論文の概要: Evaluating the Practicality of Quantum Optimization Algorithms for
Prototypical Industrial Applications
- arxiv url: http://arxiv.org/abs/2311.11621v2
- Date: Thu, 22 Feb 2024 11:15:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-23 18:23:22.864118
- Title: Evaluating the Practicality of Quantum Optimization Algorithms for
Prototypical Industrial Applications
- Title（参考訳）: 先駆的産業応用のための量子最適化アルゴリズムの実用性評価
- Authors: Matteo Vandelli, Alessandra Lignarolo, Carlo Cavazzoni, Daniele
Dragoni
- Abstract要約: 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) の応用について検討する。
我々は,これらの2つのアルゴリズムの性能を,選択した評価指標を用いて,ソリューションの品質の観点から比較する。
- 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 the quantum approximate optimization algorithm
(QAOA) and the quantum adiabatic algorithm (QAA), to the solution of a
prototypical model in this field. We use statevector emulation in a
high-performance computing environment to compare the performance of these two
algorithms in terms of solution quality, using selected evaluation metrics. We
estimate the circuit depth scaling with the problem size while maintaining a
certain level of solution quality, and we extend our analysis up to 31 qubits,
which is rarely addressed in the literature. Our calculations show that as the
problem size increases, the probability of measuring the exact solution
decreases exponentially for both algorithms. This issue is particularly severe
when we include constraints in the problem, resulting in full connectivity
between the sites. Nonetheless, we observe that the cumulative probability of
measuring solutions close to the optimal one remains high also for the largest
instances considered in this work. Our findings keep the way open to the
application of these algorithms, or variants thereof, to generate suboptimal
solutions at scales relevant to industrial use-cases.
- 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,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) の,この分野の原型モデルに対する応用について検討する。
我々は,高性能計算機環境においてstatevectorエミュレーションを用いて,選択した評価指標を用いて,この2つのアルゴリズムの性能を比較する。
我々は,あるレベルのソリューション品質を維持しつつ,問題サイズの回路奥行きスケーリングを推定し,その解析を31キュービットまで拡張する。
計算の結果,問題の大きさが大きくなるにつれて,両アルゴリズムの精度は指数関数的に低下することがわかった。
この問題は、問題に制約を加え、サイト間の完全な接続を実現する場合、特に深刻です。
それにもかかわらず、本研究で考えられる最大の事例についても、最適解に近い解を計測する累積確率は高いままである。
本研究は,これらのアルゴリズム,あるいはその変種を応用して,産業用ユースケースに関連するスケールで最適でない解を生成する方法を提供し続けている。
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。