Fugu-MT 論文翻訳(概要): Quantum Hamiltonian Descent for Graph Partition

論文の概要: Quantum Hamiltonian Descent for Graph Partition

arxiv url: http://arxiv.org/abs/2411.14696v2
Date: Mon, 17 Feb 2025 02:50:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-18 14:07:10.641592
Title: Quantum Hamiltonian Descent for Graph Partition
Title（参考訳）: グラフ分割のための量子ハミルトニアンDescent
Authors: Jinglei Cheng, Ruilin Zhou, Yuhang Gan, Chen Qian, Junyu Liu,
Abstract要約: グラフ分割問題の解法として量子ハミルトニアン Descent を導入する。我々はQHDの量子インスパイアされたダイナミクスを利用して最適なコミュニティ構造を同定する。
参考スコア（独自算出の注目度）: 14.652241553662327
License:
Abstract: We introduce Quantum Hamiltonian Descent as a novel approach to solve the graph partition problem. By reformulating graph partition as a Quadratic Unconstrained Binary Optimization (QUBO) problem, we leverage QHD's quantum-inspired dynamics to identify optimal community structures. Our method implements a multi-level refinement strategy that alternates between QUBO formulation and QHD optimization to iteratively improve partition quality. Experimental results demonstrate that our QHD-based approach achieves superior modularity scores (up to 5.49\%) improvement with reduced computational overhead compared to traditional optimization methods. This work establishes QHD as an effective quantum-inspired framework for tackling graph partition challenges in large-scale networks.
Abstract（参考訳）: グラフ分割問題の解法として量子ハミルトニアン Descent を導入する。グラフ分割を擬似非拘束バイナリ最適化(QUBO)問題として再構成することにより、QHDの量子インスパイアされたダイナミクスを活用し、最適なコミュニティ構造を同定する。本手法は,QUBOの定式化とQHD最適化を交互に行い,分割品質を反復的に向上する多段階改良戦略を実装している。実験結果から,従来の最適化手法に比べて計算オーバーヘッドを低減し,QHDに基づく手法が優れたモジュラリティスコア(最大5.49 %)向上を実現することが示された。この研究は、大規模ネットワークにおけるグラフ分割問題に対処するための効果的な量子インスパイアされたフレームワークとして、QHDを確立している。

関連論文リスト

A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。 ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文参考訳（メタデータ） (2025-01-02T05:06:16Z)
Optimizing Unitary Coupled Cluster Wave Functions on Quantum Hardware: Error Bound and Resource-Efficient Optimizer [0.0]
本稿では、量子ハードウェア上でのユニタリ結合クラスタ波関数の最適化のための射影量子固有解法(PQE)アプローチについて検討する。このアルゴリズムはシュル・オーディンガー方程式の射影を用いて、試行状態をハミルトニアンの固有状態に効率的に近づける。我々は,BFGS法を用いて最適化されたarXiv:2102.00345とVQEの両方で導入された最適化よりも優れていることを示す。
論文参考訳（メタデータ） (2024-10-19T15:03:59Z)
Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation [8.186804065389007]
ポートフォリオ最適化問題を解くために凸性を利用して変動量子固有解器(VQE)の訓練性を向上させる。我々の提案は、実際のアプリケーションで広く使われている他の大規模最適化問題を解決するための訓練性を向上させるために拡張することができる。
論文参考訳（メタデータ） (2024-07-08T03:51:54Z)
Qudit-inspired optimization for graph coloring [0.0]
グラフ色問題(GCP)に対する量子インスピレーションアルゴリズムを提案する。我々は、グラフ内のノードを表現し、d次元球面座標でパラメータ化した各キューディットを積状態に使用する。我々は,2つの最適化戦略をベンチマークする: 傾き勾配降下, ランダム状態の立方体開始, コスト関数の最小化のために勾配勾配勾配を用いる。
論文参考訳（メタデータ） (2024-06-02T16:19:55Z)
Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文参考訳（メタデータ） (2024-04-17T11:00:12Z)
An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文参考訳（メタデータ） (2021-06-24T20:16:02Z)
Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文参考訳（メタデータ） (2021-06-24T08:18:42Z)
Quantum variational optimization: The role of entanglement and problem hardness [0.0]
本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
論文参考訳（メタデータ） (2021-03-26T14:06:54Z)
Constrained-optimization Approach Delivers Superior Classical Performance for Graph Partitioning via Quantum-ready Method [0.0]
グラフ分割は計算インテリジェンス(NP-hard)グラフ問題の重要な集合である。我々は2つの異なる量子可読法を用いて問題の解をサンプリングした。どちらのアプローチも、目的的に構築された古典的なグラフパーティショナよりも優れたパーティショナを提供することがよくあります。
論文参考訳（メタデータ） (2020-06-26T15:55:12Z)
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。