論文の概要: Quantum Computing and Tensor Networks for Laminate Design: A Novel
Approach to Stacking Sequence Retrieval
- arxiv url: http://arxiv.org/abs/2402.06455v1
- Date: Fri, 9 Feb 2024 15:01:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-12 16:25:14.145459
- Title: Quantum Computing and Tensor Networks for Laminate Design: A Novel
Approach to Stacking Sequence Retrieval
- Title(参考訳): ラミネート設計のための量子コンピューティングとテンソルネットワーク:スタックシーケンス検索の新しいアプローチ
- Authors: Arne Wulff, Boyang Chen, Matthew Steinberg, Yinglu Tang, Matthias
M\"oller, Sebastian Feld
- Abstract要約: この研究は主に量子計算に焦点をあて、テンソルネットワークアルゴリズムの適用により、シークエンス検索のための新しい量子インスパイアされたアプローチが提示される。
量子状態空間内の線形作用素、ハミルトニアンを導出し、積み重ねシーケンス検索問題に固有の損失関数をカプセル化する。
実演では、従来のテンソルネットワークアルゴリズムであるDMRGアルゴリズムを選択し、我々のアプローチを数値的に検証した。
- 参考スコア(独自算出の注目度): 1.7400502482492273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As with many tasks in engineering, structural design frequently involves
navigating complex and computationally expensive problems. A prime example is
the weight optimization of laminated composite materials, which to this day
remains a formidable task, due to an exponentially large configuration space
and non-linear constraints. The rapidly developing field of quantum computation
may offer novel approaches for addressing these intricate problems. However,
before applying any quantum algorithm to a given problem, it must be translated
into a form that is compatible with the underlying operations on a quantum
computer. Our work specifically targets stacking sequence retrieval with
lamination parameters. To adapt this problem for quantum computational methods,
we map the possible stacking sequences onto a quantum state space. We further
derive a linear operator, the Hamiltonian, within this state space that
encapsulates the loss function inherent to the stacking sequence retrieval
problem. Additionally, we demonstrate the incorporation of manufacturing
constraints on stacking sequences as penalty terms in the Hamiltonian. This
quantum representation is suitable for a variety of classical and quantum
algorithms for finding the ground state of a quantum Hamiltonian. For a
practical demonstration, we chose a classical tensor network algorithm, the
DMRG algorithm, to numerically validate our approach. For this purpose, we
derived a matrix product operator representation of the loss function
Hamiltonian and the penalty terms. Numerical trials with this algorithm
successfully yielded approximate solutions, while exhibiting a tradeoff between
accuracy and runtime. Although this work primarily concentrates on quantum
computation, the application of tensor network algorithms presents a novel
quantum-inspired approach for stacking sequence retrieval.
- Abstract(参考訳): 工学における多くのタスクと同様に、構造設計はしばしば複雑で計算量の多い問題をナビゲートする。
主な例として、積層複合材料の重量最適化があるが、これは今日まで指数的に大きな構成空間と非線形制約のため、非常に厳しい作業である。
量子計算の急速に発展する分野は、これらの複雑な問題に対処するための新しいアプローチを提供するかもしれない。
しかしながら、与えられた問題に量子アルゴリズムを適用する前に、量子コンピュータの基本的な操作と互換性のある形式に変換する必要がある。
本研究は,ラミネートパラメータを用いたスタッキングシーケンス検索を特に対象とする。
この問題を量子計算法に適応させるために、可能な積み重ね列を量子状態空間にマッピングする。
さらに、この状態空間内の線型作用素であるハミルトニアンを導出し、積み重ねシーケンス検索問題に固有の損失関数をカプセル化する。
さらに、ハミルトニアンのペナルティ項として、積み重ねシーケンスにおける製造制約の組み入れを示す。
この量子表現は、量子ハミルトニアンの基底状態を見つけるために様々な古典的および量子的アルゴリズムに適している。
実演として,従来のテンソルネットワークアルゴリズムであるdmrgアルゴリズムを選択し,その手法を数値的に検証した。
この目的のために、損失関数ハミルトニアンとペナルティ項の行列積作用素表現を導出した。
このアルゴリズムによる数値実験により近似解が得られ、精度と実行時のトレードオフが示された。
この研究は主に量子計算に焦点を合わせているが、テンソルネットワークアルゴリズムの応用は、配列の積み重ねに着想を得た新しいアプローチを示している。
関連論文リスト
- Adaptive Circuit Learning of Born Machine: Towards Realization of
Amplitude Embedding and Data Loading [7.88657961743755]
本稿では,ACLBM(Adaptive Circuit Learning of Born Machine)という新しいアルゴリズムを提案する。
我々のアルゴリズムは、ターゲット状態に存在する複雑な絡み合いを最もよく捉える2ビットの絡み合いゲートを選択的に統合するように調整されている。
実験結果は、振幅埋め込みによる実世界のデータの符号化における我々のアプローチの習熟度を裏付けるものである。
論文 参考訳(メタデータ) (2023-11-29T16:47:31Z) - Calibrating the role of entanglement in variational quantum circuits [0.7232471205719458]
エンタングルメント(Entanglement)は、量子コンピューティングの重要な性質であり、古典的なものとは分離している。
2つの変分量子アルゴリズムの動作における絡み合いの役割を系統的に検討する。
QAOAを用いて解いたMAX-CUT問題に対して,絡み合い関数としての忠実度は層数に大きく依存することがわかった。
QNNの場合、高いテスト精度のトレーニング回路は高い絡み合いによって支えられ、強制的な絡み合いの制限はテスト精度の急激な低下をもたらす。
論文 参考訳(メタデータ) (2023-10-16T23:36:40Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Tensor-Network Simulations of Noisy Quantum Computers [0.0]
雑音量子コンピュータ上での3つの量子アルゴリズムの実行をシミュレートする。
絡み合いの適度な損失があっても、高い忠実度で実行できることがわかりました。
論文 参考訳(メタデータ) (2023-04-04T12:42:18Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳(メタデータ) (2022-12-06T22:01:49Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳(メタデータ) (2021-12-22T06:19:36Z) - Quantum amplitude damping for solving homogeneous linear differential
equations: A noninterferometric algorithm [0.0]
本研究は,同種LDEを解くための効率的な量子アルゴリズムを構築するために,量子振幅減衰演算を資源として利用する新しい手法を提案する。
このようなオープンな量子系にインスパイアされた回路は、非干渉法で解の実際の指数項を構成することができることを示す。
論文 参考訳(メタデータ) (2021-11-10T11:25:32Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳(メタデータ) (2021-07-08T17:59:55Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳(メタデータ) (2020-05-06T14:18:44Z)
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。