論文の概要: A Quantum-Inspired Binary Optimization Algorithm for Representative
Selection
- arxiv url: http://arxiv.org/abs/2301.01836v1
- Date: Wed, 4 Jan 2023 22:07:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-08 22:33:10.416600
- Title: A Quantum-Inspired Binary Optimization Algorithm for Representative
Selection
- Title（参考訳）: 代表選択のための量子インスパイアバイナリ最適化アルゴリズム
- Authors: Anna G. Hughes, Jack S. Baker, Santosh Kumar Radha
- Abstract要約: より大規模なデータセットから最も代表的なデータのサブセットを選択するためのセレクタアルゴリズムを提案する。
セレクタアルゴリズムは、より広範な資産の選択から多様化されたポートフォリオを構築するために使用できる。
実データを用いたセレクタアルゴリズムの2つのユースケースを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advancements in quantum computing are fuelling emerging applications across
disciplines, including finance, where quantum and quantum-inspired algorithms
can now make market predictions, detect fraud, and optimize portfolios.
Expanding this toolbox, we propose the selector algorithm: a method for
selecting the most representative subset of data from a larger dataset. The
selected subset includes data points that simultaneously meet the two
requirements of being maximally close to neighboring data points and maximally
far from more distant data points where the precise notion of distance is given
by any kernel or generalized similarity function. The cost function encoding
the above requirements naturally presents itself as a Quadratic Unconstrained
Binary Optimization (QUBO) problem, which is well-suited for quantum
optimization algorithms - including quantum annealing. While the selector
algorithm has applications in multiple areas, it is particularly useful in
finance, where it can be used to build a diversified portfolio from a more
extensive selection of assets. After experimenting with synthetic datasets, we
show two use cases for the selector algorithm with real data: (1) approximately
reconstructing the NASDAQ 100 index using a subset of stocks, and (2)
diversifying a portfolio of cryptocurrencies. In our analysis of use case (2),
we compare the performance of two quantum annealers provided by D-Wave Systems.
- Abstract（参考訳）: 量子コンピューティングの進歩は、量子と量子にインスパイアされたアルゴリズムが市場予測を行い、詐欺を検出し、ポートフォリオを最適化する金融など、新たな分野のアプリケーションに拍車をかけている。
このツールボックスを拡張して、より大規模なデータセットから最も代表的なデータのサブセットを選択する方法であるセレクタアルゴリズムを提案する。
選択されたサブセットは、隣り合うデータポイントに最も近いという2つの要件を同時に満たすデータポイントと、任意のカーネルまたは一般化類似性関数によって正確な距離の概念が与えられるより遠いデータポイントとを含む。
上記の要求を符号化するコスト関数は、量子最適化アルゴリズム(量子アニールを含む)に適した準非拘束バイナリ最適化(QUBO)問題として自然に現れる。
セレクタアルゴリズムには複数の分野の応用があるが、金融において特に有用であり、より広範な資産選択から多様化されたポートフォリオを構築するのに使用できる。
合成データセットを実験した結果,(1)株式のサブセットを用いたnasdaq100指数の概略再構成,(2)暗号通貨のポートフォリオの多様化という,実データを用いたセレクタアルゴリズムの2つのユースケースを示す。
本研究では,d-waveシステムが提供する2つの量子アニーラの性能を比較検討した。
関連論文リスト
- Comparing Algorithms for Loading Classical Datasets into Quantum Memory [0.0]
古典的データセットを量子メモリにロードするアルゴリズムを比較した。
5つの属性に基づく状態準備アルゴリズムの評価を行った。
また、視覚的に3つの指標(回路深度、キュービット数、古典ランタイム)を比較する。
論文 参考訳（メタデータ） (2024-07-22T15:43:18Z) - Quantum molecular docking with quantum-inspired algorithm [4.959284967789063]
本稿ではQAに着想を得た新しい量子分子ドッキング(QMD)手法を提案する。
我々は2つのバイナリ符号化法を構築し、指数的にビット数を減らした自由度を効率的に識別する。
我々は,QMDが検索ベースであるAuto VinaとディープラーニングのDIFFDOCKに対して,再ドッキングと自己ドッキングの両方のシナリオで優位性を示したことを示す。
論文 参考訳（メタデータ） (2024-04-12T06:24:45Z) - 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) - Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。
特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。
シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
論文 参考訳（メタデータ） (2024-01-25T17:37:40Z) - A Weighted K-Center Algorithm for Data Subset Selection [70.49696246526199]
サブセット選択は、トレーニングデータの小さな部分を特定する上で重要な役割を果たす、基本的な問題である。
我々は,k中心および不確かさサンプリング目的関数の重み付け和に基づいて,サブセットを計算する新しい係数3近似アルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-12-17T04:41:07Z) - Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳（メタデータ） (2023-11-07T04:35:03Z) - Quantum Sparse Coding [5.130440339897477]
我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。
量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。
我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
論文 参考訳（メタデータ） (2022-09-08T13:00:30Z) - 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) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳（メタデータ） (2021-01-05T03:55:04Z) - Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。
ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文 参考訳（メタデータ） (2020-12-24T16:33:17Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。