論文の概要: Quantum-accelerated constraint programming
- arxiv url: http://arxiv.org/abs/2103.04502v2
- Date: Tue, 21 Sep 2021 00:22:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 18:29:35.965632
- Title: Quantum-accelerated constraint programming
- Title（参考訳）: 量子加速制約プログラミング
- Authors: Kyle E. C. Booth, Bryan O'Gorman, Jeffrey Marshall, Stuart Hadfield,
Eleanor Rieffel
- Abstract要約: Constraint (CP) は制約満足度とプログラミング最適化問題のモデル化と解決に使用されるパラダイムである。
量子アルゴリズムは、推論と探索の両方のレベルでCPを加速することを示す。
- 参考スコア（独自算出の注目度）: 0.377986002491873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Constraint programming (CP) is a paradigm used to model and solve constraint
satisfaction and combinatorial optimization problems. In CP, problems are
modeled with constraints that describe acceptable solutions and solved with
backtracking tree search augmented with logical inference. In this paper, we
show how quantum algorithms can accelerate CP, at both the levels of inference
and search. Leveraging existing quantum algorithms, we introduce a
quantum-accelerated filtering algorithm for the $\texttt{alldifferent}$ global
constraint and discuss its applicability to a broader family of global
constraints with similar structure. We propose frameworks for the integration
of quantum filtering algorithms within both classical and quantum backtracking
search schemes, including a novel hybrid classical-quantum backtracking search
method. This work suggests that CP is a promising candidate application for
early fault-tolerant quantum computers and beyond.
- Abstract（参考訳）: 制約プログラミング (cp) は制約満足度と組合せ最適化問題をモデル化し、解決するために用いられるパラダイムである。
CPでは、問題は許容可能な解を記述する制約でモデル化され、論理的推論を付加したバックトラック木探索で解決される。
本稿では,量子アルゴリズムによるCPの高速化について,推論と探索の両レベルで述べる。
既存の量子アルゴリズムを利用して、$\texttt{alldifferent}$グローバル制約に対する量子加速フィルタリングアルゴリズムを導入し、同様の構造を持つより広い範囲のグローバル制約に適用可能性について議論する。
本稿では,新しい古典量子バックトラッキング探索法を含む,古典的および量子的バックトラッキング探索スキームにおける量子フィルタリングアルゴリズムの統合のためのフレームワークを提案する。
この研究は、CPが早期フォールトトレラント量子コンピュータなどに対する有望な候補であることを示している。
関連論文リスト
- Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。
そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
論文 参考訳（メタデータ） (2024-05-01T20:49:50Z) - A quantum annealing approach to the minimum distance problem of quantum codes [0.0]
本稿では,量子安定化器符号の最小距離を準拘束的二項最適化問題として再定式化することで計算する手法を提案する。
D-Wave Advantage 4.1quantum annealerと比較することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-04-26T21:29:42Z) - Solving non-native combinatorial optimization problems using hybrid
quantum-classical algorithms [0.0]
組合せ最適化は、物流から金融まで幅広い分野に適用可能な、困難な問題である。
量子コンピューティングは、様々なアルゴリズムを用いてこれらの問題を解決するために使われてきた。
この研究は、量子と古典のリソースをハイブリッドなアプローチで統合することで、これらの課題を克服する枠組みを提示している。
論文 参考訳（メタデータ） (2024-03-05T17:46:04Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - Quantum-based Distributed Algorithms for Edge Node Placement and
Workload Allocation [8.937905773981702]
最適なエッジサーバ配置とワークロード割り当てのための混合整数線形プログラミング(MILP)モデルを提案する。
既存の量子解法は制約のないバイナリプログラミング問題の解法に限られる。
数値実験により,エッジコンピューティングの複雑な最適化問題を解くために量子超越性を活用できることが実証された。
論文 参考訳（メタデータ） (2023-06-01T21:33:08Z) - 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 Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳（メタデータ） (2022-12-06T22:01:49Z) - On Applying the Lackadaisical Quantum Walk Algorithm to Search for
Multiple Solutions on Grids [63.75363908696257]
不足量子ウォーク(英: lackadaisical quantum walk)は、頂点が重量$l$の自己ループを持つグラフ構造を探索するために開発されたアルゴリズムである。
本稿では,グリッド上の複数解の探索に不連続な量子ウォークを適用した際の問題に対処する。
論文 参考訳（メタデータ） (2021-06-11T09:43:09Z) - 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) - 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) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z)
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。