論文の概要: Beyond Theory: Evaluating the Practicality of Quantum Optimization Algorithms for Prototypical Industrial Applications

• arxiv url: http://arxiv.org/abs/2311.11621v1
• Date: Mon, 20 Nov 2023 09:09:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 19:31:12.695794
• Title: Beyond Theory: Evaluating the Practicality of Quantum Optimization Algorithms for Prototypical Industrial Applications
• Title（参考訳）: beyond theory:prototypepical industrial applicationsにおける量子最適化アルゴリズムの実用性の評価
• Authors: Matteo Vandelli, Alessandra Lignarolo, Carlo Cavazzoni, Daniele Dragoni
• Abstract要約: この分野における単純化されたモデルの解に対する量子アルゴリズムの適用について検討する。 本稿では,量子近似最適化アルゴリズム(QAOA)と量子断熱アルゴリズム(QAA)をアンテナ配置問題と比較する。
• 参考スコア（独自算出の注目度）: 44.88678858860675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The optimization of the power consumption of antenna networks is a problem with a potential impact in the field of telecommunications. In this work, we investigate the application of quantum algorithms to the solution of a simplified model in this field using a statevector emulator. Specifically, we apply the quantum approximate optimization algorithm (QAOA) and the quantum adiabatic algorithm (QAA) to the antenna placement problem. We compare these two algorithms in terms of solution quality by means of selected evaluation metrics such as the approximation ratio, the probability of the exact solution, and the cumulative probability of cost-effective solutions.We corroborate previous observations that QAA exhibits better performances when arbitrarily deep circuits are allowed, while QAOA performs better at low depths. Both approaches in principle correctly identify the solution to the problem at a sufficiently large depth. However, they suffer from an exponential decrease of the probability of the exact state, as the system size increases. This issue is particularly severe when we include soft constraints in the problem, resulting in an effective full connectivity between the antennas. Our results suggest that the low probability of measuring an acceptable solution is a potential bottleneck in the application of these two algorithms to industrial problems at scales relevant to practical applications.
• Abstract（参考訳）: アンテナネットワークの電力消費の最適化は、電気通信の分野における潜在的な影響の問題である。 本研究では,statevector emulatorを用いて,この分野における単純化モデルの解法に対する量子アルゴリズムの適用について検討する。 具体的には、アンテナ配置問題に対して量子近似最適化アルゴリズム(QAOA)と量子断熱アルゴリズム(QAA)を適用する。 我々は,これら2つのアルゴリズムを近似比,厳密解の確率,コスト効率の高い解の累積確率などの評価指標を用いて,解品質の観点から比較し,qaaが任意に深い回路を許容した場合に優れた性能を示すこと,qaoaは低深さでより優れた性能を示すこと,などについて考察した。 どちらのアプローチも原則として、問題の解を十分に大きな深さで正しく識別する。 しかし、システムのサイズが大きくなるにつれて、正確な状態の確率が指数関数的に減少する。 この問題は、この問題にソフトな制約を加えると特に深刻になり、アンテナ間の完全な接続が効果的になる。 以上の結果から,この2つのアルゴリズムの工業的問題への応用において,適用可能な解を測定できる可能性が低いことが示唆された。

関連論文リスト

• Distributed Quantum Approximate Optimization Algorithm on Integrated High-Performance Computing and Quantum Computing Systems for Large-Scale Optimization [1.7099366779394252]
  量子近似最適化アルゴリズム(QAOA)は、ゲートベースの量子コンピューティングシステムに量子スピードアップを提供することで最適化問題を解決することを約束している。 本稿では,分散QAOA(DQAOA)を提案する。 我々はAL-DQAOAを用いてフォトニック構造を最適化することに成功し、ゲートベースの量子コンピューティングを用いた実世界の最適化問題を解くことは我々の戦略で実現可能であることを示唆した。
  論文  参考訳（メタデータ） (2024-07-29T17:42:25Z)
• Compressed sensing enhanced by quantum approximate optimization algorithm [0.0]
  本稿では,量子サブルーチンを用いた大規模圧縮センシング問題に対処する枠組みを提案する。 本研究は, 量子コンピュータを圧縮センシング分野に適用する有望な方法を探るものである。
  論文  参考訳（メタデータ） (2024-03-26T05:26:51Z)
• A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
  量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。 この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。 我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
  論文  参考訳（メタデータ） (2023-06-15T15:28:12Z)
• Systematic study on the dependence of the warm-start quantum approximate optimization algorithm on approximate solutions [0.0]
  近似解の精度がウォームスタートQAOA(WS-QAOA)の性能に与える影響について検討する。 WS-QAOAは、ハミング距離の観点から、近似解が正確な解に近づくにつれてQAOAを上回る傾向にある。 また、QAOAを介して得られる近似解を用いてWS-QAOAによるMAX-CUT問題を解く。
  論文  参考訳（メタデータ） (2022-09-07T05:26:48Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Quantum constraint learning for quantum approximate optimization algorithm [0.0]
  本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。 学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。 また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
  論文  参考訳（メタデータ） (2021-05-14T11:31:14Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)
• To quantum or not to quantum: towards algorithm selection in near-term quantum optimization [0.0]
  本稿では,QAOAが従来のアルゴリズムよりも有利になる確率の高い問題事例を検出する問題について検討する。 クロスバリデーションの精度は96%以上で、実用的な優位性が得られる。
  論文  参考訳（メタデータ） (2020-01-22T20:42:02Z)

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。