論文の概要: Solving Sensor Placement Problems In Real Water Distribution Networks
Using Adiabatic Quantum Computation
- arxiv url: http://arxiv.org/abs/2108.04075v2
- Date: Fri, 20 Aug 2021 13:53:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-19 04:58:13.095566
- Title: Solving Sensor Placement Problems In Real Water Distribution Networks
Using Adiabatic Quantum Computation
- Title(参考訳): 断熱量子計算による実水流ネットワークにおけるセンサ配置問題の解法
- Authors: Stefano Speziali, Federico Bianchi, Andrea Marini, Lorenzo Menculini,
Massimiliano Proietti, Loris F. Termite, Alberto Garinei, Marcello Marconi,
Andrea Delogu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.2810884211586
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum annealing has emerged in the last few years as a promising quantum
computing approach to solving large-scale combinatorial optimization problems.
In this paper, we formulate the problem of correctly placing pressure sensors
on a Water Distribution Network (WDN) as a combinatorial optimization problem
in the form of a Quadratic Unconstrained Binary Optimization (QUBO) or Ising
model. Optimal sensor placement is indeed key to detect and isolate fault
events. We outline the QUBO and Ising formulations for the sensor placement
problem starting from the network topology and few other features. We present a
detailed procedure to solve the problem by minimizing its Hamiltonian using
PyQUBO, an open-source Python Library. We then apply our methods to the case of
a real Water Distribution Network. Both simulated annealing and a hybrid
quantum-classical approach on a D-Wave machine are employed.
- Abstract(参考訳): 量子アニールは、大規模な組合せ最適化問題を解決するための有望な量子コンピューティングアプローチとしてここ数年で登場した。
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,擬似非拘束バイナリ最適化(QUBO)モデルやIsingモデルを用いて組合せ最適化問題として定式化する。
障害イベントの検出と分離には,センサ配置の最適性が重要です。
本稿では,ネットワークトポロジから開始したセンサ配置問題に対するquboとイジングの定式化と,その他のいくつかの特徴について概説する。
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。
次に,本手法を実際の配水ネットワークの場合に適用する。
シミュレーションアニーリングとD-Waveマシンに対するハイブリッド量子古典的アプローチの両方を用いる。
関連論文リスト
- ILP-based Resource Optimization Realized by Quantum Annealing for
Optical Wide-area Communication Networks -- A Framework for Solving
Combinatorial Problems of a Real-world Application by Quantum Annealing [6.472397166280681]
近年の研究では、D-Wave AdvantageTM量子アニールシステムに組み込むことができる2次非拘束二元最適化(QUBO)問題として、そのような問題をいかに実装できるかを実証した。
本稿では、システムパラメータの最適化に関する調査と、ソリューションの品質をさらに向上させるために機械学習(ML)技術をどのように取り入れているかについて報告する。
我々は、このNNを単純な整数線形プログラミング(ILP)の例で実装し、どのようにNNが解空間を完全にマッピングできるかをD-Waveが捉えていないかを実証した。
論文 参考訳(メタデータ) (2024-01-01T17:52:58Z) - 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) - 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) - Physics-Informed Neural Network Method for Parabolic Differential
Equations with Sharply Perturbed Initial Conditions [68.8204255655161]
急激な摂動初期条件を持つパラボラ問題に対する物理インフォームドニューラルネットワーク(PINN)モデルを開発した。
ADE解の局所的な大きな勾配は(PINNでよく見られる)ラテンハイパーキューブで方程式の残余の高効率なサンプリングを行う。
本稿では,他の方法により選択した量よりも精度の高いPINNソリューションを生成する損失関数における重みの基準を提案する。
論文 参考訳(メタデータ) (2022-08-18T05:00:24Z) - Optimization of Robot Trajectory Planning with Nature-Inspired and
Hybrid Quantum Algorithms [0.0]
産業規模でロボット軌道計画問題を解く。
我々のエンドツーエンドソリューションは、高度に多目的なランダムキーアルゴリズムとモデル積み重ねとアンサンブル技術を統合している。
我々は、後者が我々のより大きなパイプラインにどのように統合され、問題に対する量子対応ハイブリッドソリューションを提供するかを示す。
論文 参考訳(メタデータ) (2022-06-08T02:38:32Z) - Are Quantum Computers Practical Yet? A Case for Feature Selection in
Recommender Systems using Tensor Networks [2.2049183478692584]
協調フィルタリングモデルは、一般的にコンテンツベースのフィルタリングモデルよりも優れており、注意深い機能工学を必要としない。
コールドスタートのシナリオでは、コラボレーティブな情報が不足している場合や、利用できない場合があり、コンテンツ情報が豊富である場合もあります。
我々は最近提案されたテンソルネットワークと多線型代数に基づくブラックボックスであるTTOptを介してQUBOに取り組む。
何千もの特徴を持つ大問題に対する本手法の計算可能性を示し, 得られた解がD-Waveで得られた解に匹敵することを示した。
論文 参考訳(メタデータ) (2022-05-09T18:04:49Z) - 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) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳(メタデータ) (2022-01-25T05:59:24Z) - 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) - 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。