Fugu-MT 論文翻訳(概要): Investigating techniques to optimise the layout of turbines in a windfarm using a quantum computer

論文の概要: Investigating techniques to optimise the layout of turbines in a windfarm using a quantum computer

arxiv url: http://arxiv.org/abs/2312.13123v2
Date: Thu, 8 Feb 2024 16:38:52 GMT
ステータス: 処理完了
システム内更新日: 2024-02-09 18:33:01.801269
Title: Investigating techniques to optimise the layout of turbines in a windfarm using a quantum computer
Title（参考訳）: 量子コンピュータを用いた風力発電機におけるタービン配置最適化手法の検討
Authors: James Hancock, Matthew J. Craven, Craig McNeile, Davide Vadacchino
Abstract要約: 本研究では, 風洞内における風力タービンの最適配置について検討し, システムを擬似非拘束二項最適化問題にマッピングすることによって発生する電力を最大化する。本稿では,量子計算機シミュレータ上での変分量子固有解法(VQE)によるQUBO問題の解法を検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the optimal placement of wind turbines within a windfarm to maximize the power produced by mapping the system to a Quadratic Unconstrained Binary Optimisation (QUBO) problem. We investigate solving the resulting QUBO problem using the Variational Quantum Eigensolver (VQE) on a quantum computer simulator and compare the results to those from two classical optimisation methods: simulated annealing and the Gurobi solver. The maximum grid size we study is 4 $\times$ 4, which requires 16 qubits.
Abstract（参考訳）: 風力発電機内の風力タービンの最適配置について検討し,二次連立最適化問題 (qubo) に対するシステムマッピングによる電力の最大化について検討した。量子計算機シミュレータ上での変分量子固有解法 (vqe) を用いたqubo問題の解法について検討し, 古典的最適化法であるシミュレートアニーリング法とグロビ解法との比較を行った。調査した最大グリッドサイズは4$\times$ 4で、16キュービットが必要です。

関連論文リスト

Increasing the Hardness of Posiform Planting Using Random QUBOs for Programmable Quantum Annealer Benchmarking [1.6385815610837167]
我々は,多数の小さな離散係数スピングラスイジングモデルを融合させることにより,ポジフォーム植込みQUBOを計算的に困難にすることを検討する。 3つのD-Wave超伝導量子アニーリングプロセッサの性能をベンチマークする。 D-Wave QPUの地中サンプリング成功率は、我々が採用するランダムQUBOのサイズに対して変化しないことがわかった。
論文参考訳（メタデータ） (2024-11-06T02:46:33Z)
Feedback-Based Quantum Algorithm for Constrained Optimization Problems [0.6554326244334868]
問題の解を基底状態としてエンコードする新しい演算子を導入する。提案アルゴリズムは,量子回路の深さを小さくすることで,計算資源を節約できることを示す。
論文参考訳（メタデータ） (2024-06-12T12:58:43Z)
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)
Guess What Quantum Computing Can Do for Test Case Optimization [43.89456212504871]
近い将来、量子近似最適化アルゴリズム(QAOAs)は最適化問題を解く大きな可能性を秘めている。本稿では,QAOA問題としてソフトウェアテストケース最適化問題を定式化し,量子コンピュータシミュレータ上での解法を提案する。近年は利用できない多くのキュービットを必要とするより大きなテスト最適化問題を解決するため、QAOAと問題分解戦略を統合する。
論文参考訳（メタデータ） (2023-12-24T21:25:31Z)
Gaussian Boson Sampling for binary optimization [0.0]
本研究では,条件付き値-リスクコスト関数を用いた変分量子固有解法を用いる。ランダムに生成されたインスタンス上で数値シミュレーションを行うことで、原理の証明を行う。
論文参考訳（メタデータ） (2023-12-12T13:00:55Z)
Efficient DCQO Algorithm within the Impulse Regime for Portfolio Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文参考訳（メタデータ） (2023-08-29T17:53:08Z)
Phase-Binarized Spintronic Oscillators for Combinatorial Optimization, and Comparison with Alternative Classical and Quantum Methods [0.04660328753262073]
アイシングコンピューティングではPBOが提案されており、様々なデバイス技術を用いてPBOを実験的に実装している。このようなPBOを実装し, 4ノード重み付きグラフ上でのNP-Hard問題MaxCutを解くために, 4つの双極子結合型一様モードスピンホールナノ発振器(SHNO)のアレイを使用できることを示す。
論文参考訳（メタデータ） (2023-06-26T09:04:03Z)
Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization [44.96576908957141]
本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
論文参考訳（メタデータ） (2022-03-23T18:00:03Z)
Filtering variational quantum algorithms for combinatorial optimization [0.0]
本稿では、フィルタ演算子を用いて最適解への高速で信頼性の高い収束を実現する変分量子固有解法(F-VQE)を提案する。また、量子コンピュータに必要な量子ビット数を減らすために因果錐を用いる方法についても検討する。
論文参考訳（メタデータ） (2021-06-18T11:07:33Z)
Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文参考訳（メタデータ） (2021-05-06T02:22:23Z)
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)

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。