論文の概要: Optimisation of Active Space Debris Removal Missions With Multiple Targets Using Quantum Annealing

• arxiv url: http://arxiv.org/abs/2311.01852v1
• Date: Fri, 3 Nov 2023 11:35:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-06 14:22:12.417571
• Title: Optimisation of Active Space Debris Removal Missions With Multiple Targets Using Quantum Annealing
• Title（参考訳）: 量子アニーリングを用いた複数ターゲットによるアクティブ宇宙ゴミ除去ミッションの最適化
• Authors: Thomas Swain
• Abstract要約: 複数の物体を対象とするアクティブデブリ除去ミッションの解析戦略について述べる。 代数的手法は、特定のデブリ間移動および廃棄方法に関する軌道力学をうまく還元する。 ミッションで使用される全推進剤を最小化するために、二次的制約のないバイナリ最適化問題の定式化が使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A strategy for the analysis of active debris removal missions targeting multiple objects from a set of objects in near-circular orbit with similar inclination is presented. Algebraic techniques successfully reduce the orbital mechanics regarding specific inter-debris transfer and disposal methods to simple computations, which can be used as the coefficients of a quadratic unconstrained binary optimisation (QUBO) problem formulation which minimises the total propellant used in the mission whilst allowing for servicing time and meeting the mission deadline. The QUBO is validated by solving artificial small problems (from 2 to 11 debris) using classical computational methods and the weaknesses in using these methods are examined prior to solution using quantum annealing hardware. The quantum processing unit (QPU) and quantum-classical hybrid solvers provided by D-Wave are then used to solve the same small problems, with attention paid to evident strengths and weaknesses of each approach. Hybrid solvers are found to be significantly more effective at solving larger problems. Finally, the hybrid method is used to solve a large problem using a real dataset. From a set of 79 debris objects resulting from the destruction of the Kosmos-1408 satellite, an active debris removal mission starting on 30 September 2023 targeting 5 debris objects for disposal within a year with 20 days servicing time per object is successfully planned. This plan calculates the total propellant cost of transfer and disposal to be 0.87km/s and would be complete well within the deadline at 241 days from the start date. This problem uses 6,478 binary variables in total and is solved using around 25s of QPU access time.
• Abstract（参考訳）: 類似の傾斜を持つ近周軌道上の物体の集合から複数の物体を対象とするアクティブデブリ除去ミッションの解析戦略を示す。 代数的手法は、特定の振子間移動と廃棄方法に関する軌道力学を単純な計算に還元することに成功し、これは2次非拘束バイナリ最適化(QUBO)問題の定式化の係数として利用でき、ミッションで使用される全推進剤を最小限に抑え、ミッションの期限に間に合わせることができる。 QUBOは、古典的な計算手法を用いて人工的な小さな問題(2～11個の破片)を解くことで検証され、これらの手法を用いる際の弱点を量子アニールハードウェアを用いて解に先立って検討する。 量子処理ユニット(QPU)とD-Waveが提供する量子古典ハイブリッドソルバは同じ小さな問題を解くために使われ、それぞれのアプローチの強みと弱点に注意が払われる。 ハイブリッドソルバは、より大きな問題を解決するのに非常に効果的であることが分かる。 最後に、ハイブリット法は実際のデータセットを用いて大きな問題を解決するために用いられる。 コスモス1408衛星の破壊によって引き起こされた79個の破片から、2023年9月30日に始まったアクティブな破片除去ミッションは、20日間の処理時間で1年以内に5個の破片を処分する。 この計画は、転送と廃棄の総推進コストを0.87km/sと計算し、開始日から241日以内に納期内に十分に完了する。 この問題は6,478のバイナリ変数を使用し、約25秒のQPUアクセス時間を用いて解決される。

関連論文リスト

• Quantum Algorithms for Drone Mission Planning [0.0]
  ミッションプランニングはしばしば、一連のミッション目標を達成するためにISR(Intelligence, Surveillance and Reconnaissance)資産の使用を最適化する。 このような解を見つけることはNP-Hard問題であり、古典的なコンピュータでは効率的に解けないことが多い。 我々は、現在の古典的手法に対してスピードアップを提供する可能性のある、短期量子アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2024-09-27T10:58:25Z)
• Localizing Task Information for Improved Model Merging and Compression [61.16012721460561]
  我々は,各タスクの重み付けが重なり合わないことが多いため,各タスクがマージされた後も,各タスクの解決に必要な情報が保存されていることを示す。 本稿では,そのような重みを排除し,既存のモデルマージ手法の一般的な性能を改善するアルゴリズムであるConsensus Mergingを提案する。
  論文  参考訳（メタデータ） (2024-05-13T14:54:37Z)
• Quantum Optimization Methods for Satellite Mission Planning [0.3252295747842729]
  軌道上の衛星の増大は、それらを効率的に運用する必要性を浮き彫りにしている。 現在の古典的アルゴリズムは、大域的な最適化を見つけられなかったり、実行するのに時間がかかりすぎたりすることが多い。 ここでは、量子コンピューティングの観点からこの問題にアプローチし、有望な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-04-08T13:36:29Z)
• Quantum algorithms applied to satellite mission planning for Earth observation [0.0]
  本稿では,衛星計画問題の解法として,量子アルゴリズムのセットを紹介する。 この問題は、実際のデータセットで完了した高優先度タスクの数を最大化するものとして定式化されている。 ハイブリッド化量子強化学習エージェントは、高優先度タスクに対して98.5%の完了率を達成することができる。
  論文  参考訳（メタデータ） (2023-02-14T16:49:25Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。 提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2022-05-24T03:49:10Z)
• 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)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• GEO satellites on-orbit repairing mission planning with mission deadline constraint using a large neighborhood search-genetic algorithm [2.106508530625051]
  本稿では,多対多の軌道修正ミッション計画のための大規模近傍探索適応型遺伝的アルゴリズム(LNS-AGA)を提案する。 多くの軌道上の修理シナリオでは、いくつかのサーベイリング宇宙船とターゲット衛星がGEO軌道にあり、RAANと真の異常がある。 ミッションの目的は、すべての衛星が修理された全ての衛星の総コストを最小化するために、すべての衛星の最適なサービスシーケンスと軌道ランデブー時間を見つけることである。
  論文  参考訳（メタデータ） (2021-10-08T03:33:37Z)
• A Maximum Independent Set Method for Scheduling Earth Observing Satellite Constellations [41.013477422930755]
  本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。 光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
  論文  参考訳（メタデータ） (2020-08-15T19:32:21Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)

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。