論文の概要: ILP-based Resource Optimization Realized by Quantum Annealing for Optical Wide-area Communication Networks -- A Framework for Solving Combinatorial Problems of a Real-world Application by Quantum Annealing

• arxiv url: http://arxiv.org/abs/2401.00826v2
• Date: Mon, 20 May 2024 13:43:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 23:40:18.947311
• Title: ILP-based Resource Optimization Realized by Quantum Annealing for Optical Wide-area Communication Networks -- A Framework for Solving Combinatorial Problems of a Real-world Application by Quantum Annealing
• Title（参考訳）: 光ワイドエリア通信ネットワークのための量子アニーリングにより実現したILPベースの資源最適化 -量子アニーリングによる実世界のアプリケーションにおける組合せ問題を解くためのフレームワーク
• Authors: Arthur Witt, Jangho Kim, Christopher Körber, Thomas Luu,
• Abstract要約: 近年の研究では、D-Wave AdvantageTM量子アニールシステムに組み込むことができる2次非拘束二元最適化(QUBO)問題として、そのような問題をいかに実装できるかを実証した。 本稿では、システムパラメータの最適化に関する調査と、ソリューションの品質をさらに向上させるために機械学習(ML)技術をどのように取り入れているかについて報告する。 我々は、このNNを単純な整数線形プログラミング(ILP)の例で実装し、D-Waveが取得しなかった解空間をNNが完全にマッピングする方法を実証した。
• 参考スコア（独自算出の注目度）: 5.924780594614675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Resource allocation of wide-area internet networks is inherently a combinatorial optimization problem that if solved quickly, could provide near real-time adaptive control of internet-protocol traffic ensuring increased network efficacy and robustness, while minimizing energy requirements coming from power-hungry transceivers. In recent works we demonstrated how such a problem could be cast as a quadratic unconstrained binary optimization (QUBO) problem that can be embedded onto the D-Wave AdvantageTM quantum annealer system, demonstrating proof of principle. Our initial studies left open the possibility for improvement of D-Wave solutions via judicious choices of system run parameters. Here we report on our investigations for optimizing these system parameters, and how we incorporate machine learning (ML) techniques to further improve on the quality of solutions. In particular, we use the Hamming distance to investigate correlations between various system-run parameters and solution vectors. We then apply a decision tree neural network (NN) to learn these correlations, with the goal of using the neural network to provide further guesses to solution vectors. We successfully implement this NN in a simple integer linear programming (ILP) example, demonstrating how the NN can fully map out the solution space that was not captured by D-Wave. We find, however, for the 3-node network problem the NN is not able to enhance the quality of space of solutions.
• Abstract（参考訳）: 広域インターネットネットワークのリソース割り当ては、本質的には組合せ最適化の問題であり、高速に解決すれば、ネットワークの有効性とロバスト性を高めるとともに、電力供給トランシーバからのエネルギー要求を最小限に抑えながら、インターネットプロトコールトラフィックのほぼリアルタイムな適応制御を提供できる。 近年の研究では、D-Wave AdvantageTM量子アニールシステムに組み込むことができる2次非拘束二元最適化(QUBO)問題として、そのような問題をいかに実装できるかを実証し、原理実証を行った。 我々の初期の研究は、システム実行パラメータの司法的選択によるD-Waveソリューションの改善の可能性を広げた。 本稿では、これらのシステムのパラメータを最適化するための調査と、ソリューションの品質をさらに向上させるために機械学習(ML)技術をどのように組み込んだかについて報告する。 特に,ハミング距離を用いて,様々なシステム実行パラメータと解ベクトルの相関関係について検討する。 次に、これらの相関関係を学習するために決定木ニューラルネットワーク(NN)を適用し、ニューラルネットワークを使用して解ベクトルにさらなる推測を提供する。 我々は、このNNを単純な整数線形プログラミング(ILP)の例で実装し、D-Waveが取得しなかった解空間をNNが完全にマッピングする方法を実証した。 しかし、3ノードネットワークの問題に対して、NNはソリューションの空間の質を高めることができない。

関連論文リスト

• Resource-Efficient Sensor Fusion via System-Wide Dynamic Gated Neural Networks [16.0018681576301]
  我々はQuantile-Constrained Inference (QIC)と呼ばれる新しいアルゴリズム戦略を提案する。 QICは、上記のシステムのすべての側面について、共同で高品質で迅速な決定を行います。 結果,QICは最適値と一致し,選択肢を80%以上上回っていることを確認した。
  論文  参考訳（メタデータ） (2024-10-22T06:12:04Z)
• Deploying Graph Neural Networks in Wireless Networks: A Link Stability Viewpoint [13.686715722390149]
  グラフニューラルネットワーク(GNN)は、幅広いグラフアプリケーションで有望なパフォーマンスを示している。 無線システムでは、ノード間の通信は通常、無線のフェードと受信機のノイズによりGNNが劣化する。
  論文  参考訳（メタデータ） (2024-05-09T14:37:08Z)
• A hybrid Quantum-Classical Algorithm for Mixed-Integer Optimization in Power Systems [0.0]
  量子コンピュータ(QC)を用いた電力系統最適化問題の解法フレームワークを提案する。 我々の指導的応用は、DC Optimal Power Flowを解くために訓練されたニューラルネットワークの最適送信切替と検証である。
  論文  参考訳（メタデータ） (2024-04-16T16:11:56Z)
• A Stable and Scalable Method for Solving Initial Value PDEs with Neural Networks [52.5899851000193]
  我々は,ネットワークの条件が悪くなるのを防止し,パラメータ数で時間線形に動作するODEベースのIPPソルバを開発した。 このアプローチに基づく現在の手法は2つの重要な問題に悩まされていることを示す。 まず、ODEに従うと、問題の条件付けにおいて制御不能な成長が生じ、最終的に許容できないほど大きな数値誤差が生じる。
  論文  参考訳（メタデータ） (2023-04-28T17:28:18Z)
• Tactile Network Resource Allocation enabled by Quantum Annealing based on ILP Modeling [0.0]
  本稿では,量子コンピューティング(QC)モデルと整数線形プログラム(ILP)モデルに基づく,短時間ネットワーク最適化のための新しいフレームワークを提案する。 我々は、資源供給のためのほぼ実世界のILPモデルを、量子アニーラー(QA)で解ける二次的制約のない2進最適化問題にマップする。
  論文  参考訳（メタデータ） (2022-12-14T14:12:03Z)
• Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural Networks [52.32646357164739]
  最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。 提案されたSIDNNは、幅広いOPFスキームと互換性がある。 他のLearning-to-OPFスキームとシームレスに統合できる。
  論文  参考訳（メタデータ） (2021-03-27T00:45:23Z)
• dNNsolve: an efficient NN-based PDE solver [62.997667081978825]
  ODE/PDEを解決するためにデュアルニューラルネットワークを利用するdNNsolveを紹介します。 我々は,dNNsolveが1,2,3次元の幅広いODE/PDEを解くことができることを示す。
  論文  参考訳（メタデータ） (2021-03-15T19:14:41Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)
• Optimizing Wireless Systems Using Unsupervised and Reinforced-Unsupervised Deep Learning [96.01176486957226]
  無線ネットワークにおけるリソース割り当てとトランシーバーは、通常最適化問題の解決によって設計される。 本稿では,変数最適化と関数最適化の両問題を解くための教師なし・教師なし学習フレームワークを紹介する。
  論文  参考訳（メタデータ） (2020-01-03T11:01:52Z)

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。