論文の概要: Optimization on Large Interconnected Graphs and Networks Using Adiabatic
Quantum Computation
- arxiv url: http://arxiv.org/abs/2202.02774v2
- Date: Wed, 24 Aug 2022 15:57:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 17:09:17.236451
- Title: Optimization on Large Interconnected Graphs and Networks Using Adiabatic
Quantum Computation
- Title(参考訳): Adiabatic Quantum Computation を用いた大規模相互接続グラフとネットワークの最適化
- Authors: Venkat Padmasola and Rupak Chatterjee
- Abstract要約: 我々は、少なくとも3V量子ビットを持つ無向グラフ上の任意の2つの頂点間の最も短い経路を解く、断熱的量子コンピューティングアルゴリズムを作成する。
本研究の目的は、利用可能な量子ビットの最大数を用いて、断熱量子コンピュータ上で大きなグラフをモデル化できることを実証することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we demonstrate that it is possible to create an adiabatic
quantum computing algorithm that solves the shortest path between any two
vertices on an undirected graph with at most 3V qubits, where V is the number
of vertices of the graph. We do so without relying on any classical algorithms,
aside from creating a (V x V) adjacency matrix. The objective of this paper is
to demonstrate the fact that it is possible to model large graphs on an
adiabatic quantum computer using the maximum number of qubits available and
random graph generators such as the Barabasi-Albert and the Erdos-Renyi methods
which can scale based on a power law.
- Abstract(参考訳): 本稿では,最多の3V量子ビットを持つ無向グラフ上の任意の2つの頂点間の最短経路を解き,Vがグラフの頂点数であるような断熱量子計算アルゴリズムを作成することができることを示す。
私たちは、(v x v) 隣接行列を作成する以外、いかなる古典的なアルゴリズムにも頼らずにそれを実行します。
本研究の目的は,バラバシ・アルベルト法やエルドス・レニー法などの乱数グラフ生成法を用いて,量子コンピュータ上で利用可能な量子ビットの最大数を用いて大きなグラフをモデル化できることを実証することである。
関連論文リスト
- Multipartite Entanglement in Quantum Networks using Subgraph
Complementations [10.483535574476477]
絡み合った状態は量子コンピューティングの構成要素である。
ノイズレス量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。
本研究では,量子ビット数,古典的通信用ビット数,EPRペアの利用量の改善について述べる。
論文 参考訳(メタデータ) (2023-08-25T23:03:25Z) - Universal approach to deterministic spatial search via alternating
quantum walks [2.940962519388297]
本稿では,量子ウォークを交互に組み合わせることで,様々なグラフ上で決定論的量子探索アルゴリズムを設計するための新しいアプローチを提案する。
我々のアプローチは、異なるグラフに対してインスタンス固有の分析を必要としないため、普遍的である。
論文 参考訳(メタデータ) (2023-07-30T05:14:19Z) - Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。
第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
論文 参考訳(メタデータ) (2023-02-02T08:33:36Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。
本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。
今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文 参考訳(メタデータ) (2022-02-19T02:56:47Z) - Neighbor2Seq: Deep Learning on Massive Graphs by Transforming Neighbors
to Sequences [55.329402218608365]
本研究では,各ノードの階層的近傍をシーケンスに変換するためにNeighbor2Seqを提案する。
1100万以上のノードと160億のエッジを持つ大規模グラフ上で,本手法の評価を行った。
その結果,提案手法は大規模グラフに対してスケーラブルであり,大規模グラフと中規模グラフにまたがる優れた性能を実現する。
論文 参考訳(メタデータ) (2022-02-07T16:38:36Z) - Shortest Paths in Graphs with Matrix-Valued Edges: Concepts, Algorithm
and Application to 3D Multi-Shape Analysis [69.08838724594584]
グラフ内の最短経路を見つけることは、コンピュータビジョンやグラフィックスにおける多くの問題に関係している。
本稿では,行列値のエッジを持つグラフにおいて,最短経路のグラフ理論を新たに導入する。
論文 参考訳(メタデータ) (2021-12-08T08:23:37Z) - Graph Partitioning into Hamiltonian Subgraphs on a Quantum Annealer [0.0]
本稿では,グラフ分割におけるNP完全問題の解法として,量子アニールを用いる方法を示す。
この問題を2次非拘束バイナリ最適化として定式化し、D波アドバンテージ量子アニール上で実行する。
論文 参考訳(メタデータ) (2021-04-18T16:15:00Z) - Laplacian Eigenmaps with variational circuits: a quantum embedding of
graph data [0.0]
量子変分回路を用いたラプラシアン固有写像の計算法を提案する。
量子シミュレータを用いた32ノードグラフ上でのテストでは,古典的なラプラシアン固有写像アルゴリズムと同様の性能が得られた。
論文 参考訳(メタデータ) (2020-11-10T14:51:25Z) - Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
我々は高密度サブグラフ発見のための新しい学習問題を導入する。
まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。
そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-06-24T11:37:33Z) - Search on Vertex-Transitive Graphs by Lackadaisical Quantum Walk [0.0]
量子ウォーク(quantum walk)は、グラフ上の離散時間(離散時間)の量子ウォークである。
完全グラフ、離散トーラス、サイクル、正規完全二部グラフの空間探索を改善することができる。
この仮説を支持する数値シミュレーションをいくつか提示する。
論文 参考訳(メタデータ) (2020-02-26T00:10:38Z) - Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。
本稿では,非自明なERGに対する近似フレームワークを提案する。
我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文 参考訳(メタデータ) (2020-02-14T11:42:16Z)
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。