Fugu-MT 論文翻訳(概要): Quantum optimization for Nonlinear Model Predictive Control

論文の概要: Quantum optimization for Nonlinear Model Predictive Control

arxiv url: http://arxiv.org/abs/2410.19467v2
Date: Tue, 05 Nov 2024 07:40:54 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-06 14:55:32.172138
Title: Quantum optimization for Nonlinear Model Predictive Control
Title（参考訳）: 非線形モデル予測制御のための量子最適化
Authors: Carlo Novara, Mattia Boggio, Deborah Volpe,
Abstract要約: NMPC最適化問題の解に対する量子コンピューティング手法を提案する。このアプローチは計算時間を著しく削減し、ソリューションの品質を向上する可能性がある。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Nonlinear Model Predictive Control (NMPC) is a general and flexible control approach, used in many industrial contexts, and is based on the online solution of a nonlinear optimization problem. This operation requires in general a high computational cost, which may compromise the NMPC implementation in ``fast'' applications, especially if a large number variables is involved. To overcome this issue, we propose a quantum computing approach for the solution of the NMPC optimization problem. Assuming the availability of an efficient quantum computer, the approach has the potential to considerably decrease the computational time and/or enhance the solution quality compared to classical algorithms.
Abstract（参考訳）: 非線形モデル予測制御(NMPC)は、多くの産業的文脈で用いられ、非線形最適化問題のオンライン解に基づいている、汎用的で柔軟な制御手法である。この演算は一般に高い計算コストを必要とし、特に多数の変数が関与している場合、 `fast'' アプリケーションにおける NMPC の実装を損なう可能性がある。そこで本研究では,NMPC最適化問題に対する量子コンピューティング手法を提案する。効率的な量子コンピュータが利用可能であると仮定すると、この手法は計算時間を大幅に削減し、古典的なアルゴリズムと比較して解の質を向上する可能性がある。

関連論文リスト

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)
A hybrid Quantum-Classical Algorithm for Mixed-Integer Optimization in Power Systems [0.0]
量子コンピュータ(QC)を用いた電力系統最適化問題の解法フレームワークを提案する。我々の指導的応用は、DC Optimal Power Flowを解くために訓練されたニューラルネットワークの最適送信切替と検証である。
論文参考訳（メタデータ） (2024-04-16T16:11:56Z)
Graph Learning for Parameter Prediction of Quantum Approximate Optimization Algorithm [14.554010382366302]
量子近似最適化(Quantum Approximate Optimization, QAOA)は、Max-Cutの問題を効率的に解く可能性において際立っている。我々は,GNNをウォームスタート手法として,グラフニューラルネットワーク(GNN)を用いてQAOAを最適化する。以上の結果から,量子コンピューティングにおけるGNNのQAOA性能向上の可能性が示唆され,量子古典的ハイブリッドコンピューティングへの新たな道が開かれた。
論文参考訳（メタデータ） (2024-03-05T20:23:25Z)
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)
Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価イジングモデルに変換する必要がある。目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。その結果,量子近似最適化アルゴリズム (QAOA) が新たに導入された。
論文参考訳（メタデータ） (2022-09-07T18:01:01Z)
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)
Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文参考訳（メタデータ） (2021-02-16T06:04:27Z)
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)
Multi-block ADMM Heuristics for Mixed-Binary Optimization on Classical and Quantum Computers [3.04585143845864]
本稿では,2次最適化問題に対する現行手法の適用性を高めるために,分解に基づくアプローチを提案する。我々は、乗算器の交互方向法(ADMM)が、MBOを二項制約のない問題(量子アルゴリズムで解ける)に分割できることを示した。提案手法の有効性は,Qiskit で実装された量子回路上での VQE と QAOA を用いたシミュレーションにより,いくつかの最適化問題に対して得られた数値結果によって示される。
論文参考訳（メタデータ） (2020-01-07T14:43:13Z)

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。