論文の概要: QICS: Quantum Information Conic Solver

• arxiv url: http://arxiv.org/abs/2410.17803v1
• Date: Wed, 23 Oct 2024 12:00:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:54:49.756015
• Title: QICS: Quantum Information Conic Solver
• Title（参考訳）: QICS:量子情報円錐解法
• Authors: Kerry He, James Saunderson, Hamza Fawzi,
• Abstract要約: 我々はQICSを紹介した。QICSはPythonで完全に実装されたオープンソースのプリマル・デュアルインテリア・ポイント・ソルバである。 QICSは量子相対エントロピーを含む最適化問題を解くことができる。 我々は、QICSが最先端の量子相対エントロピー計画法よりも優れていることを示す広範な数値実験を紹介する。
• 参考スコア（独自算出の注目度）: 6.281229317487581
• License:
• Abstract: We introduce QICS (Quantum Information Conic Solver), an open-source primal-dual interior point solver fully implemented in Python, which is focused on solving optimization problems arising in quantum information theory. QICS has the ability to solve optimization problems involving the quantum relative entropy, noncommutative perspectives of operator convex functions, and related functions. It also includes an efficient semidefinite programming solver which exploits sparsity, as well as support for Hermitian matrices. QICS is also currently supported by the Python optimization modelling software PICOS. This paper aims to document the implementation details of the algorithm and cone oracles used in QICS, and serve as a reference guide for the software. Additionally, we showcase extensive numerical experiments which demonstrate that QICS outperforms state-of-the-art quantum relative entropy programming solvers, and has comparable performance to state-of-the-art semidefinite programming solvers.
• Abstract（参考訳）: 我々はQICS(Quantum Information Conic Solver)を紹介する。QICS(Quantum Information Conic Solver)はPythonで完全に実装された,量子情報理論による最適化問題の解法である。 QICSは、量子相対エントロピー、作用素凸関数の非可換視点、および関連する関数を含む最適化問題を解くことができる。 また、空間性を利用する効率的な半定値プログラミングソルバや、エルミート行列のサポートも含まれている。 QICSはPythonの最適化モデリングソフトウェアであるPICOSでもサポートされている。 本稿では,QICSで使用されるアルゴリズムとコーンオーラクルの実装の詳細を文書化し,ソフトウェアへの参照ガイドとして機能することを目的とする。 さらに、QICSが最先端の量子相対エントロピープログラミング解法より優れ、最先端の半定値プログラミング解法に匹敵する性能を有することを示す広範な数値実験を紹介する。

関連論文リスト

• Quantum Approximate Optimization: A Computational Intelligence Perspective [1.756184965281354]
  量子コンピューティングと変分量子アルゴリズム(VQA)を紹介する。 Farhiらによる量子近似最適化アルゴリズム(FarhiのQAOA)について説明する。 計算学習理論や遺伝的アルゴリズムなど,関連分野へのQAOAの関連性について論じる。
  論文  参考訳（メタデータ） (2024-07-09T19:40:23Z)
• Variational Quantum Algorithms for Combinatorial Optimization [0.571097144710995]
  変分アルゴリズム (VQA) は, NISQシステムの実用化に向けた最有力候補の1つである。 本稿では,VQAの現状と最近の発展を考察し,近似最適化への適用性を強調した。 10ノードと20ノードのグラフ上でMaxCut問題を解くために,深さの異なるQAOA回路を実装した。
  論文  参考訳（メタデータ） (2024-07-08T22:02:39Z)
• 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)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• 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)
• Quafu-Qcover: Explore Combinatorial Optimization Problems on Cloud-based Quantum Computers [0.0]
  最適化問題のために設計されたオープンソースクラウドベースのソフトウェアパッケージであるQuafu-Qcoverを紹介する。 QcoverはQuantum Approximate Optimization Algorithm (QAOA)を使用して最適化問題を解決するための標準化された完全なワークフローを提供する。 Qcoverには、QAOA回路をQuafuクラウド量子コンピュータ上で実行可能な物理回路に変換する特別なコンパイラが含まれている。
  論文  参考訳（メタデータ） (2023-05-29T09:39:14Z)
• 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)
• Efficient Use of Quantum Linear System Algorithms in Interior Point Methods for Linear Optimization [0.0]
  線形最適化問題を解くために、非現実的な量子内点法を開発した。 また、量子ソルバの過度な時間なしで、反復リファインメントによって正確な解を得る方法についても論じる。
  論文  参考訳（メタデータ） (2022-05-02T21:30:56Z)
• 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)
• 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)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)

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。