Fugu-MT 論文翻訳(概要): Hybrid Algorithm of Linear Programming Relaxation and Quantum Annealing

論文の概要: Hybrid Algorithm of Linear Programming Relaxation and Quantum Annealing

arxiv url: http://arxiv.org/abs/2308.10765v1
Date: Mon, 21 Aug 2023 14:53:43 GMT
ステータス: 処理完了
システム内更新日: 2023-08-22 13:10:29.569109
Title: Hybrid Algorithm of Linear Programming Relaxation and Quantum Annealing
Title（参考訳）: 線形計画緩和と量子アニーリングのハイブリッドアルゴリズム
Authors: Taisei Takabayashi, Masayuki Ohzeki
Abstract要約: 1つのアプローチは、古典的アルゴリズムを用いて近似解を取得し、量子アニール(QA)を用いてそれを精製することである。本稿では,リニアプログラミング(LP)緩和と呼ばれる単純な連続緩和手法を用いる手法を提案する。
参考スコア（独自算出の注目度）: 0.6526824510982802
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The demand for classical-quantum hybrid algorithms to solve large-scale combinatorial optimization problems using quantum annealing (QA) has increased. One approach involves obtaining an approximate solution using classical algorithms and refining it using QA. In previous studies, such variables were determined using molecular dynamics (MD) as a continuous optimization method. We propose a method that uses the simple continuous relaxation technique called linear programming (LP) relaxation. Our method demonstrated superiority through comparative experiments with the minimum vertex cover problem versus the previous MD-based approach. Furthermore, the hybrid approach of LP relaxation and simulated annealing showed advantages in accuracy and speed compared to solving with simulated annealing alone.
Abstract（参考訳）: 量子アニール(QA)を用いた大規模組合せ最適化問題に対する古典量子ハイブリッドアルゴリズムの需要が高まっている。 1つのアプローチは、古典的アルゴリズムを用いて近似解を取得し、QAを用いてそれを精製することである。これまでの研究では、分子動力学(md)を連続最適化法として用いた。本稿では,リニアプログラミング(LP)緩和と呼ばれるシンプルな連続緩和手法を提案する。提案手法は, 従来のMD法と比較して, 最小頂点被覆問題を用いた比較実験により優位性を示した。さらに,LP緩和とシミュレートアニールのハイブリッドアプローチは,シミュレートアニール単独による解法と比較して,精度と速度の優位性を示した。

関連論文リスト

Hybrid Quantum-HPC Solutions for Max-Cut: Bridging Classical and Quantum Algorithms [0.0]
我々は,ハイブリッドシステムにおける時間的複雑性,スケーラビリティ,通信オーバーヘッドを分析する理論的モデルを構築した。小型のMax-Cutインスタンス上でのQAOAの性能を評価する。
論文参考訳（メタデータ） (2024-10-21T04:10:54Z)
A Simulation-Free Deep Learning Approach to Stochastic Optimal Control [12.699529713351287]
最適制御(SOC)における一般問題の解法のためのシミュレーションフリーアルゴリズムを提案する。既存の手法とは異なり、我々の手法は随伴問題の解を必要としない。
論文参考訳（メタデータ） (2024-10-07T16:16:53Z)
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)
An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
Linear combination of Hamiltonian simulation for nonunitary dynamics with optimal state preparation cost [8.181184006712785]
ハミルトンシミュレーション問題の線形結合として,非単位力学の一般クラスをシミュレーションする簡単な方法を提案する。また,全てのパラメータにほぼ最適に依存した複素吸収ポテンシャル法によるオープン量子力学シミュレーションの応用を実証した。
論文参考訳（メタデータ） (2023-03-02T07:37:54Z)
A conditional gradient homotopy method with applications to Semidefinite Programming [1.6369790794838281]
ホモトピーに基づく条件勾配法による凸最適化問題の解法。我々の理論的複雑さは、最先端のSDPに直面すると競合し、安価なプロジェクションフリーの決定的な利点がある。
論文参考訳（メタデータ） (2022-07-07T05:48:27Z)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)
A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文参考訳（メタデータ） (2020-06-23T01:34:18Z)
IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文参考訳（メタデータ） (2020-06-11T18:49:06Z)
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)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。