論文の概要: Q-Match: Iterative Shape Matching via Quantum Annealing

• arxiv url: http://arxiv.org/abs/2105.02878v1
• Date: Thu, 6 May 2021 17:59:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 13:21:12.501775
• Title: Q-Match: Iterative Shape Matching via Quantum Annealing
• Title（参考訳）: Q-Match: 量子アニーリングによる反復形状マッチング
• Authors: Marcel Seelbach Benkner and Zorah L\"ahner and Vladislav Golyanik and Christof Wunderlich and Christian Theobalt and Michael Moeller
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 64.74942589569596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Finding shape correspondences can be formulated as an NP-hard quadratic assignment problem (QAP) that becomes infeasible for shapes with high sampling density. A promising research direction is to tackle such quadratic optimization problems over binary variables with quantum annealing, which, in theory, allows to find globally optimal solutions relying on a new computational paradigm. Unfortunately, enforcing the linear equality constraints in QAPs via a penalty significantly limits the success probability of such methods on currently available quantum hardware. To address this limitation, this paper proposes Q-Match, i.e., a new iterative quantum method for QAPs inspired by the alpha-expansion algorithm, which allows solving problems of an order of magnitude larger than current quantum methods. It works by implicitly enforcing the QAP constraints by updating the current estimates in a cyclic fashion. Further, Q-Match can be applied for shape matching problems iteratively, on a subset of well-chosen correspondences, allowing us to scale to real-world problems. Using the latest quantum annealer, the D-Wave Advantage, we evaluate the proposed method on a subset of QAPLIB as well as on isometric shape matching problems from the FAUST dataset.
• Abstract（参考訳）: 形状対応を見つけることは、サンプリング密度の高い形状では不可能となるNPハード二次代入問題(QAP)として定式化することができる。 有望な研究の方向は、量子アニーリングを持つ二項変数上のそのような二次最適化問題に取り組むことであり、理論的には、新しい計算パラダイムに依存するグローバル最適解を見つけることができる。 残念なことに、QAPの線形等式制約をペナルティによって強制することは、現在利用可能な量子ハードウェア上でそのような手法が成功する確率を著しく制限する。 この制限に対処するため、我々はQ-Match、すなわちα展開アルゴリズムにインスパイアされたQAPのための新しい反復量子法を提案し、これは現在の量子法よりも桁違いに大きい問題を解くことができる。 現在の見積を周期的に更新することで、QAP制約を暗黙的に強制することで機能する。 さらに、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。 最新の量子アニール器であるD-Wave Advantageを用いて,提案手法をQAPLIBのサブセットおよびFAUSTデータセットからの等尺形状整合問題で評価した。

関連論文リスト

• 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)
• Two quantum algorithms for solving the one-dimensional advection-diffusion equation [0.0]
  2つの量子アルゴリズムが周期的境界条件を持つ線形一次元対流拡散方程式の数値解に対して提示される。 量子ビット数の増加に伴う精度と性能を、ポイントごとに比較する。
  論文  参考訳（メタデータ） (2023-12-30T21:23:15Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 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。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• A Quantum Approach for Stochastic Constrained Binary Optimization [2.6803492658436032]
  量子ベースのアルゴリズムは、難しい問題に対する高品質な解を生成することが示されている。 この研究は、二進二乗制約プログラムに対処する量子ベクトルを提示する。 この手法は二重分解に基づいて構築され、規則的に修正された標準VQEタスクの順序を解く必要がある。
  論文  参考訳（メタデータ） (2023-01-04T04:24:26Z)
• 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)
• Quantum-inspired optimization for wavelength assignment [51.55491037321065]
  波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。 本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
  論文  参考訳（メタデータ） (2022-11-01T07:52:47Z)
• 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)
• 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)
• VQE Method: A Short Survey and Recent Developments [5.9640499950316945]
  変分量子固有解法(VQE)は、ハミルトニアンの固有値と固有値を見つけるためにハイブリッド量子古典計算法を用いる方法である。 VQEは、様々な小さな分子に対する電子的シュリンガー方程式の解法に成功している。 現代の量子コンピュータは、現在利用可能なアンサツェを用いて生成されたディープ量子回路を実行することができない。
  論文  参考訳（メタデータ） (2021-03-15T16:25:36Z)
• Larger Sparse Quadratic Assignment Problem Optimization Using Quantum Annealing and a Bit-Flip Heuristic Algorithm [0.4125187280299248]
  線形制約は、量子アニールで表現できる問題のサイズを減らす。 オーゼキ法により得られた解に対して,後処理ビットフリップアルゴリズムを適用し,スパースQAPの解法を提案する。 D-Wave Advantage を用いて,D-Wave Advantage を用いた QAP の高精度化に成功した。
  論文  参考訳（メタデータ） (2020-12-18T09:48:28Z)

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。