論文の概要: A Competitive Showcase of Quantum versus Classical Algorithms in Energy Coalition Formation
- arxiv url: http://arxiv.org/abs/2405.11917v1
- Date: Mon, 20 May 2024 09:55:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 13:34:30.815376
- Title: A Competitive Showcase of Quantum versus Classical Algorithms in Energy Coalition Formation
- Title（参考訳）: エネルギー結合形成における量子対古典的アルゴリズムの競合的ショーケース
- Authors: Naeimeh Mohseni, Thomas Morstyn, Corey O Meara, David Bucher, Jonas Nüßlein, Giorgio Cortiana,
- Abstract要約: エネルギーコミュニティの形成は、非中央集権的かつ持続可能なエネルギー管理を進める上で重要である。
本研究は、古典的解法と量子アニーリングをDwaveハードウェアと量子近似最適化アルゴリズム(QAOA)で比較するベンチマークを行う。
以上の結果から,Dwaveはハードウェア上でのQAOAを上回っていることが明らかとなった。特にDwaveは古典的解法に比べて性能が優れており,より良好なランタイムスケーリングを実現している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The formation of energy communities is pivotal for advancing decentralized and sustainable energy management. Within this context, Coalition Structure Generation (CSG) emerges as a promising framework. The complexity of CSG grows rapidly with the number of agents, making classical solvers impractical for even moderate sizes (number of agents>30). Therefore, the development of advanced computational methods is essential. Motivated by this challenge, this study conducts a benchmark comparing classical solvers with quantum annealing on Dwave hardware and the Quantum Approximation Optimization Algorithm (QAOA) on both simulator and IBMQ hardware to address energy community formation. Our classical solvers include Tabu search, simulated annealing, and an exact classical solver. Our findings reveal that Dwave surpasses QAOA on hardware in terms of solution quality. Remarkably, QAOA demonstrates comparable runtime scaling with Dwave, albeit with a significantly larger prefactor. Notably, Dwave exhibits competitive performance compared to the classical solvers, achieving solutions of equal quality with more favorable runtime scaling.
- Abstract（参考訳）: エネルギーコミュニティの形成は、非中央集権的かつ持続可能なエネルギー管理を進める上で重要である。
この文脈の中で、協調構造生成(CSG)は有望なフレームワークとして現れます。
CSGの複雑さはエージェント数とともに急速に増大し、古典的解法は中程度のサイズでも実用的ではない(エージェント数>30)。
そのため,高度な計算手法の開発が不可欠である。
本研究は,Dwaveハードウェア上での量子アニーリングと,シミュレータおよびIBMQハードウェア上での量子近似最適化アルゴリズム(QAOA)を比較し,エネルギーコミュニティ形成に対処するベンチマークを行う。
我々の古典的解法には、Tabu search、simulated annealing、そしてまさに古典的解法が含まれる。
以上の結果から,Dwaveはハードウェア上でのQAOAを上回っていることがわかった。
注目すべきは、QAOAがDwaveと同等のランタイムスケーリングを示していることだ。
特に、Dwaveは古典的な解法と比較して競争力のある性能を示し、より好ましいランタイムスケーリングで同等品質のソリューションを実現している。
関連論文リスト
- Hybrid Quantum-HPC Solutions for Max-Cut: Bridging Classical and Quantum Algorithms [0.0]
我々は,ハイブリッドシステムにおける時間的複雑性,スケーラビリティ,通信オーバーヘッドを分析する理論的モデルを構築した。
小型のMax-Cutインスタンス上でのQAOAの性能を評価する。
論文 参考訳（メタデータ） (2024-10-21T04:10:54Z) - Quantum annealing versus classical solvers: Applications, challenges and limitations for optimisation problems [7.132776290702577]
我々はD-Waveのハイブリッド・ソルバを業界主導のソルバと比較した。
その結果、D-Waveの解法は整数二次目的関数に対して最も有利であることが示唆された。
D-Waveはそのような問題を解決することができるが、その性能は従来のものとはまだ一致していない。
論文 参考訳（メタデータ） (2024-09-09T12:07:52Z) - Real World Application of Quantum-Classical Optimization for Production Scheduling [0.4326762849037007]
この研究は、産業からの現実の最適化問題を伴う量子古典計算手法のベンチマーク研究である。
問題は、異なるマシン上のジョブのスケジューリングとバランシングであり、非線形な目的関数である。
古典解法のモデリングは混合整数凸プログラムとして行われ、量子古典解法では二項二次プログラムとしてモデル化する。
論文 参考訳（メタデータ） (2024-08-03T02:58:01Z) - 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) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳（メタデータ） (2023-03-27T22:48:28Z) - Hybrid Quantum Classical Simulations [0.0]
量子コンピューティングの2つの主要なハイブリッド応用、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解法(VQE)について報告する。
どちらも、古典的な中央処理ユニットと量子処理ユニットの間の漸進的な通信を必要とするため、ハイブリッド量子古典アルゴリズムである。
論文 参考訳（メタデータ） (2022-10-06T10:49:15Z) - 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) - 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) - Adapting Quantum Approximation Optimization Algorithm (QAOA) for Unit
Commitment [2.8060379263058794]
ユニットコミットと呼ばれる電力系統最適化問題に対して,ハイブリッド量子古典アルゴリズムを定式化し,適用する。
提案アルゴリズムは、量子近似最適化アルゴリズム(QAOA)を古典最小値で拡張し、混合二元最適化をサポートする。
提案手法は,400個の発電ユニット未満のシミュレーション単位コミットに対して,古典的解法が有効であることを示す。
論文 参考訳（メタデータ） (2021-10-25T03:37:34Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳（メタデータ） (2021-06-24T08:18:42Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳（メタデータ） (2020-08-03T18:00:05Z)
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。