論文の概要: PyQUBO: Python Library for Mapping Combinatorial Optimization Problems
to QUBO Form
- arxiv url: http://arxiv.org/abs/2103.01708v2
- Date: Wed, 3 Mar 2021 16:12:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 12:23:42.059656
- Title: PyQUBO: Python Library for Mapping Combinatorial Optimization Problems
to QUBO Form
- Title(参考訳): PyQUBO: 組合せ最適化問題をQUBOフォームにマッピングするPythonライブラリ
- Authors: Mashiyat Zaman, Kotaro Tanahashi, Shu Tanaka
- Abstract要約: PyQUBOは2次非制約バイナリ最適化を構築するためのPythonライブラリである。
様々な最適化問題に対するQUBOやIsingモデルの準備に使用できる。
- 参考スコア(独自算出の注目度): 0.8057006406834467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present PyQUBO, an open-source, Python library for constructing quadratic
unconstrained binary optimizations (QUBOs) from the objective functions and the
constraints of optimization problems. PyQUBO enables users to prepare QUBOs or
Ising models for various combinatorial optimization problems with ease thanks
to the abstraction of expressions and the extensibility of the program. QUBOs
and Ising models formulated using PyQUBO are solvable by Ising machines,
including quantum annealing machines. We introduce the features of PyQUBO with
applications in the number partitioning problem, knapsack problem, graph
coloring problem, and integer factorization using a binary multiplier.
Moreover, we demonstrate how PyQUBO can be applied to production-scale problems
through integration with quantum annealing machines. Through its flexibility
and ease of use, PyQUBO has the potential to make quantum annealing a more
practical tool among researchers.
- Abstract(参考訳): 目的関数と最適化問題の制約から2次非制約バイナリ最適化(QUBO)を構築するためのオープンソースのPythonライブラリであるPyQUBOを提案する。
PyQUBOは、プログラムの抽象化と拡張性のおかげで、様々な組合せ最適化問題に対してQUBOやIsingモデルを作成することができる。
QUBOとIsingモデルは、量子アニールマシンを含むIsingマシンによって解決可能である。
本稿では,数分割問題,knapsack問題,グラフ彩色問題,二進乗算器を用いた整数分解問題などに応用したPyQUBOの特徴を紹介する。
さらに,量子アニーリングマシンとの統合により,pyquboを生産規模問題に適用できることを実証する。
PyQUBOの柔軟性と使いやすさにより、量子アニールは研究者の間でより実用的なツールになる可能性がある。
関連論文リスト
- Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - QUBO.jl: A Julia Ecosystem for Quadratic Unconstrained Binary
Optimization [0.0]
QUBO.jlは、QUBOインスタンスを扱うためのエンドツーエンドのJuliaパッケージである。
QUBO.jlは、ユーザが前述のハードウェアとインターフェースし、様々なファイルフォーマットでQUBOモデルを送信し、その後の分析結果を取得することを可能にする。
論文 参考訳(メタデータ) (2023-07-05T18:20:31Z) - PyBADS: Fast and robust black-box optimization in Python [11.4219428942199]
PyBADSは、高速で堅牢なブラックボックス最適化のためのAdaptive Direct Search (BADS)アルゴリズムの実装である。
結果を実行するアルゴリズムを実行するための、使い易いPythonインターフェースとともに提供される。
論文 参考訳(メタデータ) (2023-06-27T15:54:44Z) - Evidence that PUBO outperforms QUBO when solving continuous optimization
problems with the QAOA [4.670374869377859]
量子アルゴリズムによる最適化問題の解決における中核的なステップは、問題の定式化である。
近年の研究では、多くの問題を自然の多項式非制約最適化形式でより効率的に解けることが示されている。
適切なベンチマーク関数の評価では、PUBOの定式化は一般により良い結果をもたらすが、キュービットは少ない。
論文 参考訳(メタデータ) (2023-05-05T09:37:48Z) - Symmetric Tensor Networks for Generative Modeling and Constrained
Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。
これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。
本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文 参考訳(メタデータ) (2022-11-16T18:59:54Z) - PyHopper -- Hyperparameter optimization [51.40201315676902]
我々は機械学習研究者のためのブラックボックス最適化プラットフォームであるPyHopperを紹介する。
PyHopperの目標は、最小限の労力で既存のコードと統合し、最小限のマニュアル監視で最適化プロセスを実行することである。
単純さを主テーマとして、PyHopperは単一のロバストなマルコフチェーンモンテカルロ最適化アルゴリズムを利用している。
論文 参考訳(メタデータ) (2022-10-10T14:35:01Z) - Solving Sensor Placement Problems In Real Water Distribution Networks
Using Adiabatic Quantum Computation [9.2810884211586]
本稿では,水分配ネットワーク(WDN)に圧力センサを正しく配置する問題を最適化問題として定式化する。
センサ配置問題に対するQUBOとIsingの定式化について概説する。
本稿では,オープンソースのPythonライブラリであるPyQUBOを用いて,ハミルトニアンを最小化することで,この問題を解決するための詳細な手順を提案する。
論文 参考訳(メタデータ) (2021-08-06T07:31:38Z) - Polynomial unconstrained binary optimisation inspired by optical
simulation [52.11703556419582]
制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。
提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。
タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
論文 参考訳(メタデータ) (2021-06-24T16:39:31Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z) - QROSS: QUBO Relaxation Parameter Optimisation via Learning Solver
Surrogates [14.905085636501438]
問題のインスタンスの集合に関するソルバデータから学習することで,quboソルバのサロゲートモデルを構築する。
このようにして、インスタンスの共通構造とそれらの解決者との相互作用を捉えることができ、ペナルティパラメータを適切に選択することができる。
qrossは分散型データセットや様々な種類のquboソルバによく一般化されている。
論文 参考訳(メタデータ) (2021-03-19T09:06:12Z) - Multi-layer Optimizations for End-to-End Data Analytics [71.05611866288196]
代替アプローチを実現するフレームワークであるIFAQ(Iterative Functional Aggregate Queries)を紹介する。
IFAQは、特徴抽出クエリと学習タスクを、IFAQのドメイン固有言語で与えられた1つのプログラムとして扱う。
IFAQ の Scala 実装が mlpack,Scikit,特殊化を数桁で上回り,線形回帰木モデルや回帰木モデルを複数の関係データセット上で処理可能であることを示す。
論文 参考訳(メタデータ) (2020-01-10T16:14:44Z)
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。