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/2312.13123v3
- Date: Tue, 19 Aug 2025 18:30:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-21 16:52:41.027867
- 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ウィンドファーム内タービンのレイアウト最適化手法の検討
- Authors: James Hancock, Matthew J. Craven, Craig McNeile, Davide Vadacchino,
- Abstract要約: 風力エネルギーは持続可能な電力システムへの移行において重要な役割を担っている。
タービンの最適配置は、複雑なウェイク相互作用のために難しい問題である。
本稿では,Qiskitの量子コンピュータシミュレータ上に実装された変分量子固有解器(VQE)を用いてQUBO問題の解法を検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates Windfarm Layout Optimization (WFLO), where we formulate turbine placement considering wake effects as a Quadratic Unconstrained Binary Optimization (QUBO) problem. Wind energy plays a critical role in the transition toward sustainable power systems, but the optimal placement of turbines remains a challenging combinatorial problem due to complex wake interactions. With recent advances in quantum computing, there is growing interest in exploring whether hybrid quantum-classical methods can provide advantages for such computationally intensive tasks. We investigate solving the resulting QUBO problem using the Variational Quantum Eigensolver (VQE) implemented on Qiskit's quantum computer simulator, employing a quantum noise-free, gate-based circuit model. Three classical optimizers are discussed, with a detailed analysis of the two most effective approaches: Constrained Optimization BY Linear Approximation (COBYLA) and Bayesian Optimization (BO). We compare these simulated quantum results with two established classical optimization methods: Simulated Annealing (SA) and the Gurobi solver. The study focuses on 4$\times$4 grid configurations (requiring 16 qubits), providing insights into near-term quantum algorithm applicability for renewable energy optimization.
- Abstract（参考訳）: 本稿では,Wundfarm Layout Optimization (WFLO) について検討する。そこでは,覚醒効果を考慮したタービン配置を擬似非拘束バイナリ最適化 (QUBO) 問題として定式化する。
風力エネルギーは持続可能な電力システムへの移行において重要な役割を担っているが、タービンの最適配置は複雑なウェイク相互作用のために難しい組合せ問題のままである。
量子コンピューティングの最近の進歩により、ハイブリッド量子古典的手法がそのような計算集約的なタスクに利点をもたらすかどうかを探求することへの関心が高まっている。
本稿では,Qiskitの量子計算機シミュレータ上に実装された変分量子固有解法(VQE)を用いて,量子ノイズフリーゲートベース回路モデルを用いてQUBO問題を解く。
線形近似による制約付き最適化 (COBYLA) とベイズ最適化 (BO) の2つの最も効果的なアプローチを詳細に分析した。
我々は、これらのシミュレーションされた量子結果と、2つの確立された古典最適化手法、Simulated Annealing (SA) とGurobi solverを比較した。
この研究は、4$\times$4グリッド構成(16キュービットの要求)に焦点を当て、再生可能エネルギー最適化のための短期量子アルゴリズムの適用性に関する洞察を提供する。
関連論文リスト
- Gaussian boson sampling for binary optimization [0.0]
本稿では,2値最適化問題に対処するために,しきい値検出器を備えたパラメトリゼーションガウスボソンサンプリング(GBS)を提案する。
3SATおよびグラフ問題に関する数値実験は、ランダムな推測よりも顕著な性能向上を示した。
論文 参考訳（メタデータ） (2024-12-19T12:12:22Z) - 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。
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。