論文の概要: A Framework to Formulate Pathfinding Problems for Quantum Computing
- arxiv url: http://arxiv.org/abs/2404.10820v1
- Date: Tue, 16 Apr 2024 18:00:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 18:12:17.220097
- Title: A Framework to Formulate Pathfinding Problems for Quantum Computing
- Title（参考訳）: 量子コンピューティングにおけるパスフィニング問題の定式化フレームワーク
- Authors: Damian Rovara, Nils Quetschlich, Robert Wille,
- Abstract要約: パスフィンディング問題に対するQUBOの定式化を自動的に生成するフレームワークを提案する。
手作業による修正作業を必要とせずに簡単に比較できる3つの異なる符号化スキームをサポートしている。
結果として得られるQUBOの定式化は堅牢で効率的であり、それまでの面倒でエラーを起こしやすい改定プロセスを減らす。
- 参考スコア（独自算出の注目度）: 2.9723999564214267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the applications of quantum computing becoming more and more widespread, finding ways that allow end users without experience in the field to apply quantum computers to solve their individual problems is becoming a crucial task. However, current optimization algorithms require problem instances to be posed in complex formats that are challenging to formulate, even for experts. In particular, the Quadratic Unconstrained Binary Optimization (QUBO) formalism employed by many quantum optimization algorithms, such as the Quantum Approximate Optimization Algorithm (QAOA), involves the mathematical rewriting of constraints under strict conditions. To facilitate this process, we propose a framework to automatically generate QUBO formulations for pathfinding problems. This framework allows users to translate their specific problem instances into formulations that can be passed directly to quantum algorithms for optimization without requiring any expertise in the field of quantum computing. It supports three different encoding schemes that can easily be compared without requiring manual reformulation efforts. The resulting QUBO formulations are robust and efficient, reducing the previously tedious and error-prone reformulation process to a task that can be completed in a matter of seconds. In addition to an open-source Python package available on https://github.com/cda-tum/mqt-qubomaker, we also provide a graphical user interface accessible through the web (https://cda-tum.github.io/mqt-qubomaker/), which can be used to operate the framework without requiring the end user to write any code.
- Abstract（参考訳）: 量子コンピューティングの応用がますます広まり、現場経験のないエンドユーザが量子コンピュータを使って個々の問題を解決する方法を見つけることが、重要な課題になりつつある。
しかし、現在の最適化アルゴリズムでは、問題インスタンスを、専門家にとっても、定式化が難しい複雑なフォーマットで提示する必要がある。
特に、量子近似最適化アルゴリズム (Quantum Approximate Optimization Algorithm, QAOA) など、多くの量子最適化アルゴリズムで使用される準拘束的二項最適化 (Quantum Unconstrained Binary Optimization, QUBO) 形式は、厳密な条件下での制約の数学的書き換えを含む。
このプロセスを容易にするために,パスフィリング問題に対するQUBOの定式化を自動的に生成するフレームワークを提案する。
このフレームワークにより、ユーザーは特定の問題インスタンスを、量子コンピューティングの分野の専門知識を必要とせずに、最適化のために直接量子アルゴリズムに渡すことができる定式化に変換することができる。
手作業による修正作業を必要とせずに簡単に比較できる3つの異なる符号化スキームをサポートしている。
結果として得られるQUBOの定式化は堅牢で効率的であり、それまでの面倒でエラーを起こしやすい改定プロセスを数秒で完了できるタスクに短縮する。
https://github.com/cda-tum/mqt-qubomakerで利用可能なオープンソースのPythonパッケージに加えて、Webからアクセス可能なグラフィカルなユーザインターフェース(https://cda-tum.github.io/mqt-qubomaker/)も提供しています。
関連論文リスト
- 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) - Enhancing Quantum Algorithms for Quadratic Unconstrained Binary Optimization via Integer Programming [0.0]
本研究では,最適化のための量子および古典的手法の可能性を統合する。
線形緩和により問題のサイズを小さくし、最小サイズの量子マシンで問題を処理できるようにした。
実量子ハードウェアの計算結果を多数提示する。
論文 参考訳（メタデータ） (2023-02-10T20:12:53Z) - 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) - A Realizable GAS-based Quantum Algorithm for Traveling Salesman Problem [2.208581695286558]
本稿では,Grover Adaptive Search(GAS)に基づく旅行セールスマン問題(TSP)の量子アルゴリズムを提案する。
この戦略は量子コンピューティングの可逆性要件を完全に考慮し、使用した量子ビットが単に上書きやリリースできないという難しさを克服する。
7ノードのTSPでは31量子ビットしか必要とせず、最適解を得る成功率は86.71%である。
論文 参考訳（メタデータ） (2022-12-06T03:54:07Z) - Towards an Automated Framework for Realizing Quantum Computing Solutions [3.610459670994051]
我々は、ユーザーが量子コンピューティングソリューションを自動で利用できるようにするフレームワークを構想する。
GitHubで公開されている2つの異なるクラスの問題に対する概念実証実装を提供する。
論文 参考訳（メタデータ） (2022-10-26T18:00:01Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳（メタデータ） (2022-02-17T18:59:20Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - 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) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳（メタデータ） (2021-05-14T11:31:14Z) - Solving Quadratic Unconstrained Binary Optimization with
divide-and-conquer and quantum algorithms [0.0]
分割・対数手法を用いて、元の問題を小さな問題の集合に還元する。
この手法は任意のQUBOインスタンスに適用でき、全古典的またはハイブリッドな量子古典的アプローチにつながる。
論文 参考訳（メタデータ） (2021-01-19T19:00:40Z) - 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)
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。