論文の概要: Testing a QUBO Formulation of Core-periphery Partitioning on a Quantum Annealer

• arxiv url: http://arxiv.org/abs/2201.01543v1
• Date: Wed, 5 Jan 2022 11:08:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 05:41:01.729979
• Title: Testing a QUBO Formulation of Core-periphery Partitioning on a Quantum Annealer
• Title（参考訳）: 量子アニールにおけるコア周辺分割のQUBO定式化試験
• Authors: Catherine F. Higham, Desmond J. Higham, Francesco Tudisco
• Abstract要約: 本稿では,非指向ネットワークにおけるコア周辺パーティションを演算するタスクの成功を定量化する新しいカーネルを提案する。 関連する最適分割を見つけることは、二次的制約のない二項最適化問題の形で表すことができる。 このアプローチを,既存のコア周辺分割手法と比較する。
• 参考スコア（独自算出の注目度）: 3.093890460224435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a new kernel that quantifies success for the task of computing a core-periphery partition for an undirected network. Finding the associated optimal partitioning may be expressed in the form of a quadratic unconstrained binary optimization (QUBO) problem, to which a state-of-the-art quantum annealer may be applied. We therefore make use of the new objective function to (a) judge the performance of a quantum annealer, and (b) compare this approach with existing heuristic core-periphery partitioning methods. The quantum annealing is performed on the commercially available D-Wave machine. The QUBO problem involves a full matrix even when the underlying network is sparse. Hence, we develop and test a sparsified version of the original QUBO which increases the available problem dimension for the quantum annealer. Results are provided on both synthetic and real data sets, and we conclude that the QUBO/quantum annealing approach offers benefits in terms of optimizing this new quantity of interest.
• Abstract（参考訳）: 我々は,無向ネットワークのコア・ペリーピー分割を演算するタスクの成功を定量化する新しいカーネルを提案する。 関連する最適分割を見つけることは、2次非拘束二元最適化(QUBO)問題という形で表現され、そこでは最先端の量子アニールが適用される。 それゆえ私たちは新しい目的関数を利用して a) 量子アニールの性能を判断し、 (b) この手法を既存のヒューリスティックコア周辺分割法と比較する。 市販のD-Waveマシン上で量子アニールを行う。 QUBO問題は、基礎となるネットワークが疎い場合でも、完全な行列を必要とする。 そこで本研究では,量子アニーラーの利用可能な問題次元を増大させる,元のQUBOのスパース化バージョンを開発した。 結果は合成データと実データの両方で提供され、qubo/quantum annealingアプローチは、この新たな関心の量を最適化する点でメリットがあると結論づける。

関連論文リスト

• Evaluating Quantum Optimization for Dynamic Self-Reliant Community Detection [3.6021182997326022]
  量子計算カラーブルーを用いて解くのに適した二次非拘束バイナリ最適化(QUBO)問題を定式化する。 この定式化は、最大自己充足力とそれらの間を流れる最小限のパワーを持つコミュニティを見つけることを目的としている。 D-Waveのハイブリッド量子古典解法、古典解法、分枝結合解法などである。
  論文  参考訳（メタデータ） (2024-07-09T11:44:58Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 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。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Multi-sequence alignment using the Quantum Approximate Optimization Algorithm [0.0]
  本稿では、変分量子近似最適化アルゴリズム(QAOA)を用いた多重系列アライメント問題のハミルトニアン定式化と実装について述べる。 我々は、量子シミュレーターと実際の量子コンピュータ上での性能の両方において、我々のQAOA-MSAアルゴリズムの小さな例を考える。 調査されたMSAのインスタンスに対する理想的な解決策は、浅いp5量子回路でサンプリングされた最も可能性の高い状態であることが示されているが、現在のデバイスにおけるノイズのレベルは依然として深刻な課題である。
  論文  参考訳（メタデータ） (2023-08-23T12:46:24Z)
• Particle track reconstruction with noisy intermediate-scale quantum computers [0.0]
  荷電粒子の軌道の再構成は、現在および将来のコライダー実験における重要な計算課題である。 この問題は2次非制約バイナリ最適化(QUBO)として定式化することができ、変分量子固有解法(VQE)アルゴリズムを用いて解かれる。 この研究は、VQEが粒子追跡に使用できるという原理の証明となり、VQEの最適化にもっと適するように、VQEの修正を調査した。
  論文  参考訳（メタデータ） (2023-03-23T13:29:20Z)
• 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)
• Quantum Speedup for Higher-Order Unconstrained Binary Optimization and MIMO Maximum Likelihood Detection [2.5272389610447856]
  実数値の高次非制約二項最適化問題をサポートする量子アルゴリズムを提案する。 提案アルゴリズムは,古典的領域におけるクエリの複雑さを低減し,量子領域における2次高速化を実現する。
  論文  参考訳（メタデータ） (2022-05-31T00:14:49Z)
• Squeezing and quantum approximate optimization [0.6562256987706128]
  変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。 しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。 我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-20T18:00:06Z)
• 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)

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。