論文の概要: Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing

• arxiv url: http://arxiv.org/abs/2108.08064v2
• Date: Mon, 25 Oct 2021 16:33:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-18 03:26:26.737527
• Title: Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing
• Title（参考訳）: 量子インスピレーションアニーリングによる二次非拘束バイナリ最適化
• Authors: Joseph Bowles, Alexandre Dauphin, Patrick Huembeli, Jos\'e Martinez, Antonio Ac\'in
• Abstract要約: 本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。 我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a classical algorithm to find approximate solutions to instances of quadratic unconstrained binary optimisation. The algorithm can be seen as an analogue of quantum annealing under the restriction of a product state space, where the dynamical evolution in quantum annealing is replaced with a gradient-descent based method. This formulation is able to quickly find high-quality solutions to large-scale problem instances, and can naturally be accelerated by dedicated hardware such as graphics processing units. We benchmark our approach for large scale problem instances with tuneable hardness and planted solutions. We find that our algorithm offers a similar performance to current state of the art approaches within a comparably simple gradient-based and non-stochastic setting.
• Abstract（参考訳）: 古典アルゴリズムを用いて,二元最適化の2次解の近似解を求める。 このアルゴリズムは、積状態空間の制限の下で量子アニールのアナログと見なすことができ、そこでは量子アニールの動的進化が勾配線に基づく方法に置き換えられる。 この定式化は、大規模問題インスタンスに対する高品質なソリューションを素早く見つけることができ、グラフィック処理ユニットのような専用ハードウェアによって自然に加速することができる。 調整可能なハードネスと植栽されたソリューションを用いて,大規模問題インスタンスに対する我々のアプローチをベンチマークする。 このアルゴリズムは, 比較的単純な勾配に基づく非確率的設定において, 最先端の手法に類似した性能を提供する。

関連論文リスト

• The Differentiable Feasibility Pump [49.55771920271201]
  本稿では,従来の実現可能性ポンプとその追随点の多くを,特定のパラメータを持つ勾配差アルゴリズムとみなすことができることを示す。 この再解釈の中心的な側面は、伝統的なアルゴリズムがそのコストに関して線形緩和の解を区別することを観察することである。
  論文  参考訳（メタデータ） (2024-11-05T22:26:51Z)
• Qudit inspired optimization for graph coloring [0.0]
  グラフ色問題(GCP)のための量子インスパイアされたアルゴリズムを提案する。 我々は、グラフ内のノードを表現し、d次元球面座標でパラメータ化した各キューディットを積状態に使用する。 我々は、QdGD(qudit gradient descent)、ランダムな状態におけるクォーディットの開始、コスト関数の最小化のために勾配降下を利用する2つの最適化戦略をベンチマークする。
  論文  参考訳（メタデータ） (2024-06-02T16:19:55Z)
• Compressed sensing enhanced by quantum approximate optimization algorithm [0.0]
  本稿では,量子サブルーチンを用いた大規模圧縮センシング問題に対処する枠組みを提案する。 本研究は, 量子コンピュータを圧縮センシング分野に適用する有望な方法を探るものである。
  論文  参考訳（メタデータ） (2024-03-26T05:26:51Z)
• Improving the convergence of an iterative algorithm for solving arbitrary linear equation systems using classical or quantum binary optimization [39.58317527488534]
  本稿では,線形システムの解法を提案する。 線形系を二進最適化問題に変換し、元の問題の幾何学からインスピレーションを得る。 問題固有の幾何学の部分的知識を活用することで、元の問題をより小さく独立したサブプロブレムに分解できることを実証する。
  論文  参考訳（メタデータ） (2023-09-18T16:51:03Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• On Constraints in First-Order Optimization: A View from Non-Smooth Dynamical Systems [99.59934203759754]
  本稿では,スムーズな制約付き最適化のための一階法について紹介する。 提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。 結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
  論文  参考訳（メタデータ） (2021-07-17T11:45:13Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Avoiding local minima in Variational Quantum Algorithms with Neural Networks [0.0]
  変分量子アルゴリズムは、短期計算の先導パラダイムとして登場してきた。 本稿では,勾配景観問題の事例をベンチマークする2つのアルゴリズムを提案する。 提案手法は,コストランドスケープが短期量子コンピューティングアルゴリズムを改善するための実りある道であることを示唆している。
  論文  参考訳（メタデータ） (2021-04-07T07:07:28Z)
• Solving Quadratic Unconstrained Binary Optimization with divide-and-conquer and quantum algorithms [0.0]
  分割・対数手法を用いて、元の問題を小さな問題の集合に還元する。 この手法は任意のQUBOインスタンスに適用でき、全古典的またはハイブリッドな量子古典的アプローチにつながる。
  論文  参考訳（メタデータ） (2021-01-19T19:00:40Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)

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。