論文の概要: Exponential Quantum Speedup for Simulation-Based Optimization Applications
- arxiv url: http://arxiv.org/abs/2305.08482v3
- Date: Sun, 15 Sep 2024 20:54:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-18 03:58:31.671908
- Title: Exponential Quantum Speedup for Simulation-Based Optimization Applications
- Title(参考訳): シミュレーションに基づく最適化のための指数量子スピードアップ
- Authors: Jonas Stein, Lukas Müller, Leonhard Hölscher, Georgios Chnitidis, Jezer Jojo, Afrah Farea, Mustafa Serdar Çelebi, David Bucher, Jonathan Wulf, David Fischer, Philipp Altmann, Claudia Linnhoff-Popien, Sebastian Feld,
- Abstract要約: シミュレーション問題の線形性を特徴とするQuSOのLinQuSOサブクラスに着目した。
我々は、LinQuSO問題の大規模な部分群が、そのシミュレーション成分に関して指数的量子スピードアップで解けることを証明した。
- 参考スコア(独自算出の注目度): 4.302408747749262
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The simulation of many industrially relevant physical processes can be executed up to exponentially faster using quantum algorithms. However, this speedup can only be leveraged if the data input and output of the simulation can be implemented efficiently. While we show that recent advancements for optimal state preparation can effectively solve the problem of data input at a moderate cost of ancillary qubits in many cases, the output problem can provably not be solved efficiently in general. By acknowledging that many simulation problems arise only as a subproblem of a larger optimization problem in many practical applications however, we identify and define a class of practically relevant problems that does not suffer from the output problem: Quantum Simulation-based Optimization (QuSO). QuSO represents optimization problems whose objective function and/or constraints depend on summary statistic information on the result of a simulation, i.e., information that can be efficiently extracted from a quantum state vector. In this article, we focus on the LinQuSO subclass of QuSO, which is characterized by the linearity of the simulation problem, i.e., the simulation problem can be formulated as a system of linear equations. By cleverly combining the quantum singular value transformation (QSVT) with the quantum approximate optimization algorithm (QAOA), we prove that a large subgroup of LinQuSO problems can be solved with up to exponential quantum speedups with regards to their simulation component. Finally, we present two practically relevant use cases that fall within this subgroup of QuSO problems.
- Abstract(参考訳): 多くの産業的な物理的プロセスのシミュレーションは、量子アルゴリズムを用いて指数関数的に高速に実行することができる。
しかし、このスピードアップは、シミュレーションのデータ入力と出力を効率的に実装できる場合にのみ有効である。
近年の最適状態生成の進歩は、多くのケースにおいて、アクセル量子ビットの適度なコストでデータ入力の問題を効果的に解くことができるが、出力問題は一般には効果的に解けないことを示す。
しかし、多くの実用的な応用において、多くのシミュレーション問題がより大きな最適化問題のサブプロブレムとしてのみ発生することを認識して、出力問題に悩まされない実用上の問題のクラスを同定し、定義する:量子シミュレーションベース最適化(QuSO)。
QuSOは、目的関数と/または制約がシミュレーションの結果の要約統計情報、すなわち量子状態ベクトルから効率的に抽出できる情報に依存する最適化問題を表す。
本稿では,シミュレーション問題の線形性を特徴とするQuSOのLinQuSOサブクラスに着目し,線形方程式系としてシミュレーション問題を定式化することができる。
量子特異値変換(QSVT)と量子近似最適化アルゴリズム(QAOA)を巧みに組み合わせることで、LinQuSO問題の大部分群が、そのシミュレーション成分に関して指数的量子スピードアップで解けることを示す。
最後に、このQuSO問題のサブグループに該当する2つの実用的なユースケースを提示する。
関連論文リスト
- Integrating Quantum Algorithms Into Classical Frameworks: A Predictor-corrector Approach Using HHL [0.562479170374811]
我々は、Harrow, Hassidim and Lloyd (HHL) によって提案された方程式の線形系に対するよく知られたアルゴリズムを、直接解法ではなく予測子-相関子に適応させることにより適用する。
この戦略は、多くの古典的アルゴリズムでよく見られる計算コストの高いステップのインテリジェントな省略を可能にし、同時に量子状態の抽出に関連する悪名高い読み出し問題を緩和する。
このアプローチの汎用性は、滑らかな粒子流体力学、プラズマシミュレーション、反応性流れ構成など、様々な分野の応用を通して説明される。
論文 参考訳(メタデータ) (2024-06-28T15:31:10Z) - A hybrid Quantum-Classical Algorithm for Mixed-Integer Optimization in Power Systems [0.0]
量子コンピュータ(QC)を用いた電力系統最適化問題の解法フレームワークを提案する。
我々の指導的応用は、DC Optimal Power Flowを解くために訓練されたニューラルネットワークの最適送信切替と検証である。
論文 参考訳(メタデータ) (2024-04-16T16:11:56Z) - Compressed sensing enhanced by quantum approximate optimization algorithm [0.0]
本稿では,量子サブルーチンを用いた大規模圧縮センシング問題に対処する枠組みを提案する。
本研究は, 量子コンピュータを圧縮センシング分野に適用する有望な方法を探るものである。
論文 参考訳(メタデータ) (2024-03-26T05:26:51Z) - 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) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Accelerating the training of single-layer binary neural networks using
the HHL quantum algorithm [58.720142291102135]
Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。
しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
論文 参考訳(メタデータ) (2022-10-23T11:58:05Z) - 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) - Quantum walk-based vehicle routing optimisation [0.0]
本稿では、静電容量化車両ルーティング問題(CVRP)に対する量子ウォークに基づく最適化アルゴリズムの適用性を示す。
効率的なアルゴリズムは、解空間のインデックス化と非インデックス化のために開発され、必要な交互相ウォークのユニタリを実装するために開発された。
QWOAは, ランダムに生成する8つの位置CVRPに対して, ほぼ最適解に収束できるという数値シミュレーション結果を得た。
論文 参考訳(メタデータ) (2021-09-30T08:04:58Z) - Polynomial unconstrained binary optimisation inspired by optical
simulation [52.11703556419582]
制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。
提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。
タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
論文 参考訳(メタデータ) (2021-06-24T16:39:31Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳(メタデータ) (2021-05-14T11:31:14Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳(メタデータ) (2020-09-15T18:17:27Z)
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。