論文の概要: Quantum optimization of coherent chaotic systems: A case for buses of Kathmandu

• arxiv url: http://arxiv.org/abs/2311.13119v1
• Date: Wed, 22 Nov 2023 02:45:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 16:17:11.879017
• Title: Quantum optimization of coherent chaotic systems: A case for buses of Kathmandu
• Title（参考訳）: コヒーレントカオスシステムの量子最適化:カトマンズバスの場合
• Authors: Kiran Adhikari, Aman Ganeju, Iva Kumari Lamichhane, Rohit Bhattarai, Manghang Limbu, Nishma Bhattarai, Christian Deppe
• Abstract要約: 本稿では,カトマンズ市の交通を最適化する現実的な問題を解決するために,新しい量子コンピューティング手法を提案する。 量子シミュレーション,固有値分布,出力波動関数解析などのツールを用いて,このような最適なバス間隔分布を実現することができることを示す。
• 参考スコア（独自算出の注目度）: 8.677511646372086
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose a novel quantum computing approach to solve the real-world problem of optimizing transportation in bustling Kathmandu city. The transportation system in Kathmandu is chaotic, with no central authority controlling the transportation. We leverage this chaotic feature in our quantum optimization procedure. The quantum chaos theory's Wigner-Dyson distribution surfaced as the most effective bus spacing distribution for a bus driver to maximize their profit. We investigate the statistical properties of the buses with real-time GPS bus location data and optimize bus spacing and interval distribution around the 27 km circular ring road in Kathmandu. Using tools like quantum simulation, eigenvalue distributions, and output wave function analysis, we show that such optimal bus spacing distribution could be achieved.
• Abstract（参考訳）: 本稿では,カトマンズ市の交通を最適化する現実的な問題を解決するために,新しい量子コンピューティング手法を提案する。 カスマンドゥの交通システムは混乱しており、交通を管轄する中央機関は存在しない。 このカオス的特徴を量子最適化の手順で活用する。 量子カオス理論のウィグナー・ダイソン分布は、バスドライバーが利益を最大化するために最も効果的なバス間隔分布として浮上した。 リアルタイムgpsバス位置情報を用いたバスの統計特性を調査し,27km環状道路周辺におけるバス間隔と区間分布の最適化を行った。 量子シミュレーション,固有値分布,出力波動関数解析などのツールを用いて,そのような最適バス間隔分布を実現できることを示す。

関連論文リスト

• A Quantum Optimization Algorithm for Optimal Electric Vehicle Charging Station Placement for Intercity Trips [5.188841610098436]
  電気自動車(EV)は輸送システムの持続可能性を高める上で重要な役割を果たしている。 大規模輸送ネットワークにおける最適充電ステーション位置の発見は、よく知られたNPハード最適化問題を示す。 本稿では,このNP-hard問題の解法効率を高めるために,量子探索に基づく最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-21T17:37:38Z)
• Dynamical Measure Transport and Neural PDE Solvers for Sampling [77.38204731939273]
  本研究では, 対象物へのトラクタブル密度関数の移動として, 確率密度からサンプリングする作業に取り組む。 物理インフォームドニューラルネットワーク(PINN)を用いて各偏微分方程式(PDE)の解を近似する。 PINNはシミュレーションと離散化のない最適化を可能にし、非常に効率的に訓練することができる。
  論文  参考訳（メタデータ） (2024-07-10T17:39:50Z)
• Generalized Schrödinger Bridge Matching [54.171931505066]
  一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。 我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。 このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
  論文  参考訳（メタデータ） (2023-10-03T17:42:11Z)
• Entanglement Distribution in Quantum Repeater with Purification and Optimized Buffer Time [53.56179714852967]
  バッファ時間に最適化された量子リピータを用いた絡み合い分布について検討する。 終端ノードにおけるメモリ数の増加は、メモリ当たりの絡み合いの分布率を高めることを観察する。 しかし、不完全な操作を考慮すると、メモリ単位の絡み合いが記憶数の増加とともに減少するという驚くべき観察がなされる。
  論文  参考訳（メタデータ） (2023-05-23T23:23:34Z)
• Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced Urban Mobility [2.1374208474242815]
  一般的な課題は、実際のバス到着時刻と予定された時刻とのミスマッチであり、固定されたスケジュールの混乱につながる。 本研究は,様々な交通機関(駅)におけるバス到着時刻を予測するための,革新的なAIに基づくデータ駆動手法を提案する。 完全に接続されたニューラルネットワークの展開により,公共バスの交通システムの精度と効率が向上する。
  論文  参考訳（メタデータ） (2023-03-27T16:45:22Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Quantum Annealing for Vehicle Routing Problem with weighted Segment [0.0]
  本研究では,道路交通渋滞問題に対するQUBOの定式化について検討した。 道路セグメントの重み付けに基づいて、代替道路車両の流れの分布を最適化して経路選択を行う。 D-Wave量子アニールのシミュレーションは、複数の車両の経路配置について最適な結果を示す。
  論文  参考訳（メタデータ） (2022-03-25T06:38:18Z)
• Neural Optimal Transport [82.2689844201373]
  本稿では、最適な輸送マップを計算し、強力で弱い輸送コストを計画するニューラルネットベースの新しいアルゴリズムを提案する。 ニューラルネットワークが確率分布間の輸送計画の普遍的近似であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T16:24:13Z)
• Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2 Benchmark [133.46066694893318]
  最適輸送のためのニューラルネットワークに基づく解法の性能を評価する。 既存の解法では,下流タスクでは良好に機能するにもかかわらず,最適な輸送マップを復元できないことがわかった。
  論文  参考訳（メタデータ） (2021-06-03T15:59:28Z)
• Semi-Discrete Optimal Transport: Hardness, Regularization and Numerical Solution [8.465228064780748]
  2つの点でサポートされる離散確率測度の間のWasserstein距離の計算が既に#P-hardであることを証明します。 目的関数が最も悪質な外乱分布で滑らかになる分布的に頑健な双対最適輸送問題を導入する。 双対目的関数の平滑化は主目的関数の正則化と等価であることを示す。
  論文  参考訳（メタデータ） (2021-03-10T18:53:59Z)
• Finding the optimal Nash equilibrium in a discrete Rosenthal congestion game using the Quantum Alternating Operator Ansatz [0.0]
  ゲートモデル量子コンピュータを用いて,離散共役ゲームにおいて最適ナッシュ平衡を求める。 本稿では,ゲートモデル量子コンピュータの最適シミュレータ上での解法を実装し,小型の2プレイヤーゲーム上でのトラクタビリティを実証する。
  論文  参考訳（メタデータ） (2020-08-20T00:54:44Z)

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。