論文の概要: Solving Power Grid Optimization Problems with Rydberg Atoms
- arxiv url: http://arxiv.org/abs/2404.11440v1
- Date: Wed, 17 Apr 2024 14:49:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 13:35:28.197894
- Title: Solving Power Grid Optimization Problems with Rydberg Atoms
- Title（参考訳）: Rydberg Atomsによる電力グリッド最適化問題の解決
- Authors: Nora Bauer, Kübra Yeter-Aydeniz, Elias Kokkas, George Siopsis,
- Abstract要約: 各種重み付きグラフに対するMaxCut問題の解法における2つのハードウェア中心アルゴリズムの性能について検討する。
最初の方法は、最先端の機械学習ツールを使用して、グラフのパルス形状と埋め込みを最適化する。
第2の方法は、Aquilaハードウェアの創発的な更新であるローカルデチューニングを使用して、標準QAOA Ansatzのほぼ正確な実現を得る。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid development of neutral atom quantum hardware provides a unique opportunity to design hardware-centered algorithms for solving real-world problems aimed at establishing quantum utility. In this work, we study the performance of two such algorithms on solving MaxCut problem for various weighted graphs. The first method uses a state-of-the-art machine learning tool to optimize the pulse shape and embedding of the graph using an adiabatic Ansatz to find the ground state. We tested the performance of this method on finding maximum power section task of the IEEE 9-bus power system and obtaining MaxCut of randomly generated problems of size up to 12 on the Aquila quantum processor. To the best of our knowledge, this work presents the first MaxCut results on Quera's Aquila quantum hardware. Our experiments run on Aquila demonstrate that even though the probability of obtaining the solution is reduced, one can still solve the MaxCut problem on cloud-accessed neutral atom quantum hardware. The second method uses local detuning, which is an emergent update on the Aquila hardware, to obtain a near exact realization of the standard QAOA Ansatz with similar performance. Finally, we study the fidelity throughout the time evolution realized in the adiabatic method as a benchmark for the IEEE 9-bus power grid graph state.
- Abstract（参考訳）: 中性原子量子ハードウェアの急速な開発は、量子ユーティリティーを確立することを目的とした現実世界の問題を解決するハードウェア中心のアルゴリズムを設計するユニークな機会を提供する。
本研究では,各重み付きグラフに対するMaxCut問題の解法における2つのアルゴリズムの性能について検討する。
第1の方法は、最先端の機械学習ツールを使用して、Adiabatic Ansatzを使ってグラフのパルス形状と埋め込みを最適化し、基底状態を見つける。
本研究では,IEEE 9-bus 電力系統の最大電力分割タスクの探索と,Aquila 量子プロセッサ上で最大12個のランダムに発生する問題の MaxCut の取得について,本手法の性能試験を行った。
我々の知る限りでは、この研究はQueraの量子ハードウェアAquilaの最初のMaxCut結果を示す。
Aquila上での我々の実験は、解を得る確率が減ったとしても、クラウドアクセス中性原子量子ハードウェア上でのMaxCut問題を解くことができることを示した。
第2の方法は、Aquilaハードウェアの創発的な更新であるローカルデチューニングを使用して、同等の性能の標準QAOA Ansatzをほぼ正確に実現している。
最後に, IEEE 9-bus 電力グリッド状態のベンチマークとして, 断熱法で実現された時間経過の忠実度について検討した。
関連論文リスト
- Quantum adiabatic optimization with Rydberg arrays: localization phenomena and encoding strategies [0.9500919522633157]
我々は[Nguyen et al., PRX Quantum 4, 010316 (2023) で提案された符号化スキームの量子力学について検討する。
論文では,アディバティックプロトコルに沿ったシステムサイズによる最小ギャップスケーリングについて検討する。
このような局所化とその正解を求める成功確率への影響を観察する。
論文 参考訳（メタデータ） (2024-11-07T12:10:01Z) - An Analysis of Quantum Annealing Algorithms for Solving the Maximum Clique Problem [49.1574468325115]
我々は、QUBO問題として表されるグラフ上の最大傾きを見つける量子D波アンナーの能力を解析する。
本稿では, 相補的な最大独立集合問題に対する分解アルゴリズムと, ノード数, 傾き数, 密度, 接続率, 解サイズの他のノード数に対する比を制御するグラフ生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-11T04:40:05Z) - Graph Algorithms with Neutral Atom Quantum Processors [31.546387965618333]
我々は中性原子量子処理ユニット(QPU)上で動作するグラフ問題に対する量子アルゴリズムの進歩を概観する。
最近導入された埋め込みと問題解決技術について論じる。
我々は、中性原子QPUのスケーラビリティ、制御可能性、繰り返し率の向上に重点を置いて、ハードウェアの継続的な進歩を明らかにした。
論文 参考訳（メタデータ） (2024-03-18T16:30:42Z) - NISQ-compatible approximate quantum algorithm for unconstrained and
constrained discrete optimization [0.0]
本稿では,振幅符号化を用いたハードウェア効率の高い回路に対する近似勾配型量子アルゴリズムを提案する。
目的関数にペナルティ項を加えることなく, 単純な線形制約を回路に直接組み込むことができることを示す。
論文 参考訳（メタデータ） (2023-05-23T16:17:57Z) - Can Decentralized Stochastic Minimax Optimization Algorithms Converge
Linearly for Finite-Sum Nonconvex-Nonconcave Problems? [56.62372517641597]
分散化されたミニマックス最適化は、幅広い機械学習に応用されているため、ここ数年で活発に研究されている。
本稿では,非コンカブ問題に対する2つの新しい分散化ミニマックス最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-24T02:19:39Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳（メタデータ） (2022-05-24T03:49:10Z) - 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) - Quadratic Unconstrained Binary Optimisation via Quantum-Inspired
Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。
我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文 参考訳（メタデータ） (2021-08-18T09:26:17Z) - 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 Approximate Optimization of Non-Planar Graph Problems on a
Planar Superconducting Processor [29.928684308464796]
量子近似最適化アルゴリズム(QAOA)による最適化問題へのGoogle Sycamore超伝導量子ビットプロセッサの適用を実証する。
初めて回路深度で性能が向上するのを観察した。
この挙動は、ハードウェア接続とは異なるグラフ上の問題を最適化するために、短期量子コンピュータを使用するという課題を強調している。
論文 参考訳（メタデータ） (2020-04-08T18:44:34Z)
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。