論文の概要: Finding Optimal Pathways in Chemical Reaction Networks Using Ising
Machines
- arxiv url: http://arxiv.org/abs/2308.04544v1
- Date: Tue, 8 Aug 2023 19:22:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 16:11:43.455990
- Title: Finding Optimal Pathways in Chemical Reaction Networks Using Ising
Machines
- Title（参考訳）: イジングマシンを用いた化学反応ネットワークにおける最適経路の探索
- Authors: Yuta Mizuno and Tamiki Komatsuzaki
- Abstract要約: 化学反応ネットワークにおける最適経路の発見は、化学プロセスの解明と設計に不可欠である。
爆発により、最適な経路を見つけるのに必要な時間は、ネットワークサイズとともに指数関数的に増加する。
化学経路フィニング問題に対する最初のIsing/Quantum計算応用について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Finding optimal pathways in chemical reaction networks is essential for
elucidating and designing chemical processes, with significant applications
such as synthesis planning and metabolic pathway analysis. Such a chemical
pathway-finding problem can be formulated as a constrained combinatorial
optimization problem, aiming to find an optimal combination of chemical
reactions connecting starting materials to target materials in a given network.
Due to combinatorial explosion, the computation time required to find an
optimal pathway increases exponentially with the network size. Ising machines,
including quantum and simulated annealing devices, are promising novel
computers dedicated to such hard combinatorial optimization. However, to the
best of our knowledge, there has yet to be an attempt to apply Ising machines
to chemical pathway-finding problems. In this article, we present the first
Ising/quantum computing application for chemical pathway-finding problems. The
Ising model, translated from a chemical pathway-finding problem, involves
several types of penalty terms for violating constraints. It is not obvious how
to set appropriate penalty strengths of different types. To address this
challenge, we employ Bayesian optimization for parameter tuning. Furthermore,
we introduce a novel technique that enhances tuning performance by grouping
penalty terms according to the underlying problem structure. The performance
evaluation and analysis of the proposed algorithm were conducted using a D-Wave
Advantage system and simulated annealing. The benchmark results reveal
challenges in finding exact optimal pathways. Concurrently, the results
indicate the feasibility of finding approximate optimal pathways, provided that
a certain degree of relative error in cost value is acceptable.
- Abstract（参考訳）: 化学反応ネットワークにおける最適経路の発見は化学プロセスの解明と設計に不可欠であり、合成計画や代謝経路解析などの重要な応用がある。
このような化学経路探索問題は制約付き組合せ最適化問題として定式化することができ、出発物質とターゲット物質を所定のネットワーク内で接続する化学反応の最適な組み合わせを見つけることを目的としている。
組合せ爆発により、最適な経路を見つけるのに必要な計算時間はネットワークサイズによって指数関数的に増加する。
量子アニーリングデバイスやシミュレーションアニーリングデバイスを含むイジングマシンは、このようなハードコンビネーション最適化に特化した新しいコンピュータを約束している。
しかしながら、我々の知る限りでは、化学経路探索問題にイジングマシンを適用する試みはまだない。
本稿では,化学経路探索問題に対する最初の ising/quantum 計算応用について述べる。
化学経路フィニング問題から翻訳されたIsingモデルは、制約に違反するいくつかの種類のペナルティ項を含む。
異なるタイプの適切なペナルティ強度を設定する方法が明確ではない。
この課題に対処するために,パラメータチューニングにベイズ最適化を用いる。
さらに,基礎となる問題構造に応じてペナルティ項をグループ化し,チューニング性能を向上させる手法を提案する。
提案アルゴリズムの性能評価と解析は,D-Wave Advantageシステムとシミュレートアニーリングを用いて行った。
ベンチマークの結果,最適な経路を見つける上での課題が明らかになった。
同時に, コスト値の相対誤差がある程度許容できることを示すことにより, 最適経路の探索の可能性を示す。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - Exploring the Potential of Qutrits for Quantum Optimization of Graph
Coloring [0.0]
Qutritsは、短期デバイス上のいくつかの問題を解決するのに役立つかもしれない。
我々はPennyLaneを用いてノイズレスシミュレーションを行い、量子ビットベースのQAOAに対する定式化を比較する。
この研究は、クォートリットが近距離デバイス上のいくつかの問題を解決するのに有用であることを示しているが、ノイズの多い環境におけるその可能性を評価するにはさらなる作業が必要であることを示唆している。
論文 参考訳（メタデータ） (2023-08-15T21:31:37Z) - Molecular Symmetry in VQE: A Dual Approach for Trapped-Ion Simulations
of Benzene [0.2624902795082451]
変分量子固有解法(VQE)アルゴリズムと適切なアンサッツの併用による短期戦略のヒンジ。
我々は、複雑な化学シミュレーションの実現可能性を高めるために、トラップイオン量子デバイスに適したいくつかの回路最適化手法を用いる。
これらの手法はベンゼン分子シミュレーションに適用され、69個の2量子エンタングリング演算を持つ8量子回路の構築を可能にした。
論文 参考訳（メタデータ） (2023-08-01T17:03:10Z) - Optimization of chemical mixers design via tensor trains and quantum
computing [0.0]
流体のY字型ミキサーに着目した部品形状最適化のための新しい最適化手法である列車最適化(TetraOpt)を実証する。
高い並列化とより広範なグローバル検索のため、TetraOptは精度と実行時のベイズ最適化技術に優れる。
このアプローチの量子コンピューティングへの拡張について論じるが、これはより効率的なアプローチをもたらす可能性がある。
論文 参考訳（メタデータ） (2023-04-24T17:56:56Z) - Mixed formulation of physics-informed neural networks for
thermo-mechanically coupled systems and heterogeneous domains [0.0]
物理インフォームドニューラルネットワーク(PINN)は境界値問題を解決するための新しいツールである。
近年の研究では、多くの工学的問題に対して損失関数を設計する際には、一階微分を使い、強い形式と弱い形式の方程式を組み合わせることにより、はるかに精度が向上することが示されている。
本研究では,多物理問題,特に定常熱力学的に結合した方程式系を解くために混合定式化を適用することを提案する。
論文 参考訳（メタデータ） (2023-02-09T21:56:59Z) - Constructing Optimal Contraction Trees for Tensor Network Quantum
Circuit Simulation [1.2704529528199062]
量子回路シミュレーションにおける重要な問題の1つは、縮退木の構築である。
本稿では,最適な縮尺木を構築するための新しい時間アルゴリズムを提案する。
提案手法は、試験された量子回路の大部分において、優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2022-09-07T02:50:30Z) - Simulation Paths for Quantum Circuit Simulation with Decision Diagrams [72.03286471602073]
決定図を用いて量子回路をシミュレートする際に選択される経路の重要性について検討する。
我々は、専用のシミュレーションパスを調査できるオープンソースのフレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-01T19:00:11Z) - 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) - Retro*: Learning Retrosynthetic Planning with Neural Guided A* Search [83.22850633478302]
反合成計画(retrosynthetic planning)は、ターゲット生成物の合成に繋がる一連の反応を特定する。
既存の手法では、高いばらつきを持つロールアウトによる高価なリターン推定が必要か、品質よりも探索速度を最適化する必要がある。
本稿では,高品質な合成経路を効率よく見つけるニューラルネットワークA*ライクなアルゴリズムRetro*を提案する。
論文 参考訳（メタデータ） (2020-06-29T05:53:33Z) - 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。