論文の概要: A Novel Quantum Algorithm for Ant Colony Optimization

• arxiv url: http://arxiv.org/abs/2403.00367v1
• Date: Fri, 1 Mar 2024 08:49:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 17:44:18.973814
• Title: A Novel Quantum Algorithm for Ant Colony Optimization
• Title（参考訳）: アリコロニー最適化のための新しい量子アルゴリズム
• Authors: Qian Qiu, Mohan Wu, Qichun Sun, Xiaogang Li, Hua Xu
• Abstract要約: 本稿では,クラスタリングアルゴリズムとQACOアルゴリズムを組み合わせたハイブリッド量子古典アルゴリズムを提案する。 開発したQACOアルゴリズムは、複数のデータセットにおいてより良い性能を示す。 我々の研究は、クラスタリングアルゴリズムとQACOの組み合わせが、現在のNISQ時代の量子コンピューティングにおけるQACOの適用シナリオを効果的に拡張したことを示している。
• 参考スコア（独自算出の注目度）: 9.750158948621216
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantum ant colony optimization (QACO) has drew much attention since it combines the advantages of quantum computing and ant colony optimization (ACO) algorithms and overcomes some limitations of the traditional ACO algorithm. However, due to the hardware resource limitations of currently available quantum computers, such as the limited number of qubits, lack of high-fidelity gating operation, and low noisy tolerance, the practical application of the QACO is quite challenging. In this paper, we introduce a hybrid quantum-classical algorithm by combining the clustering algorithm with QACO algorithm, so that this extended QACO can handle large-scale optimization problems, which makes the practical application of QACO based on available quantum computation resource possible. To verify the effectiveness and performance of the algorithm, we tested the developed QACO algorithm with the Travelling Salesman Problem (TSP) as benchmarks. The developed QACO algorithm shows better performance under multiple data set. In addition, the developed QACO algorithm also manifests the robustness to noise of calculation process, which is typically a major barrier for practical application of quantum computers. Our work shows that the combination of the clustering algorithm with QACO has effectively extended the application scenario of QACO in current NISQ era of quantum computing.
• Abstract（参考訳）: 量子アントコロニー最適化(QACO)は、量子コンピューティングとアリコロニー最適化(ACO)アルゴリズムの利点を組み合わせ、従来のACOアルゴリズムのいくつかの制限を克服するため、多くの注目を集めている。 しかし、現在利用可能な量子コンピュータのハードウェアリソースの制限、例えば量子ビット数の制限、高忠実性ゲーティング演算の欠如、雑音耐性の低さなどにより、QACOの実用化は非常に困難である。 本稿では,クラスタリングアルゴリズムとQACOアルゴリズムを組み合わせたハイブリッド量子古典アルゴリズムを提案する。 提案アルゴリズムの有効性と性能を検証するため,TSP(Traveling Salesman Problem)をベンチマークとして,開発したQACOアルゴリズムを検証した。 開発したQACOアルゴリズムは、複数のデータセットにおいてより良い性能を示す。 さらに、QACOアルゴリズムは計算処理のノイズに対する堅牢性も示しており、これは一般に量子コンピュータの実用化における主要な障壁である。 我々の研究は、クラスタリングアルゴリズムとQACOの組み合わせが、現在のNISQ時代の量子コンピューティングにおけるQACOの適用シナリオを効果的に拡張したことを示している。

関連論文リスト

• A practical applicable quantum-classical hybrid ant colony algorithm for the NISQ era [10.235110623394657]
  量子アントコロニー最適化(QACO)は、量子コンピューティングとアリコロニー最適化(ACO)アルゴリズムの利点を組み合わせているため、多くの注目を集めている。 クラスタリングアルゴリズムとQACOアルゴリズムを組み合わせた量子古典ハイブリッドアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-10-08T09:50:28Z)
• Variational Quantum Algorithms for Combinatorial Optimization [0.571097144710995]
  変分アルゴリズム (VQA) は, NISQシステムの実用化に向けた最有力候補の1つである。 本稿では,VQAの現状と最近の発展を考察し,近似最適化への適用性を強調した。 10ノードと20ノードのグラフ上でMaxCut問題を解くために,深さの異なるQAOA回路を実装した。
  論文  参考訳（メタデータ） (2024-07-08T22:02:39Z)
• Graph Learning for Parameter Prediction of Quantum Approximate Optimization Algorithm [14.554010382366302]
  量子近似最適化(Quantum Approximate Optimization, QAOA)は、Max-Cutの問題を効率的に解く可能性において際立っている。 我々は,GNNをウォームスタート手法として,グラフニューラルネットワーク(GNN)を用いてQAOAを最適化する。 以上の結果から,量子コンピューティングにおけるGNNのQAOA性能向上の可能性が示唆され,量子古典的ハイブリッドコンピューティングへの新たな道が開かれた。
  論文  参考訳（メタデータ） (2024-03-05T20:23:25Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• A Variational Qubit-Efficient MaxCut Heuristic Algorithm [0.0]
  グラフサイズに対して対数的な量子ビット数を必要とする新しい変分Qubit-Efficient MaxCut (QEMC)アルゴリズムを提案する。 実超伝導ハードウェア上では最大32ノード(5キュービット)のグラフインスタンスに対して,ノイズレスシミュレーションを用いて最大2048ノード(11キュービット)のグラフに対して,最先端の性能を示す。
  論文  参考訳（メタデータ） (2023-08-20T23:06:18Z)
• 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)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• 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)
• 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)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• To quantum or not to quantum: towards algorithm selection in near-term quantum optimization [0.0]
  本稿では,QAOAが従来のアルゴリズムよりも有利になる確率の高い問題事例を検出する問題について検討する。 クロスバリデーションの精度は96%以上で、実用的な優位性が得られる。
  論文  参考訳（メタデータ） (2020-01-22T20:42:02Z)

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。