論文の概要: Boolean Hierarchical Tucker Networks on Quantum Annealers
- arxiv url: http://arxiv.org/abs/2103.07399v1
- Date: Fri, 12 Mar 2021 16:45:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-08 08:30:23.129375
- Title: Boolean Hierarchical Tucker Networks on Quantum Annealers
- Title（参考訳）: 量子アニーラー上のブール階層タッカーネットワーク
- Authors: Elijah Pelofske, Georg Hahn, Daniel O'Malley, Hristo N. Djidjev, Boian
S. Alexandrov
- Abstract要約: D-Wave Systems, Inc. の量子異方体の性能について検討する。
D-Wave 2000Q量子アニールに適した最適化問題列としてBHTNを計算可能であることを示す。
現在の技術は、それらが対処できる問題にはまだかなり制限されているが、BHTNのような複雑な問題を効率的かつ正確に解決できることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum annealing is an emerging technology with the potential to solve some
of the computational challenges that remain unresolved as we approach an era
beyond Moore's Law. In this work, we investigate the capabilities of the
quantum annealers of D-Wave Systems, Inc., for computing a certain type of
Boolean tensor decomposition called Boolean Hierarchical Tucker Network (BHTN).
Boolean tensor decomposition problems ask for finding a decomposition of a
high-dimensional tensor with categorical, [true, false], values, as a product
of smaller Boolean core tensors. As the BHTN decompositions are usually not
exact, we aim to approximate an input high-dimensional tensor by a product of
lower-dimensional tensors such that the difference between both is minimized in
some norm. We show that BHTN can be calculated as a sequence of optimization
problems suitable for the D-Wave 2000Q quantum annealer. Although current
technology is still fairly restricted in the problems they can address, we show
that a complex problem such as BHTN can be solved efficiently and accurately.
- Abstract（参考訳）: 量子アニーリング(quantum annealing)は、ムーアの法則を超えて時代が近づくにつれて未解決のままの計算課題を解決する可能性を持つ新興技術である。
本研究では, ブール階層タッカーネットワーク (BHTN) と呼ばれるある種のブールテンソル分解を計算するためのD-Wave Systems, Inc. の量子異方体の性能について検討する。
ブールテンソル分解問題(boolean tensor decomposition problem)は、より小さなブールコアテンソルの積として、カテゴリー、[true, false]の値を持つ高次元テンソルの分解を求める。
BHTN分解は通常正確ではないので、入力された高次元テンソルを低次元テンソルの積によって近似し、両者の差をあるノルムで最小化する。
D-Wave 2000Q量子アニールに適した最適化問題の列としてBHTNを計算することができる。
現在の技術は、対処できる問題ではまだかなり制限されているが、bhtnのような複雑な問題を効率的に正確に解くことができることを示す。
関連論文リスト
- Large-scale quantum annealing simulation with tensor networks and belief propagation [0.0]
3つの正則グラフに対する量子アニールは1000量子ビットと5000000量子ビットゲートのスケールでも古典的にシミュレートできることを示す。
非退化インスタンスの場合、一意解は最後の縮小された単一量子状態から読み出すことができる。
MaxCutのような退化問題に対して、グラフテンソル-ネットワーク状態に対する近似的な測定シミュレーションアルゴリズムを導入する。
論文 参考訳（メタデータ） (2024-09-18T18:00:08Z) - Tensor Decompositions and Adiabatic Quantum Computing for Discovering Practical Matrix Multiplication Algorithms [1.5540058359482858]
本稿では,実用的な行列乗算アルゴリズムの発見と,量子コンピュータ上での分解計算のための2つのアルゴリズムの開発に焦点をあてる。
アルゴリズムは高次非制約バイナリ最適化(HUBO)問題として表現される。
最大分解長よりも短い長さを固定することにより、全体最適化問題の解がより高速な行列乗算アルゴリズムが得られることを示す。
論文 参考訳（メタデータ） (2024-06-19T10:05:57Z) - Quantum Bayesian Optimization [64.58749619145908]
本稿では,量子ガウスプロセスアップパー信頼度境界(Q-GP-UCB)アルゴリズムを提案する。
O(polylog T) は古典的設定における Omega(sqrt(T)) の左下限よりもかなり小さい。
線形核を持つQ-GP-UCBは、新しい信頼楕円体解析により、量子線形 UCB アルゴリズムよりも小さな後悔を実現する。
論文 参考訳（メタデータ） (2023-10-09T03:10:42Z) - Efficient MILP Decomposition in Quantum Computing for ReLU Network
Robustness [2.854196251981274]
本研究では,MILP(Mixed-Integer Linear Programming)の2つの分解法について検討した。
我々は、元の問題をより小さなサブプロブレムに分割することに集中し、量子古典的ハードウェアのアプローチを組み合わせて反復的に解決する。
実験の結果,従来の量子アニール法やゲートベース量子コンピュータと比較して最大90%の量子ビットを削減できることがわかった。
論文 参考訳（メタデータ） (2023-04-30T13:10:56Z) - 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) - Complexity-Theoretic Limitations on Quantum Algorithms for Topological
Data Analysis [59.545114016224254]
トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。
我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。
我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
論文 参考訳（メタデータ） (2022-09-28T17:53:25Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - Post-Error Correction for Quantum Annealing Processor using
Reinforcement Learning [9.267156820352996]
強化学習を用いて量子アニールにより出力される状態を補正する方法を示す。
予備的な結果は、強化学習を用いて量子アニールによって出力される状態を補正する方法を示している。
論文 参考訳（メタデータ） (2022-03-03T21:31:06Z) - Quantum Annealing Algorithms for Boolean Tensor Networks [0.0]
ブールテンソルネットワークのための3つの一般アルゴリズムを導入・解析する。
量子アニーラー上での解法に適した2次非制約二元最適化問題として表すことができる。
我々は、DWave 2000Q量子アニールを用いて、最大数百万個の要素を持つテンソルを効率的に分解できることを実証した。
論文 参考訳（メタデータ） (2021-07-28T22:38:18Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳（メタデータ） (2021-07-08T17:59:55Z) - 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。