論文の概要: Quantum Inspired Optimization for Industrial Scale Problems

• arxiv url: http://arxiv.org/abs/2305.02179v1
• Date: Wed, 3 May 2023 15:19:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 14:26:41.258722
• Title: Quantum Inspired Optimization for Industrial Scale Problems
• Title（参考訳）: 産業規模問題に対する量子インスパイア最適化
• Authors: William P. Banner, Shima Bab Hadiashar, Grzegorz Mazur, Tim Menke, Marcin Ziolkowski, Ken Kennedy, Jhonathan Romero, Yudong Cao, Jeffrey A. Grover, William D. Oliver
• Abstract要約: 本研究では,量子モデルに基づく最適化手法TN-GEOを用いて,現実的な問題に適用した場合のこれらの方法の有効性を評価する。 この場合、問題はBMWの現在使用されている製造スケジュールに基づく現実的な組立ラインの最適化である。 最適化手法の比較により、従来のブラックボックス法と組み合わせた量子モデルに基づく最適化は、特定の状況下で低コストな解を見つけることができることがわかった。
• 参考スコア（独自算出の注目度）: 0.5417521241272644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model-based optimization, in concert with conventional black-box methods, can quickly solve large-scale combinatorial problems. Recently, quantum-inspired modeling schemes based on tensor networks have been developed which have the potential to better identify and represent correlations in datasets. Here, we use a quantum-inspired model-based optimization method TN-GEO to assess the efficacy of these quantum-inspired methods when applied to realistic problems. In this case, the problem of interest is the optimization of a realistic assembly line based on BMW's currently utilized manufacturing schedule. Through a comparison of optimization techniques, we found that quantum-inspired model-based optimization, when combined with conventional black-box methods, can find lower-cost solutions in certain contexts.
• Abstract（参考訳）: モデルに基づく最適化は、従来のブラックボックス手法と連動して、大規模な組合せ問題を迅速に解決することができる。 近年, テンソルネットワークに基づく量子インスピレーションド・モデリング手法が開発され, データセットの相関関係をよりよく同定し, 表現することができる。 本稿では,量子モデルに基づく最適化手法であるTN-GEOを用いて,現実的な問題に適用した場合のこれらの方法の有効性を評価する。 この場合、問題はBMWの現在使用されている製造スケジュールに基づく現実的な組立ラインの最適化である。 最適化手法の比較により,従来のブラックボックス法と組み合わせると,特定の文脈で低コストな解を見つけることができることがわかった。

関連論文リスト

• A coherent approach to quantum-classical optimization [0.0]
  ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。 我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。 本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-09-20T22:22:53Z)
• Learning Joint Models of Prediction and Optimization [56.04498536842065]
  Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。 本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-07T19:52:14Z)
• Quantum-Enhanced Simulation-Based Optimization for Newsvendor Problems [5.500172106704342]
  古典モンテカルロシミュレーションと比較して量子振幅推定(QAE)の高効率性を利用する。 本研究では,シミュレーションに基づく最適化に量子エンハンスアルゴリズムを用い,NP-hardとして知られる古典ニュース問題の変種を解く。
  論文  参考訳（メタデータ） (2024-03-26T05:14:50Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
  メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。 本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
  論文  参考訳（メタデータ） (2022-10-23T22:21:10Z)
• Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
  本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。 提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
  論文  参考訳（メタデータ） (2022-09-05T07:23:03Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Variational quantum algorithm for unconstrained black box binary optimization: Application to feature selection [1.9182522142368683]
  制約のないブラックボックス二項問題の解法として,変分量子アルゴリズムを提案する。 これは最適化のための量子アルゴリズムの典型的な設定とは対照的である。 提案手法は,従来の特徴選択手法よりも競争力があり,性能も向上していることを示す。
  論文  参考訳（メタデータ） (2022-05-06T07:02:15Z)
• Surrogate-based optimization for variational quantum algorithms [0.0]
  変分量子アルゴリズム(英: Variational quantum algorithm)は、短期量子コンピュータで使用される技術の一種である。 実験的な測定をほとんど行わない変分回路のサロゲートモデルの学習について紹介する。 次に、元のデータとは対照的に、これらのモデルを用いてパラメータ最適化を行う。
  論文  参考訳（メタデータ） (2022-04-12T00:15:17Z)
• Quantum variational optimization: The role of entanglement and problem hardness [0.0]
  本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。 数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。 リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
  論文  参考訳（メタデータ） (2021-03-26T14:06:54Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。