Fugu-MT 論文翻訳(概要): Tensor Network Based HOBO Solver

論文の概要: Tensor Network Based HOBO Solver

arxiv url: http://arxiv.org/abs/2407.16106v1
Date: Tue, 23 Jul 2024 00:33:34 GMT
ステータス: 処理完了
システム内更新日: 2024-07-24 19:05:21.997025
Title: Tensor Network Based HOBO Solver
Title（参考訳）: テンソルネットワークを用いたHOBOソルバー
Authors: Yuichiro Minato,
Abstract要約: 提案した解法は、定式化の観点から将来の拡張に有意義な可能性を持つ有望なツールである。この解法は、量子コンピューティングにおける幅広い応用の有望な可能性を持っている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the field of quantum computing, combinatorial optimization problems are typically addressed using QUBO (Quadratic Unconstrained Binary Optimization) solvers. However, these solvers are often insufficient for tackling higher-order problems. In this paper, we introduce a novel and efficient solver designed specifically for HOBO (Higher-Order Binary Optimization) problem settings. Our approach leverages advanced techniques to effectively manage the complexity and computational demands associated with high-dimensional optimization tasks. The proposed solver is a promising tool with significant potential for future extensions in terms of formulation. This solver holds promising potential for a wide range of applications in quantum computing.
Abstract（参考訳）: 量子コンピューティングの分野では、組合せ最適化問題は通常QUBO(Quadratic Unconstrained Binary Optimization)解決器を用いて解決される。しかし、これらの解法は高次問題に対処するには不十分であることが多い。本稿では,HOBO(Higher-Order Binary Optimization)問題設定に特化して設計された,新規で効率的な解法を提案する。提案手法は,高次元最適化タスクに関連する複雑性と計算要求を効果的に管理するために,高度な手法を活用する。提案した解法は、定式化の観点から将来の拡張に有意義な可能性を持つ有望なツールである。この解法は、量子コンピューティングにおける幅広い応用の有望な可能性を持っている。

関連論文リスト

A Predictive Approach for Selecting the Best Quantum Solver for an Optimization Problem [2.9730678241643815]
教師付き機械学習に基づく予測解法選択手法を提案する。 70%以上の場合において、最良の解法が選択され、約90%の場合には、上位2の解法が選択される。この探索は、量子ソルバ選択における機械学習の可能性を証明し、その自動化の基礎を定めている。
論文参考訳（メタデータ） (2024-08-07T08:14:58Z)
Towards an Automatic Framework for Solving Optimization Problems with Quantum Computers [2.9730678241643815]
従来の最適化問題を量子解法に自動的に変換するフレームワークが提案されている。このフレームワークは、ソリューションの妥当性と品質を分析するための手段を提供する。これは量子コンピューティングソリューションの自動化に向けた大きな進歩を表している。
論文参考訳（メタデータ） (2024-06-18T17:56:10Z)
Quantum-based Distributed Algorithms for Edge Node Placement and Workload Allocation [8.937905773981702]
最適なエッジサーバ配置とワークロード割り当てのための混合整数線形プログラミング(MILP)モデルを提案する。既存の量子解法は制約のないバイナリプログラミング問題の解法に限られる。数値実験により,エッジコンピューティングの複雑な最適化問題を解くために量子超越性を活用できることが実証された。
論文参考訳（メタデータ） (2023-06-01T21:33:08Z)
Evidence that PUBO outperforms QUBO when solving continuous optimization problems with the QAOA [4.670374869377859]
量子アルゴリズムによる最適化問題の解決における中核的なステップは、問題の定式化である。近年の研究では、多くの問題を自然の多項式非制約最適化形式でより効率的に解けることが示されている。適切なベンチマーク関数の評価では、PUBOの定式化は一般により良い結果をもたらすが、キュービットは少ない。
論文参考訳（メタデータ） (2023-05-05T09:37:48Z)
Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文参考訳（メタデータ） (2022-11-16T18:59:54Z)
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)
Classically-Boosted Quantum Optimization Algorithm [0.0]
我々は、量子最適化を強化するために既存の古典的手法を活用する自然なアプローチを探求する。具体的には、近似解を見つけるために古典的なアルゴリズムを実行し、量子回路を用いて高品質な解の「近傍」を探索する。 CBQOA の Max 3SAT および Max Bisection への応用を実証し,これらの問題に対する従来のアプローチよりも優れていることを示す実証的証拠を提供する。
論文参考訳（メタデータ） (2022-03-25T23:36:14Z)
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)
Polynomial unconstrained binary optimisation inspired by optical simulation [52.11703556419582]
制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
論文参考訳（メタデータ） (2021-06-24T16:39:31Z)
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)
Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。