論文の概要: Analyzing the Effectiveness of Quantum Annealing with Meta-Learning
- arxiv url: http://arxiv.org/abs/2408.00570v1
- Date: Thu, 1 Aug 2024 14:03:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-04 20:26:35.130836
- Title: Analyzing the Effectiveness of Quantum Annealing with Meta-Learning
- Title（参考訳）: メタラーニングによる量子アニーリングの有効性の解析
- Authors: Riccardo Pellini, Maurizio Ferrari Dacrema,
- Abstract要約: メタラーニングモデルに基づく量子アニーリング(QA)の有効性を検討するための新しい手法を提案する。
10の異なる最適化問題の5万以上のインスタンスからなるデータセットを構築します。
それらの特徴を説明するために100以上の特徴のセットを定義し、QAと3つの古典的解法を用いてそれらを解決する。
- 参考スコア（独自算出の注目度）: 7.251305766151019
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of Quantum Computing has gathered significant popularity in recent years and a large number of papers have studied its effectiveness in tackling many tasks. We focus in particular on Quantum Annealing (QA), a meta-heuristic solver for Quadratic Unconstrained Binary Optimization (QUBO) problems. It is known that the effectiveness of QA is dependent on the task itself, as is the case for classical solvers, but there is not yet a clear understanding of which are the characteristics of a problem that makes it difficult to solve with QA. In this work, we propose a new methodology to study the effectiveness of QA based on meta-learning models. To do so, we first build a dataset composed of more than five thousand instances of ten different optimization problems. We define a set of more than a hundred features to describe their characteristics, and solve them with both QA and three classical solvers. We publish this dataset online for future research. Then, we train multiple meta-models to predict whether QA would solve that instance effectively and use them to probe which are the features with the strongest impact on the effectiveness of QA. Our results indicate that it is possible to accurately predict the effectiveness of QA, validating our methodology. Furthermore, we observe that the distribution of the problem coefficients representing the bias and coupling terms is very informative to identify the probability of finding good solutions, while the density of these coefficients alone is not enough. The methodology we propose allows to open new research directions to further our understanding of the effectiveness of QA, by probing specific dimensions or by developing new QUBO formulations that are better suited for the particular nature of QA. Furthermore, the proposed methodology is flexible and can be extended or used to study other quantum or classical solvers.
- Abstract（参考訳）: 近年、量子コンピューティングの分野は大きな人気を集めており、多くの論文が多くのタスクに対処する上での有効性について研究している。
特に量子アニーリング(QA)は準拘束的二項最適化(QUBO)問題に対するメタヒューリスティックな解法である。
古典的解法の場合と同様、QAの有効性はタスク自体に依存することが知られているが、QAで解くのが難しい問題の特徴であるかどうかについては、まだ明確には分かっていない。
本研究では,メタ学習モデルに基づくQAの有効性を検討するための新しい手法を提案する。
そのために、まず10種類の最適化問題の5万以上のインスタンスからなるデータセットを構築しました。
それらの特徴を説明するために100以上の特徴のセットを定義し、QAと3つの古典的解法を用いてそれらを解決する。
今後の研究のために、このデータセットをオンラインで公開します。
次に、複数のメタモデルをトレーニングして、QAがそのインスタンスを効果的に解決するかどうかを予測し、それらを用いて、QAの有効性に最も強い影響を与える特徴を探索する。
その結果,QAの有効性を正確に予測し,方法論を検証できることが示唆された。
さらに、バイアスとカップリング項を表す問題係数の分布は、良い解を見つける確率を特定するのに非常に有益であるが、これらの係数の密度だけでは不十分である。
提案手法は,QAの有効性の理解を深めるために,特定の次元を探索したり,QAの特定の性質に適した新しいQUBOの定式化を開発することによって,新たな研究方向を開くことを可能にする。
さらに、提案手法は柔軟であり、他の量子または古典的解法の研究に拡張または使用することができる。
関連論文リスト
- Quantum Algorithms for Drone Mission Planning [0.0]
ミッションプランニングはしばしば、一連のミッション目標を達成するためにISR(Intelligence, Surveillance and Reconnaissance)資産の使用を最適化する。
このような解を見つけることはNP-Hard問題であり、古典的なコンピュータでは効率的に解けないことが多い。
我々は、現在の古典的手法に対してスピードアップを提供する可能性のある、短期量子アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2024-09-27T10:58:25Z) - Reinforcement Learning for Variational Quantum Circuits Design [10.136215038345012]
変分量子アルゴリズムは、量子コンピュータの最適化問題を解くための有望なツールとして登場した。
本研究では、強力で柔軟な強化学習パラダイムを活用し、量子回路を自律的に生成できるエージェントを訓練する。
以上の結果から,最大カット問題に対して,R_yz$接続回路は高い近似比が得られることが示唆された。
論文 参考訳（メタデータ） (2024-09-09T10:07:12Z) - PO-QA: A Framework for Portfolio Optimization using Quantum Algorithms [4.2435928520499635]
ポートフォリオ最適化(PO)は、投資ポートフォリオのリスクを最小限に抑えつつ、純利益を最大化することを目的とした金融問題である。
本稿では,量子パラメータの変動を調べるために,新しいスケーラブルなフレームワークPO-QAを提案する。
本結果は,量子機械学習のレンズからPOを理解する上で有効な知見を提供する。
論文 参考訳（メタデータ） (2024-07-29T10:26:28Z) - Solving Combinatorial Optimization Problems with a Block Encoding Quantum Optimizer [0.0]
Block ENcoding Quantum (BEQO) は、ブロック符号化を用いてコスト関数を表現するハイブリッド量子ソルバである。
以上の結果から,BENQOはQAOAよりも有意に優れた性能を示し,VQEと各種のパフォーマンス指標を比較検討した。
論文 参考訳（メタデータ） (2024-04-22T10:10:29Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-26T18:23:21Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - Problem-Dependent Power of Quantum Neural Networks on Multi-Class
Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。
本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。
我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文 参考訳（メタデータ） (2022-12-29T10:46:40Z) - 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) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳（メタデータ） (2022-01-04T01:53:42Z) - A Query-based Quantum Eigensolver [8.136660631939154]
固定点量子探索を用いてII型固有値問題の解法を提案する。
さらに,QPE法と比較して,クエリベースの手法は,タイプIIの問題を解く際の2次高速化を実現する。
論文 参考訳（メタデータ） (2020-08-03T00:29:19Z) - Harvesting and Refining Question-Answer Pairs for Unsupervised QA [95.9105154311491]
教師なし質問回答(QA)を改善するための2つのアプローチを提案する。
まず、ウィキペディアから語彙的・構文的に異なる質問を抽出し、質問応答対のコーパスを自動的に構築する(RefQAと名づけられる)。
第2に、より適切な回答を抽出するためにQAモデルを活用し、RefQA上でデータを反復的に洗練する。
論文 参考訳（メタデータ） (2020-05-06T15:56:06Z)
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。