the given problem of interest. As a proof-of-concept, we propose a novel approach for reducing the NP-complete problem of Boolean satisfiability (SAT) to minimizing Ising Hamiltonians and show how to apply the RQA for increasing the probability of finding the global optimum. Our experimental results on two different benchmark SAT problems (namely factoring pseudo-prime numbers and random SAT with phase transitions), using a D-Wave 2000Q quantum processor, demonstrated that RQA finds notably better solutions with fewer samples, compared to state-of-the-art techniques in the realm of quantum annealing.
Abstract（参考訳）: 本稿では、知的エージェントがオートマトン学習の確率的環境の役割を担う量子アニールと相互作用する強化量子アニール法(RQA)を導入する。概念実証として、Ising Hamiltonian を最小化するために、 Boolean satisfiability (SAT) のNP完全問題を減らし、RQA を大域的最適度を求める確率を高める方法を示す新しいアプローチを提案する。 D-Wave 2000Q量子プロセッサを用いた2つの異なるベンチマークSAT問題(すなわち、相転移を伴う擬似プライム数とランダムSAT)に対する実験結果から、RQAは量子アニールの領域における最先端技術と比較して、より少ないサンプルによる解が顕著に優れていることを示した。

関連論文リスト

KANQAS: Kolmogorov-Arnold Network for Quantum Architecture Search [0.0]
量子状態準備と量子化学におけるコルモゴロフ・アルノルドネットワーク(KAN)の実用性を評価する。量子状態の準備において、我々の結果は、ノイズのないシナリオにおいて、マルチキュービットの最大絡み合う状態を生成する最適量子回路構成の確率は、マルチレイア知覚(MLP)よりも2〜5倍高いことを示している。量子化学問題に対処するために,従来の構造ではなく,KAN(Curriculum Reinforcement Learning)とKAN構造を統合することで,最近提案されたQASアルゴリズムを強化する。
論文参考訳（メタデータ） (2024-06-25T15:17:01Z)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
Variational Quantum Eigensolvers with Quantum Gaussian Filters for solving ground-state problems in quantum many-body systems [2.5425769156210896]
量子多体系における基底状態を近似する新しい量子アルゴリズムを提案する。我々の手法は変分量子固有解法(VQE)と量子ガウスフィルタ(QGF)を統合する。提案手法は,特に雑音条件下での収束速度と精度の向上を示す。
論文参考訳（メタデータ） (2024-01-24T14:01:52Z)
Quantum Approximate Optimisation for Not-All-Equal SAT [9.427635404752936]
変動量子アルゴリズムのQAOAを、満足度問題(SAT: Not-All-Equal SAT)の変種に適用する。両ソルバのランタイムは問題サイズとともに指数関数的にスケールするが,QAOAのスケーリングは回路深さが十分に大きい場合に小さくなることを示す。
論文参考訳（メタデータ） (2024-01-05T15:11:24Z)
Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文参考訳（メタデータ） (2023-04-18T11:57:15Z)
Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文参考訳（メタデータ） (2023-04-04T12:47:35Z)
Quantum-Assisted Greedy Algorithms [1.5049442691806054]
我々は、量子アニール(QA)を利用して、欲求アルゴリズムの候補をよりよく選択する方法を示す。問題依存型ハミルトンの基底状態から採取したQAを低温で使用する。
論文参考訳（メタデータ） (2022-08-03T13:09:17Z)
Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文参考訳（メタデータ） (2022-02-17T18:59:20Z)
Error mitigation in variational quantum eigensolvers using tailored probabilistic machine learning [5.630204194930539]
本稿では,量子計算におけるノイズを軽減するために,ガウス過程回帰(GPR)をアクティブラーニングフレームワーク内に導入する新しい手法を提案する。我々は,IBMのオープンソース量子コンピューティングフレームワークであるQiskitを用いて,2サイトアンダーソン不純物モデルと8サイトハイゼンベルクモデルに対する提案手法の有効性を実証した。
論文参考訳（メタデータ） (2021-11-16T22:29:43Z)
Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文参考訳（メタデータ） (2020-10-20T12:06:27Z)
On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文参考訳（メタデータ） (2020-07-24T06:34:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。