論文の概要: Tabu-driven Quantum Neighborhood Samplers

• arxiv url: http://arxiv.org/abs/2011.09508v2
• Date: Thu, 4 Mar 2021 08:55:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 19:08:48.544289
• Title: Tabu-driven Quantum Neighborhood Samplers
• Title（参考訳）: タブ駆動型量子近傍サンプラー
• Authors: Charles Moussa, Hao Wang, Henri Calandra, Thomas B\"ack, Vedran Dunjko
• Abstract要約: 組合せ最適化は、量子コンピューティングを対象とする重要なアプリケーションである。 短期的なデバイスで利点を享受する一つの選択肢は、それらを古典と組み合わせて使うことである。 このようなハイブリッド環境において,QAOAはアルゴリズム探索のための柔軟なツールであることを示す。
• 参考スコア（独自算出の注目度）: 2.9934511331003555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Combinatorial optimization is an important application targeted by quantum computing. However, near-term hardware constraints make quantum algorithms unlikely to be competitive when compared to high-performing classical heuristics on large practical problems. One option to achieve advantages with near-term devices is to use them in combination with classical heuristics. In particular, we propose using quantum methods to sample from classically intractable distributions -- which is the most probable approach to attain a true provable quantum separation in the near-term -- which are used to solve optimization problems faster. We numerically study this enhancement by an adaptation of Tabu Search using the Quantum Approximate Optimization Algorithm (QAOA) as a neighborhood sampler. We show that QAOA provides a flexible tool for exploration-exploitation in such hybrid settings and can provide evidence that it can help in solving problems faster by saving many tabu iterations and achieving better solutions.
• Abstract（参考訳）: 組合せ最適化は量子コンピューティングを対象とする重要な応用である。 しかし、短期的なハードウェアの制約により、大きな実用的問題に対する高性能な古典的ヒューリスティックと比較すると、量子アルゴリズムは競争力に欠ける。 短期的なデバイスで利点を得る一つの選択肢は、それらを古典的ヒューリスティックと組み合わせて使うことである。 特に,量子法を用いて古典的に難解な分布からサンプルを抽出し,最適化問題を高速に解くための真の証明可能な量子分離を実現するための最も可能性の高い手法を提案する。 量子近似最適化アルゴリズム (qaoa) を近傍サンプルとして, タブサーチの適用により, この拡張を数値的に検討した。 このようなハイブリッド環境では,QAOAは探索・探索の柔軟なツールであり,タブイテレーションを多く節約し,より良いソリューションを実現することで,問題の迅速な解決に有効であることを示す。

関連論文リスト

• A Monte Carlo Tree Search approach to QAOA: finding a needle in the haystack [0.0]
  変分量子アルゴリズム(VQA)は、短期量子ハードウェアの限られた能力に対応するために設計された、ハイブリッド量子古典法の一種である。 本稿では,正規パラメータパターンの活用が決定木構造に深く影響し,フレキシブルかつノイズ耐性のある最適化戦略を可能にすることを示す。
  論文  参考訳（メタデータ） (2024-08-22T18:00:02Z)
• A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。 この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。 我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
  論文  参考訳（メタデータ） (2023-06-15T15:28:12Z)
• Automatic and effective discovery of quantum kernels [43.702574335089736]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Comparative Benchmark of a Quantum Algorithm for the Bin Packing Problem [0.8434687648198277]
  Bin Packing Problem (BPP) は、ロジスティクスにおけるパラダイム最適化問題として際立っている。 我々は最近,一次元BPPに対するハイブリッドアプローチを提案している。 他の古典的手法と比較する。
  論文  参考訳（メタデータ） (2022-07-15T13:09:12Z)
• 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)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Quantum constraint learning for quantum approximate optimization algorithm [0.0]
  本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。 学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。 また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
  論文  参考訳（メタデータ） (2021-05-14T11:31:14Z)
• Limitations of optimization algorithms on noisy quantum devices [0.0]
  我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。 我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
  論文  参考訳（メタデータ） (2020-09-11T17:07:26Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)
• To quantum or not to quantum: towards algorithm selection in near-term quantum optimization [0.0]
  本稿では,QAOAが従来のアルゴリズムよりも有利になる確率の高い問題事例を検出する問題について検討する。 クロスバリデーションの精度は96%以上で、実用的な優位性が得られる。
  論文  参考訳（メタデータ） (2020-01-22T20:42:02Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。