論文の概要: Differentiable Quantum Architecture Search For Job Shop Scheduling Problem

• arxiv url: http://arxiv.org/abs/2401.01158v2
• Date: Wed, 3 Jan 2024 12:02:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-04 11:13:37.776119
• Title: Differentiable Quantum Architecture Search For Job Shop Scheduling Problem
• Title（参考訳）: ジョブショップスケジューリング問題に対する微分可能量子アーキテクチャ探索
• Authors: Yize Sun, Jiarui Liu, Yunpu Ma, Volker Tresp
• Abstract要約: ジョブショップスケジューリング問題(JSSP)は,産業アプリケーションにおいて重要な役割を担っている。 優れた回路アーキテクチャを見つけるには、タスク特化と時間を要する。 JSSP-DQASは手動設計の回路よりもはるかに優れたノイズ耐性回路アーキテクチャを自動で見つけることができる。
• 参考スコア（独自算出の注目度）: 28.023245103554245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Job shop scheduling problem (JSSP) plays a pivotal role in industrial applications, such as signal processing (SP) and steel manufacturing, involving sequencing machines and jobs to maximize scheduling efficiency. Before, JSSP was solved using manually defined circuits by variational quantum algorithm (VQA). Finding a good circuit architecture is task-specific and time-consuming. Differentiable quantum architecture search (DQAS) is a gradient-based framework that can automatically design circuits. However, DQAS is only tested on quantum approximate optimization algorithm (QAOA) and error mitigation tasks. Whether DQAS applies to JSSP based on a more flexible algorithm, such as variational quantum eigensolver (VQE), is still open for optimization problems. In this work, we redefine the operation pool and extend DQAS to a framework JSSP-DQAS by evaluating circuits to generate circuits for JSSP automatically. The experiments conclude that JSSP-DQAS can automatically find noise-resilient circuit architectures that perform much better than manually designed circuits. It helps to improve the efficiency of solving JSSP.
• Abstract（参考訳）: ジョブショップスケジューリング問題(jssp)は、スケジューリング効率を最大化するためにシーケンシングマシンとジョブを含む信号処理(sp)や鉄鋼製造といった産業アプリケーションにおいて重要な役割を担っている。 これまで、JSSPは変動量子アルゴリズム(VQA)によって手動で定義された回路を用いて解決されていた。 優れた回路アーキテクチャを見つけることはタスク固有で時間を要する。 微分可能量子アーキテクチャサーチ(DQAS)は、回路を自動設計できる勾配ベースのフレームワークである。 しかし、DQASは量子近似最適化アルゴリズム(QAOA)と誤差軽減タスクでのみテストされる。 DQASが、変分量子固有解法(VQE)のようなより柔軟なアルゴリズムに基づいてJSSPに適用されるかどうかは、まだ最適化問題に対してオープンである。 本研究では, DQAS をフレームワーク JSSP-DQAS に再定義し,回路評価により DQAS をフレームワーク JSSP-DQAS に拡張し,JSSP 用の回路を自動生成する。 実験の結果、JSSP-DQASは手動設計の回路よりもはるかに優れたノイズ耐性回路アーキテクチャを自動で見つけることができると結論付けた。 JSSPの解決の効率を改善するのに役立ちます。

関連論文リスト

• 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)
• Reinforcement learning-assisted quantum architecture search for variational quantum algorithms [0.0]
  この論文は、ノイズの多い量子ハードウェアにおける機能量子回路の同定に焦点を当てている。 本稿では, テンソルを用いた量子回路の符号化, 環境力学の制約により, 可能な回路の探索空間を効率的に探索する。 様々なVQAを扱う際、我々のRLベースのQASは既存のQASよりも優れています。
  論文  参考訳（メタデータ） (2024-02-21T12:30:39Z)
• Curriculum reinforcement learning for quantum architecture search under hardware errors [1.583327010995414]
  本研究は、VQAデプロイメントにおける課題に対処するために設計されたカリキュラムベースの強化学習QAS(CRLQAS)を導入する。 このアルゴリズムは、(i)環境力学の3Dアーキテクチャを符号化し、回路の探索空間を効率的に探索する。 研究を容易にするため,雑音量子回路の計算効率を大幅に向上させる最適化シミュレータを開発した。
  論文  参考訳（メタデータ） (2024-02-05T20:33:00Z)
• Differentiable Quantum Architecture Search for Quantum Reinforcement Learning [30.324343192917606]
  微分可能量子アーキテクチャサーチ(DQAS)は、NISQ時代に自動的に量子回路を設計するための勾配ベースのフレームワークである。 この研究は、勾配に基づく量子アーキテクチャ探索が量子深層Q-ラーニングタスクに適用可能であることを示す最初のものである。
  論文  参考訳（メタデータ） (2023-09-19T07:45:39Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• 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 circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Quantum Architecture Search with Meta-learning [0.18899300124593643]
  変分量子アルゴリズム(VQA)は、量子近似最適化アルゴリズム、変分量子コンパイル、および量子機械学習モデルに成功している。 量子アーキテクチャサーチ(QAS)は、古典的な最適化アルゴリズムによる量子回路の設計を自動化することを目的としている。
  論文  参考訳（メタデータ） (2021-06-11T08:59:16Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Differentiable Quantum Architecture Search [15.045985536395479]
  微分可能量子アーキテクチャ探索(DQAS)の一般的なフレームワークを提案する。 DQASは、エンドツーエンドの微分可能な方法で量子回路の自動設計を可能にする。
  論文  参考訳（メタデータ） (2020-10-16T18:00:03Z)
• QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
  QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。 ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
  論文  参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。