論文の概要: Using machine learning for quantum annealing accuracy prediction
- arxiv url: http://arxiv.org/abs/2106.00065v1
- Date: Mon, 31 May 2021 19:14:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 05:41:38.138632
- Title: Using machine learning for quantum annealing accuracy prediction
- Title（参考訳）: 機械学習を用いた量子アニーリング精度予測
- Authors: Aaron Barbosa, Elijah Pelofske, Georg Hahn, Hristo N. Djidjev
- Abstract要約: 我々は、ネットワーク分析、バイオインフォマティクス、計算化学において重要な応用を持つ古典的なNPハード問題であるMaximum Clique問題に焦点をあてる。
基本問題特性に基づいて機械学習分類モデルを訓練することにより、解硬度への寄与順に特定の特徴をランク付けすることができる。
そこで本研究では,D-Wave 2000Qアニールを用いて最適解法が解けるかどうかを予測できる簡易決定木を提案する。
- 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 annealers, such as the device built by D-Wave Systems, Inc., offer a
way to compute solutions of NP-hard problems that can be expressed in Ising or
QUBO (quadratic unconstrained binary optimization) form. Although such
solutions are typically of very high quality, problem instances are usually not
solved to optimality due to imperfections of the current generations quantum
annealers. In this contribution, we aim to understand some of the factors
contributing to the hardness of a problem instance, and to use machine learning
models to predict the accuracy of the D-Wave 2000Q annealer for solving
specific problems. We focus on the Maximum Clique problem, a classic NP-hard
problem with important applications in network analysis, bioinformatics, and
computational chemistry. By training a machine learning classification model on
basic problem characteristics such as the number of edges in the graph, or
annealing parameters such as D-Wave's chain strength, we are able to rank
certain features in the order of their contribution to the solution hardness,
and present a simple decision tree which allows to predict whether a problem
will be solvable to optimality with the D-Wave 2000Q. We extend these results
by training a machine learning regression model that predicts the clique size
found by D-Wave.
- Abstract（参考訳）: d-wave systems, inc. が開発したデバイスのような量子アニーラは、イジングや qubo (quadratic unconstrained binary optimization) 形式で表現できるnp-hard問題の解を計算する方法を提供する。
このような解は典型的には非常に高品質であるが、現在の世代の量子アニールの不完全性のため、問題インスタンスは通常最適に解決されない。
本研究では,問題インスタンスの硬さに寄与する要因のいくつかを理解し,機械学習モデルを用いてD-Wave 2000Qアニールの精度を予測することを目的とする。
我々は、ネットワーク分析、バイオインフォマティクス、計算化学において重要な応用を持つ古典的なNPハード問題であるMaximum Clique問題に焦点をあてる。
グラフのエッジ数などの基本的な問題特性に基づいて機械学習の分類モデルをトレーニングしたり、d-waveの連鎖強度などのパラメータをアニーリングすることで、解の硬さへの寄与順に特定の特徴をランク付けし、d-wave 2000qで問題を解くことができるかどうかを予測できる簡単な決定木を提案する。
D-Waveで見られる斜めの大きさを予測する機械学習回帰モデルをトレーニングすることで、これらの結果を拡張する。
関連論文リスト
- Demonstration of Scalability and Accuracy of Variational Quantum Linear Solver for Computational Fluid Dynamics [0.0]
本稿では,このような大規模方程式系を高精度に解くことを目的とした量子方法論の探索について述べる。
2次元,過渡的,非圧縮的,粘性,非線形結合バーガース方程式をテスト問題とする。
我々の研究結果は、我々の量子法が従来の手法に匹敵する精度で結果をもたらすことを示した。
論文 参考訳（メタデータ） (2024-09-05T04:42:24Z) - An Analysis of Quantum Annealing Algorithms for Solving the Maximum Clique Problem [49.1574468325115]
我々は、QUBO問題として表されるグラフ上の最大傾きを見つける量子D波アンナーの能力を解析する。
本稿では, 相補的な最大独立集合問題に対する分解アルゴリズムと, ノード数, 傾き数, 密度, 接続率, 解サイズの他のノード数に対する比を制御するグラフ生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-11T04:40:05Z) - Formulation and evaluation of ocean dynamics problems as optimization problems for quantum annealing machines [0.0]
量子コンピューティングの最近の進歩は、様々な科学領域にまたがる計算アルゴリズムに革命をもたらす可能性を示唆している。
量子計算は古典的な計算とは大きく異なり、海洋力学や大気力学を表現するのに適したフレームワークはまだ検討されていない。
論文 参考訳（メタデータ） (2024-05-20T04:55:32Z) - Validation and benchmarking of quantum annealing technology [0.0]
この論文は、量子アニールのベンチマークと検証の問題に焦点を当てている。
実世界の問題を解くための2つのアルゴリズムを提案し、それらが現在の世代の量子アニール上でどのように機能するかをテストする。
論文 参考訳（メタデータ） (2023-12-06T14:56:45Z) - 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) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳（メタデータ） (2023-02-05T01:39:21Z) - 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) - Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。
一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文 参考訳（メタデータ） (2021-04-06T18:29:14Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z) - Investigating the Chinese Postman Problem on a Quantum Annealer [0.0]
D-Waveアナライザは、二次的制約のないバイナリ最適化という形で問題を解決することを約束するプラットフォームである。
グラフやネットワークの局所接続を探索するためのツールとして使用できる,中国のポストマン問題の定式化について述べる。
論文 参考訳（メタデータ） (2020-08-06T17:11:54Z) - Model Predictive Control for Finite Input Systems using the D-Wave
Quantum Annealer [4.83782736808514]
D-Wave量子アニールは、新しい計算アーキテクチャとして登場し、大きな関心を集めている。
本稿では,量子アニールを用いたモデル予測制御(MPC)アルゴリズムを提案する。
スプリング・マス・ダンパーシステムの安定化と動的オーディオ量子化という2つの実用的応用を実証した。
論文 参考訳（メタデータ） (2020-01-06T05:11:52Z)
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。