論文の概要: A Quantum Annealing Approach to Reduce Covid-19 Spread on College Campuses

• arxiv url: http://arxiv.org/abs/2112.01220v1
• Date: Mon, 22 Nov 2021 21:07:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 04:04:15.171717
• Title: A Quantum Annealing Approach to Reduce Covid-19 Spread on College Campuses
• Title（参考訳）: 大学キャンパスにおけるcovid-19対策のための量子アニーリング手法
• Authors: James Sud, Victor Li
• Abstract要約: 本稿では,量子アニールを用いたグループ化手法が,古典的手法よりも実用的に有利であることを示す。 この量子アニールによるグループ化アプローチは、古典的アプローチよりも実践的な優位性をもたらす可能性がある。
• 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: Disruptions of university campuses caused by COVID-19 have motivated strategies to prevent the spread of infectious diseases while maintaining some level of in person learning. In response, the proposed approach recursively applied a quantum annealing algorithm for Max-Cut optimization on D-Wave Systems, which grouped students into cohorts such that the number of possible infection events via shared classrooms was minimized. To test this approach, available coursework data was used to generate highly clustered course enrollment networks representing students and the classes they share. The algorithm was then recursively called on these networks to group students, and a disease model was applied to forecast disease spread. Simulation results showed that under some assumptions on disease statistics and methods of spread, the quantum grouping method reduced both the total and peak percentage of infected students when compared against random groupings of students. Scaling to larger networks, it is possible that this quantum annealer-assisted grouping approach may provide practical advantage over classical approaches. This paper, however, is strictly a proof-of-concept demonstration of the approach and is not intended to argue for a quantum speedup.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)による大学キャンパスの混乱は、ある程度の個人学習を維持しながら感染症の拡散を防ぐ戦略を動機づけている。 提案手法は,D-Wave Systems 上で量子アニーリングアルゴリズムを用いて,学生をコホートに分類し,共有教室による感染の可能性を最小化する手法である。 このアプローチをテストするために,学生と生徒が共有するクラスを表す高度にクラスタ化されたコース登録ネットワークを生成するために,利用可能なコースワークデータを使用した。 このアルゴリズムは、これらのネットワーク上でグループ学生に再帰的に呼び出され、病気の拡散を予測するために病気モデルが適用された。 シミュレーションの結果, 病気統計や拡散の方法に関するいくつかの仮定の下で, 量子グルーピング法は, 学生のランダムグルーピングと比較して, 感染した生徒の総数とピークパーセンテージを減らした。 より大きなネットワークにスケールすると、この量子アニールによるグループ化アプローチは古典的アプローチよりも現実的な優位性をもたらす可能性がある。 しかしながら、本論文は厳密にこのアプローチの概念実証であり、量子スピードアップの議論を意図していない。

関連論文リスト

• Causal K-Means Clustering [5.087519744951637]
  Causal k-Means Clusteringは、広く使われているk-means Clusteringアルゴリズムを利用して、未知の部分群構造を明らかにする。 既成のアルゴリズムを用いて簡易かつ容易に実装可能なプラグイン推定器を提案する。 提案手法は,複数の治療レベルを有する近代的な結果研究に特に有用である。
  論文  参考訳（メタデータ） (2024-05-05T23:59:51Z)
• When Measures are Unreliable: Imperceptible Adversarial Perturbations toward Top-$k$ Multi-Label Learning [83.8758881342346]
  新しい損失関数は、視覚的および測定的不受容性を両立できる敵の摂動を生成するために考案された。 大規模ベンチマークデータセットを用いた実験により,提案手法が最上位の$kのマルチラベルシステムを攻撃する際の優位性を実証した。
  論文  参考訳（メタデータ） (2023-07-27T13:18:47Z)
• Federated TD Learning over Finite-Rate Erasure Channels: Linear Speedup under Markovian Sampling [17.870440210358847]
  エージェントが中央アグリゲータを介して通信し、共通ポリシの評価を迅速化するフェデレートポリシ評価問題について検討する。 FLにおける典型的な通信制約を捉えるために、ベルヌーイ消去モデルに基づいてパケットをドロップできる有限容量アップリンクチャネルを考える。 本研究は, マルチエージェントおよびフェデレーション強化学習における非漸近的効果の分析を初めて行ったものである。
  論文  参考訳（メタデータ） (2023-05-14T08:48:02Z)
• Conditional Generative Models for Learning Stochastic Processes [0.5352699766206808]
  条件量子生成適応ネットワーク(C-qGAN)と呼ばれるマルチモーダル分布の学習フレームワークを提案する。 ニューラルネットワーク構造は厳密に量子回路内にあり、その結果、現在の方法よりも効率的な状態準備手順が示される。 この手法はモンテカルロ解析のようなアルゴリズムを高速化する可能性がある。
  論文  参考訳（メタデータ） (2023-04-19T17:02:28Z)
• Exploring the Pareto front of multi-objective COVID-19 mitigation policies using reinforcement learning [1.7056617973440933]
  感染症の発生は公衆衛生や社会プロセスに破壊的な影響を及ぼす可能性がある。 現在の研究は、病原体の攻撃率のような単一の目的でポリシーを最適化することに焦点を当てている。 深層多目的強化学習を適用し,最先端のアルゴリズムを用いて解の集合を学習する。
  論文  参考訳（メタデータ） (2022-04-11T11:55:06Z)
• The Group Loss++: A deeper look into group loss for deep metric learning [65.19665861268574]
  グループ損失 (Group Loss) は、グループの全サンプルに埋め込まれた類似性を強制する微分可能なラベルプロパゲーション法に基づく損失関数である。 4つのデータセットでクラスタリングと画像検索の最先端結果を示し、2人の再識別データセットで競合結果を示す。
  論文  参考訳（メタデータ） (2022-04-04T14:09:58Z)
• Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
  本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。 畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。 この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-03T19:24:25Z)
• Active Screening for Recurrent Diseases: A Reinforcement Learning Approach [29.78172882606022]
  我々は,Deep Q-Networks(DQN)に基づく新しい強化学習(RL)手法を提案する。 実世界の複数のネットワーク上でRLアルゴリズムを評価する。
  論文  参考訳（メタデータ） (2021-01-07T21:07:35Z)
• Learning, compression, and leakage: Minimising classification error via meta-universal compression principles [87.054014983402]
  学習シナリオのための圧縮技法の有望なグループは、正規化極大(NML)符号化である。 ここでは,教師付き分類問題に対するNMLに基づく意思決定戦略を検討し,多種多様なモデルに適用した場合にPAC学習を実現することを示す。 本手法の誤分類率は,プライバシに敏感なシナリオにおいて,データ漏洩の可能性を定量化するための指標である最大リークによって上限づけられていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T20:03:58Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。