論文の概要: On The Variational Perspectives To The Graph Isomorphism Problem
- arxiv url: http://arxiv.org/abs/2111.09821v1
- Date: Thu, 18 Nov 2021 17:43:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 12:26:59.458875
- Title: On The Variational Perspectives To The Graph Isomorphism Problem
- Title(参考訳): グラフ同型問題に対する変分的観点について
- Authors: Turbasu Chatterjee, Shah Ishmam Mohtashim and Akash Kundu
- Abstract要約: 本稿では,変分アルゴリズムの観点からグラフ同型問題について考察する。
本研究では,4ノードと5ノードのグラフに対して,アルゴリズムの結果と,そこで発生する変動について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper studies the Graph Isomorphism Problem from a variational
algorithmic perspective, specifically studying the Quadratic Unconstrained
Binary Optimization (QUBO) formulation of the Graph Isomorphism Problem and
subsequent execution using the Quantum Approximate Optimization Algorithm
(QAOA) and the Variational Quantum Eigensolver (VQE). This study presents the
results of these algorithms and the variations that occur therein for graphs of
four and five nodes. The main findings of this paper include the clustering in
the energy landscape for the QAOA in isomorphic graphs having an equal number
of nodes and edges. This trend found in the QAOA study was further reinforced
by studying the ground state energy reduction using VQEs. Furthermore, this
paper examines the trend under which isomorphic pairs of graphs vary in the
ground state energies, with varying edges and nodes.
- Abstract(参考訳): 本稿では,量子近似最適化アルゴリズム (qaoa) と変分量子固有解法 (vqe) を用いて,二次二元最適化 (qubo) によるグラフ同型問題の定式化とその後の実行について,変分アルゴリズムの観点から検討する。
本研究では,これらのアルゴリズムの結果と,4ノードと5ノードのグラフに対して発生する変動について述べる。
この論文の主な発見は、同じ数のノードとエッジを持つ同型グラフにおけるqaoaのエネルギー環境におけるクラスタリングである。
この傾向は、VQEを用いた基底状態エネルギー削減の研究によってさらに強化された。
さらに,グラフの同型対が基底状態のエネルギーで変化し,エッジやノードが変化する傾向について考察する。
関連論文リスト
- Degree-based stratification of nodes in Graph Neural Networks [66.17149106033126]
グラフニューラルネットワーク(GNN)アーキテクチャを変更して,各グループのノードに対して,重み行列を個別に学習する。
このシンプルな実装変更により、データセットとGNNメソッドのパフォーマンスが改善されているようだ。
論文 参考訳(メタデータ) (2023-12-16T14:09:23Z) - Graph topological property recovery with heat and wave dynamics-based
features on graphs [22.382203177524424]
グラフ微分方程式ネットワーク(英: Graph Differential Equation Network、GDeNet)は、グラフ上のPDEに対するソリューションの表現力を利用して連続ノードおよびグラフレベルの表現を得るアプローチである。
熱方程式と波動方程式の力学をグラフのスペクトル特性に結びつける理論結果と,グラフ上の連続時間ランダムウォークの挙動を導出する。
引用グラフ,薬物様分子,タンパク質を含む実世界のデータセットにおいて,GDeNetの優れた性能を示す。
論文 参考訳(メタデータ) (2023-09-18T16:39:51Z) - Discrete Graph Auto-Encoder [52.50288418639075]
離散グラフオートエンコーダ(DGAE)という新しいフレームワークを導入する。
まず、置換同変オートエンコーダを用いてグラフを離散潜在ノード表現の集合に変換する。
2番目のステップでは、離散潜在表現の集合をソートし、特別に設計された自己回帰モデルを用いてそれらの分布を学習する。
論文 参考訳(メタデータ) (2023-06-13T12:40:39Z) - GraphGDP: Generative Diffusion Processes for Permutation Invariant Graph
Generation [43.196067037856515]
グラフ生成モデルは生物学、化学、社会科学に広く応用されている。
現在の先行自己回帰モデルは、グラフの置換不変性を取り込むことができない。
置換不変グラフ生成のための連続時間生成拡散プロセスを提案する。
論文 参考訳(メタデータ) (2022-12-04T15:12:44Z) - Score-based Generative Modeling of Graphs via the System of Stochastic
Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。
本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文 参考訳(メタデータ) (2022-02-05T08:21:04Z) - QAOA of the Highest Order [0.0]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、ゲートモデル量子コンピュータにおける短期量子優位性の主要な候補の一つである。
本稿では,その可変符号化方式に依存して,高次項を任意に認めるグラフカラー化問題の例を示す。
この証拠は、グラフ着色問題の集合に対する高次定式化におけるQAOAのスケーリング挙動の分析を動機付けている。
論文 参考訳(メタデータ) (2021-11-24T19:29:44Z) - A Quantum Algorithm for the Sub-Graph Isomorphism Problem [3.04585143845864]
ゲート型量子コンピュータ上でのサブグラフ同型問題を解くための新しい変分法を提案する。
本手法は,中期の現実的な部分グラフ同型問題に対して適用可能であることを示す。
論文 参考訳(メタデータ) (2021-11-18T14:47:10Z) - Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。
新規な構造化融合正規化に基づく一般グラフ推定器を提案する。
提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
論文 参考訳(メタデータ) (2021-03-05T04:42:32Z) - Dirichlet Graph Variational Autoencoder [65.94744123832338]
本稿では,グラフクラスタメンバシップを潜在因子とするDGVAE(Dirichlet Graph Variational Autoencoder)を提案する。
バランスグラフカットにおける低パス特性により、入力グラフをクラスタメンバシップにエンコードする、Heattsと呼ばれるGNNの新しい変種を提案する。
論文 参考訳(メタデータ) (2020-10-09T07:35:26Z) - Permutation Invariant Graph Generation via Score-Based Generative
Modeling [114.12935776726606]
本稿では,最近のスコアベース生成モデルを用いて,グラフモデリングにおける置換不変手法を提案する。
特に、入力グラフにおけるデータ分布の勾配をモデル化するために、置換同変のマルチチャネルグラフニューラルネットワークを設計する。
グラフ生成では、我々の学習アプローチはベンチマークデータセット上の既存のモデルよりも良い、あるいは同等の結果を得る。
論文 参考訳(メタデータ) (2020-03-02T03:06:14Z) - Approximate Graph Spectral Decomposition with the Variational Quantum
Eigensolver [1.0152838128195465]
スペクトルグラフ理論はラプラシア行列と隣接行列とその関連するグラフの固有ベクトルと固有値の関係を研究する。
ハイブリッド量子/古典的アルゴリズムとして変分量子固有解法 (VQE) アルゴリズムが提案された。
本稿では、VQEアルゴリズムを拡張し、有向グラフと無向グラフのスペクトルを解析する。
論文 参考訳(メタデータ) (2019-12-27T23:27:38Z)
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。