論文の概要: Hardness-Dependent Optimized Quantum Adiabatic Schedules for Maximum Independent Sets

• arxiv url: http://arxiv.org/abs/2410.08995v1
• Date: Mon, 28 Oct 2024 18:58:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 20:36:41.755128
• Title: Hardness-Dependent Optimized Quantum Adiabatic Schedules for Maximum Independent Sets
• Title（参考訳）: 最大独立集合に対する硬度依存最適化量子断熱スケジューリング
• Authors: Sébastien Perseguers,
• Abstract要約: 本稿では,断熱型量子コンピューティングのための高効率なスケジュール設計法を提案する。 最適なスケジュールは、主に問題の大きさではなく、問題の硬さに依存しているという数値的な証拠を提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a numerical approach to design highly efficient schedules for adiabatic quantum computing, focusing on the maximum independent set problem and on neutral atom platforms. Based on a representative dataset of small graphs, we present numerical evidences that the optimum schedules depend principally on the hardness of the problem and not on its size. These schedules perform better than the benchmark protocols and admit a straightforward implementation in the hardware. This allows us to extrapolate the results to larger graphs and to successfully solve moderately hard instances with more than 100 atoms using QuEra's quantum computer ``Aquila''. We believe that extending our approach to hybrid algorithms could be the key to solve the hardest problems with the current technology.
• Abstract（参考訳）: 本稿では,アダバティックな量子コンピューティングのための高効率なスケジュールを設計するための数値解析手法を提案する。 小グラフの代表的なデータセットに基づいて、最適なスケジュールは、主に問題の硬さに依存し、その大きさには依存しない、という数値的な証拠を示す。 これらのスケジュールは、ベンチマークプロトコルよりもパフォーマンスが良く、ハードウェアに簡単な実装が可能である。 これにより、結果をより大きなグラフに外挿し、QuEraの量子コンピュータ ``Aquila'' を用いて100以上の原子を持つ適度に硬いインスタンスを解くことができる。 私たちは、我々のアプローチをハイブリッドアルゴリズムに拡張することが、現在の技術で最も難しい問題を解決する鍵になると信じています。

関連論文リスト

• Fast Numerical Solver of Ising Optimization Problems via Pruning and Domain Selection [4.460518115427853]
  本稿では,Ising最適化問題に対する高速かつ効率的な解法を提案する。 我々の解法は古典的解法よりも桁違いに高速で、量子インスパイアされたアニールよりも少なくとも2倍高速である。
  論文  参考訳（メタデータ） (2023-12-10T09:43:15Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• Efficient protocol for solving combinatorial graph problems on neutral-atom quantum processors [0.0]
  本稿では,変分量子コンピューティングと機械学習を組み合わせたハードグラフ問題の解法を提案する。 シミュレーションにより,提案プロトコルは量子デバイス上で実行すべきイテレーション数を劇的に削減できることを示す。
  論文  参考訳（メタデータ） (2022-07-26T16:40:14Z)
• Optimization of Robot Trajectory Planning with Nature-Inspired and Hybrid Quantum Algorithms [0.0]
  産業規模でロボット軌道計画問題を解く。 我々のエンドツーエンドソリューションは、高度に多目的なランダムキーアルゴリズムとモデル積み重ねとアンサンブル技術を統合している。 我々は、後者が我々のより大きなパイプラインにどのように統合され、問題に対する量子対応ハイブリッドソリューションを提供するかを示す。
  論文  参考訳（メタデータ） (2022-06-08T02:38:32Z)
• 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)
• 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)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)
• 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。