論文の概要: Post-processing variational quantum algorithm for constrained combinatorial optimization problems

• arxiv url: http://arxiv.org/abs/2309.08120v1
• Date: Fri, 15 Sep 2023 03:09:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-18 16:12:25.780179
• Title: Post-processing variational quantum algorithm for constrained combinatorial optimization problems
• Title（参考訳）: 制約付き組合せ最適化問題に対する後処理変分量子アルゴリズム
• Authors: Tatsuhiko Shirai, Nozomu Togawa
• Abstract要約: 制約付き最適化問題(COP)を解決するための後処理変分量子アルゴリズム(pVQA)を提案する。 pVQAは従来の量子アルゴリズムよりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 7.569303425931443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose post-processing variational quantum algorithm (pVQA) for solving constrained combinatorial optimization problems (COPs). COPs are typically transformed into ground-state search problems of the Ising model on a quantum annealer or gate-type quantum device. Variational quantum algorithms are used to find an annealing path that leads to the grand state in a short amount of time. Post-processing techniques convert the output solutions of the quantum devices to satisfy the constraints of the COPs. pVQA combines the variational quantum algorithm and the post-processing technique. We apply it to two constrained NP-hard COPs: the graph partitioning problem and the quadratic knapsack problem. pVQA on a simulator shows that a small number of variational parameters is sufficient to achieve an optimal performance within a predetermined operation time. Then building upon the simulator results, we implement pVQA on a quantum annealer and a gate-type quantum device. pVQA exhibits a superior performance compared with conventional quantum algorithms.
• Abstract（参考訳）: 本稿では,制約付き組合せ最適化問題(COP)を解決するための後処理変分量子アルゴリズム(pVQA)を提案する。 一般的に、COPは量子アニールまたはゲート型量子デバイス上のイジングモデルの基底状態探索問題に変換される。 変分量子アルゴリズムは、短時間でグランドステートにつながるアニーリングパスを見つけるために用いられる。 後処理技術は、量子デバイスの出力解をCOPの制約を満たすように変換する。 pVQAは変分量子アルゴリズムと後処理技術を組み合わせたものである。 グラフ分割問題と二次クナップサック問題という2つの制約付きNPハード型COPに適用する。 シミュレータ上のpVQAは,所定演算時間内に最適な性能を達成するのに,少数の変動パラメータが十分であることを示す。 次に,シミュレーション結果に基づいて,量子アニールとゲート型量子デバイス上にpVQAを実装した。 pVQAは従来の量子アルゴリズムよりも優れた性能を示す。

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)
• Trainable Variational Quantum-Multiblock ADMM Algorithm for Generation Scheduling [0.0]
  本稿では、量子コンピューティング、機械学習、分散最適化による生成スケジューリングのための2ループ量子解アルゴリズムを提案する。 この目的は、実用的な電力系統の問題を解決するために、限られた量子ビット数を持つ短期量子機械の雑音を緩和することである。
  論文  参考訳（メタデータ） (2023-03-28T21:31:39Z)
• A Quantum Approach for Stochastic Constrained Binary Optimization [2.6803492658436032]
  量子ベースのアルゴリズムは、難しい問題に対する高品質な解を生成することが示されている。 この研究は、二進二乗制約プログラムに対処する量子ベクトルを提示する。 この手法は二重分解に基づいて構築され、規則的に修正された標準VQEタスクの順序を解く必要がある。
  論文  参考訳（メタデータ） (2023-01-04T04:24:26Z)
• Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement and measurement reduction [77.97248520278123]
  本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。 QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
  論文  参考訳（メタデータ） (2022-09-26T06:51:20Z)
• Parameter-Parallel Distributed Variational Quantum Algorithm [7.255056332088222]
  変分量子アルゴリズム(VQA)は、ノイズの多いデバイス上での実用的な量子優位性を探究するための有望な短期的手法として登場した。 本稿では,パラメータ並列分散変動量子アルゴリズム(PPD-VQA)を提案する。 この結果から,PSD-VQAは大規模実ワードアプリケーションを扱うために複数の量子プロセッサをコーディネートする実用的なソリューションを提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-07-31T15:09:12Z)
• 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)
• Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
  3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。 本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。 提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
  論文  参考訳（メタデータ） (2021-07-08T17:59:55Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• 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)
• Multi-block ADMM Heuristics for Mixed-Binary Optimization on Classical and Quantum Computers [3.04585143845864]
  本稿では,2次最適化問題に対する現行手法の適用性を高めるために,分解に基づくアプローチを提案する。 我々は、乗算器の交互方向法(ADMM)が、MBOを二項制約のない問題(量子アルゴリズムで解ける)に分割できることを示した。 提案手法の有効性は,Qiskit で実装された量子回路上での VQE と QAOA を用いたシミュレーションにより,いくつかの最適化問題に対して得られた数値結果によって示される。
  論文  参考訳（メタデータ） (2020-01-07T14:43:13Z)

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。