論文の概要: Solving Differential-Algebraic Equations in Power Systems Dynamics with Quantum Computing

• arxiv url: http://arxiv.org/abs/2306.01961v2
• Date: Fri, 1 Dec 2023 13:37:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 18:31:58.326455
• Title: Solving Differential-Algebraic Equations in Power Systems Dynamics with Quantum Computing
• Title（参考訳）: 量子コンピューティングによる電力系統力学における微分代数方程式の解法
• Authors: Huynh T. T. Tran, Hieu T. Nguyen, Long Thanh Vu, Samuel T. Ojetola
• Abstract要約: 我々は、電力系統の力学を解くために量子コンピューティングアルゴリズムを用いたことを評価する。 この結果から,量子コンピューティングは電力系統の力学を高精度に解く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）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Power system dynamics are generally modeled by high dimensional nonlinear differential-algebraic equations due to a large number of generators, loads, and transmission lines. Thus, its computational complexity grows exponentially with the system size. In this paper, we aim to evaluate the alternative computing approach, particularly the use of quantum computing algorithms to solve the power system dynamics. Leveraging a symbolic programming framework, we convert the power system dynamics' DAEs into an equivalent set of ordinary differential equations (ODEs). Their data can be encoded into quantum computers via amplitude encoding. The system's nonlinearity is captured by Taylor polynomial expansion and the quantum state tensor whereas state variables can be updated by a quantum linear equation solver. Our results show that quantum computing can solve the dynamics of the power system with high accuracy whereas its complexity is polynomial in the logarithm of the system dimension.
• Abstract（参考訳）: 電力系統の力学は、多くの発電機、負荷、伝送線路のために高次元非線形微分代数方程式によってモデル化される。 したがって、計算複雑性はシステムサイズとともに指数関数的に増加する。 本稿では,代替コンピューティング手法,特に量子コンピューティングアルゴリズムを用いた電力系統ダイナミクスの解法について評価することを目的とする。 シンボリックプログラミングフレームワークを活用することで、電力系統力学のDAEを通常の微分方程式(ODE)の等価な集合に変換する。 それらのデータは振幅エンコーディングによって量子コンピュータにエンコードできる。 システムの非線形性はテイラー多項式展開と量子状態テンソルによって捉えられ、状態変数は量子線形方程式解法によって更新される。 この結果から,量子コンピューティングは高精度で電力系統の力学を解くことができるが,複雑度はシステム次元の対数多項式であることがわかった。

関連論文リスト

• Demonstration of Scalability and Accuracy of Variational Quantum Linear Solver for Computational Fluid Dynamics [0.0]
  本稿では,このような大規模方程式系を高精度に解くことを目的とした量子方法論の探索について述べる。 2次元,過渡的,非圧縮的,粘性,非線形結合バーガース方程式をテスト問題とする。 我々の研究結果は、我々の量子法が従来の手法に匹敵する精度で結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-09-05T04:42:24Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum algorithms to simulate quadratic classical Hamiltonians and optimal control [0.0]
  量子アルゴリズムを用いて,古典力学系における興味量を推定する。 古典システムの最適制御を設計する問題は、ラグランジアンの第2変種とみなすことができる。 我々は、リカティ微分方程式を非線形状態にうまく解くための効率的な量子アルゴリズムを与える。
  論文  参考訳（メタデータ） (2024-04-10T18:53:22Z)
• Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
  我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。 新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。 我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
  論文  参考訳（メタデータ） (2024-02-20T15:23:24Z)
• Towards Quantum Computational Mechanics [1.530480694206666]
  本稿では、量子コンピューティングを用いて、計算ホモジェナイゼーションにおける代表要素体積(RVE)問題を解く方法について述べる。 我々の量子RVE解法は古典解法に対して指数加速度を得る。
  論文  参考訳（メタデータ） (2023-12-06T12:53:02Z)
• Tunable Complexity Benchmarks for Evaluating Physics-Informed Neural Networks on Coupled Ordinary Differential Equations [64.78260098263489]
  本研究では,より複雑に結合した常微分方程式(ODE)を解く物理インフォームドニューラルネットワーク(PINN)の能力を評価する。 PINNの複雑性が増大するにつれて,これらのベンチマークに対する正しい解が得られないことが示される。 PINN損失のラプラシアンは,ネットワーク容量の不足,ODEの条件の低下,局所曲率の高さなど,いくつかの理由を明らかにした。
  論文  参考訳（メタデータ） (2022-10-14T15:01:32Z)
• Application of a variational hybrid quantum-classical algorithm to heat conduction equation [8.886131782376246]
  この研究は、熱伝導方程式を解くために変分量子線形解法(英語版)(VQLS)という変分ハイブリッド量子古典アルゴリズムを適用した。 VQLSの実装の詳細は、線形システムの様々なテストインスタンスによって議論されている。 このアプローチの時間複雑性は、精度のエプシロンに対数的に依存し、キュービット数 n に線形に依存する。
  論文  参考訳（メタデータ） (2022-07-29T12:20:09Z)
• Variational Adiabatic Gauge Transformation on real quantum hardware for effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
  変分アダバティックゲージ変換(VAGT)を導入する。 VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。 VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
  論文  参考訳（メタデータ） (2021-11-16T20:50:08Z)
• Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
  時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。 一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。 幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
  論文  参考訳（メタデータ） (2021-04-01T19:06:00Z)
• Recurrent Localization Networks applied to the Lippmann-Schwinger Equation [0.0]
  一般化Lippmann-Schwinger (L-S) 型の方程式を解くための新しい機械学習手法を提案する。 学習に基づくループアンロールの一部として、リカレント畳み込みニューラルネットワークを用いて、関心のある分野の制御方程式を反復的に解く。 本研究では, 局所的(ボクセルレベル)弾性ひずみの予測において, 優れた精度が得られる2相弾性局在問題に対する学習手法を示す。
  論文  参考訳（メタデータ） (2021-01-29T20:54:17Z)
• Linear embedding of nonlinear dynamical systems and prospects for efficient quantum algorithms [74.17312533172291]
  有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。 次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
  論文  参考訳（メタデータ） (2020-12-12T00:01:10Z)

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。