論文の概要: A supervised hybrid quantum machine learning solution to the emergency escape routing problem

• arxiv url: http://arxiv.org/abs/2307.15682v1
• Date: Fri, 28 Jul 2023 17:16:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 11:53:33.145748
• Title: A supervised hybrid quantum machine learning solution to the emergency escape routing problem
• Title（参考訳）: 緊急脱出経路問題に対する教師付きハイブリッド量子機械学習ソリューション
• Authors: Nathan Haboury, Mo Kordzanganeh, Sebastian Schmitt, Ayush Joshi, Igor Tokarev, Lukas Abdallah, Andrii Kurkin, Basil Kyriacou, Alexey Melnikov
• Abstract要約: 本研究は,自然災害時の車両の緊急避難計画を最適化するために,教師付きハイブリッド量子機械学習を利用する可能性を探るものである。 そこで我々は,新しいハイブリッド型教師付き学習手法を提案し,それを具体的な都市図上で仮説的状況で検証する。 量子部分は予測に45.(3)%の有意な寄与を示し、そのネットワークはイオンベースの量子コンピュータ上で実行可能であることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Managing the response to natural disasters effectively can considerably mitigate their devastating impact. This work explores the potential of using supervised hybrid quantum machine learning to optimize emergency evacuation plans for cars during natural disasters. The study focuses on earthquake emergencies and models the problem as a dynamic computational graph where an earthquake damages an area of a city. The residents seek to evacuate the city by reaching the exit points where traffic congestion occurs. The situation is modeled as a shortest-path problem on an uncertain and dynamically evolving map. We propose a novel hybrid supervised learning approach and test it on hypothetical situations on a concrete city graph. This approach uses a novel quantum feature-wise linear modulation (FiLM) neural network parallel to a classical FiLM network to imitate Dijkstra's node-wise shortest path algorithm on a deterministic dynamic graph. Adding the quantum neural network in parallel increases the overall model's expressivity by splitting the dataset's harmonic and non-harmonic features between the quantum and classical components. The hybrid supervised learning agent is trained on a dataset of Dijkstra's shortest paths and can successfully learn the navigation task. The hybrid quantum network improves over the purely classical supervised learning approach by 7% in accuracy. We show that the quantum part has a significant contribution of 45.(3)% to the prediction and that the network could be executed on an ion-based quantum computer. The results demonstrate the potential of supervised hybrid quantum machine learning in improving emergency evacuation planning during natural disasters.
• Abstract（参考訳）: 自然災害への対応を効果的に行うことは、その壊滅的な影響を著しく軽減する。 本研究は,自然災害時の車両の緊急避難計画を最適化するために,教師付きハイブリッド量子機械学習を利用する可能性を検討する。 この研究は地震の緊急性に着目し、地震が都市の地域を損傷する動的計算グラフとして問題をモデル化する。 住民は交通渋滞が発生する出口に到達して街を避難させようとする。 この状況は不確実で動的に進化する地図上の最短経路問題としてモデル化される。 本研究では,新しいハイブリッド型教師付き学習手法を提案し,具体的な都市グラフ上で仮定した状況で検証する。 このアプローチは、古典的なFiLMネットワークと平行な新しい量子特徴量線形変調(FiLM)ニューラルネットワークを用いて、決定論的動的グラフ上のダイクストラのノード幅の短いパスアルゴリズムを模倣する。 量子ニューラルネットワークを並列に加えることで、データセットの高調波と非調和の特徴を量子成分と古典成分に分割することで、モデル全体の表現性が向上する。 ハイブリッド教師付き学習エージェントは、Dijkstraの最短経路のデータセットに基づいてトレーニングされ、ナビゲーションタスクをうまく学習することができる。 ハイブリッド量子ネットワークは、純粋に古典的な教師付き学習アプローチを7%精度で改善する。 量子部分は予測に45.(3)%の有意な寄与を示し、そのネットワークはイオンベースの量子コンピュータ上で実行可能であることを示した。 その結果,自然災害時の緊急避難計画を改善するために,ハイブリッド量子機械学習が有効である可能性が示唆された。

関連論文リスト

• Generative flow induced neural architecture search: Towards discovering optimal architecture in wavelet neural operator [0.8192907805418583]
  生成フロー誘導型ニューラルアーキテクチャ探索アルゴリズムを提案する。 提案フレームワークは、端末状態からの正の報酬に基づいて、最も確率の高いシーケンスを生成する。
  論文  参考訳（メタデータ） (2024-05-11T04:38:07Z)
• What Planning Problems Can A Relational Neural Network Solve? [91.53684831950612]
  本稿では,計画問題のポリシーを表すリレーショナルニューラルネットワークの回路複雑性解析について述べる。 回路幅と深さの増大に関して,計画問題には3つの一般的なクラスが存在することを示す。 また、政策学習のためのニューラルネットワーク設計におけるこの分析の有用性についても解説する。
  論文  参考訳（メタデータ） (2023-12-06T18:47:28Z)
• Expressive variational quantum circuits provide inherent privacy in federated learning [2.3255115473995134]
  フェデレーション学習は、中央アグリゲータとデータを共有する必要なく、機械学習モデルをトレーニングするための実行可能なソリューションとして登場した。 標準的なニューラルネットワークベースのフェデレーション学習モデルは、サーバと共有される勾配からデータ漏洩の影響を受けやすいことが示されている。 表現的マップは、勾配反転攻撃に対する固有のプライバシーにつながることを示す。
  論文  参考訳（メタデータ） (2023-09-22T17:04:50Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Quantum HyperNetworks: Training Binary Neural Networks in Quantum Superposition [16.1356415877484]
  量子コンピュータ上でバイナリニューラルネットワークをトレーニングするメカニズムとして量子ハイパーネットを導入する。 提案手法は, 最適パラメータ, ハイパーパラメータ, アーキテクチャ選択を, 分類問題に対する高い確率で効果的に発見できることを示す。 私たちの統合されたアプローチは、機械学習の分野における他のアプリケーションにとって大きなスコープを提供します。
  論文  参考訳（メタデータ） (2023-01-19T20:06:48Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Quantum bandit with amplitude amplification exploration in an adversarial environment [9.563657204041682]
  本稿では,学習適応型オフロード問題に対する量子インスパイアされた帯域幅学習手法を提案する。 量子理論における振幅増幅と崩壊によって引き起こされる新しい行動更新戦略と新しい確率的行動選択が採用されている。 提案アルゴリズムは、設計したマッピングにより、好ましくない動作に対する学習重量調整を改善するために一般化される。
  論文  参考訳（メタデータ） (2022-08-15T12:40:34Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
  本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。 異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。 出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
  論文  参考訳（メタデータ） (2022-03-29T21:18:47Z)
• New quantum neural network designs [0.0]
  本稿では,新しい量子ニューラルネットワークの設計性能について検討する。 我々は特徴マップと変分回路を1つのパラメータ化回路にマージする新しい手法を開発した。 損失の低減、精度の向上、収束の高速化を実現しています。
  論文  参考訳（メタデータ） (2022-03-12T10:20:14Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)

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。