Fugu-MT 論文翻訳(概要): Optimization on Large Interconnected Graphs and Networks Using Adiabatic Quantum Computation

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

Quantum adiabatic optimization with Rydberg arrays: localization phenomena and encoding strategies [0.9500919522633157]
我々は[Nguyen et al., PRX Quantum 4, 010316 (2023) で提案された符号化スキームの量子力学について検討する。論文では,アディバティックプロトコルに沿ったシステムサイズによる最小ギャップスケーリングについて検討する。このような局所化とその正解を求める成功確率への影響を観察する。
論文参考訳（メタデータ） (2024-11-07T12:10:01Z)
Unifying quantum spatial search, state transfer and uniform sampling on graphs: simple and exact [2.871419116565751]
本稿では,量子ウォークの交互化による新しい,簡潔なアルゴリズムフレームワークを提案する。量子空間探索、状態移動、および大規模なグラフの均一サンプリングを統一する。このアプローチは、グラフのラプラシア固有値集合の深さにのみ依存する簡潔な形式性を持っているため、簡単に利用できる。
論文参考訳（メタデータ） (2024-07-01T06:09:19Z)
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)
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。