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
- Quantum Optimization: Lagrangian Dual versus QUBO in Solving Constrained
Problems [0.0]
本稿では,ラグランジアン双対性の概念を離散化された断熱量子計算の枠組みに組み込むことにより,制約付き最適化問題の解法を提案する。
回路モデル-フォールトトレラント量子計算の設定において,本手法が回路深さの2次改善を実現し,制約に依存しない回路幅を維持できることを示す。
論文 参考訳(メタデータ) (2023-10-06T19:09:55Z) - Pure Quantum Gradient Descent Algorithm and Full Quantum Variational
Eigensolver [0.7149735232319818]
勾配勾配勾配勾配法は広く採用されている最適化法である。
単一オラクル計算のみを必要とする新しい量子ベース勾配計算法を提案する。
我々は量子勾配降下法をうまく実装し、変分量子固有解法(VQE)に適用した。
論文 参考訳(メタデータ) (2023-05-07T05:52:41Z) - 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) - Quantum walk in a reinforced free-energy landscape: Quantum annealing
with reinforcement [0.0]
強化は、システムの指数的に小さなエネルギーギャップを回避できる戦略の1つである。
本研究では、強化のための構成空間における局所エントロピーを取り上げ、アルゴリズムを多くの容易かつ難しい最適化問題に適用する。
論文 参考訳(メタデータ) (2022-02-22T14:16:27Z) - 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) - Second-Order Guarantees in Centralized, Federated and Decentralized
Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。
いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。
これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文 参考訳(メタデータ) (2020-03-31T16:54:22Z)
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。