論文の概要: Implementing transferable annealing protocols for combinatorial optimisation on neutral atom quantum processors: a case study on smart-charging of electric vehicles

• arxiv url: http://arxiv.org/abs/2411.16656v2
• Date: Tue, 26 Nov 2024 08:14:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:34:34.370938
• Title: Implementing transferable annealing protocols for combinatorial optimisation on neutral atom quantum processors: a case study on smart-charging of electric vehicles
• Title（参考訳）: 中性原子量子プロセッサの組合せ最適化のための伝達性アニールプロトコルの実装:電気自動車のスマートチャージを事例として
• Authors: Lucas Leclerc, Constantin Dalyac, Pascale Bendotti, Rodolphe Griset, Joseph Mikael, Loïc Henriet,
• Abstract要約: 本稿では,類似した局所構造を持つ問題インスタンス間のパラメータ転送可能性の有望性に基づいて構築する。 本研究は,共有ジオメトリを持つグラフ族上の最大独立集合問題に対して,最適パラメータが自然に集中していることを明らかにする。 本手法を用いて,実データセット上でのスマートチャージ最適化問題に対処する。
• 参考スコア（独自算出の注目度）: 1.53934570513443
• License:
• Abstract: In the quantum optimisation paradigm, variational quantum algorithms face challenges with hardware-specific and instance-dependent parameter tuning, which can lead to computational inefficiencies. However, the promising potential of parameter transferability across problem instances with similar local structures has been demonstrated in the context of the Quantum Approximate Optimisation Algorithm. In this paper, we build on these advancements by extending the concept to annealing-based protocols, employing Bayesian optimisation to design robust quasi-adiabatic schedules. Our study reveals that, for Maximum Independent Set problems on graph families with shared geometries, optimal parameters naturally concentrate, enabling efficient transfer from smaller to larger instances. Experimental results on the Orion Alpha platform validate the effectiveness of our approach, scaling to problems with up to $100$ qubits. We apply this method to address a smart-charging optimisation problem on a real dataset. These findings highlight a scalable, resource-efficient path for hybrid optimisation strategies applicable in real-world scenarios.
• Abstract（参考訳）: 量子最適化パラダイムでは、変分量子アルゴリズムは、ハードウェア固有の、インスタンスに依存したパラメータチューニングの課題に直面し、計算の非効率につながる可能性がある。 しかし、類似した局所構造を持つ問題インスタンス間のパラメータ転送可能性の有望なポテンシャルは、量子近似最適化アルゴリズムの文脈で実証されている。 本稿では,この概念をアニーリングベースのプロトコルに拡張し,ベイズ最適化を用いて,ロバストな準アディバティックなスケジュールを設計することによって,これらの進歩を生かした。 本研究は,共有ジオメトリを持つグラフ族上の最大独立集合問題に対して,最適パラメータが自然に集中し,より小さなインスタンスから大きなインスタンスへの効率的な移動を可能にすることを明らかにする。 Orion Alphaプラットフォームでの実験結果から,最大100ドル(約1万1000円)の量子ビット問題へのスケーリングによるアプローチの有効性が検証された。 本手法を用いて,実データセット上でのスマートチャージ最適化問題に対処する。 これらの知見は、実世界のシナリオに適用可能なハイブリッド最適化戦略のためのスケーラブルでリソース効率のよいパスを浮き彫りにしている。

関連論文リスト

• Benchmarking Optimizers for Qumode State Preparation with Variational Quantum Algorithms [10.941053143198092]
  この分野の進歩と潜在的な応用により、クォーモックへの関心が高まっている。 本稿では,変分量子アルゴリズムを用いて状態準備に使用する各種パラメータのパフォーマンスベンチマークを提供することにより,このギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-07T17:15:58Z)
• 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)
• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• Graph Representation Learning for Parameter Transferability in Quantum Approximate Optimization Algorithm [1.0971022294548696]
  量子近似最適化アルゴリズム(QAOA)は、量子拡張最適化による量子優位性を達成するための最も有望な候補の1つである。 本研究では,5種類のグラフ埋め込み手法を適用し,パラメータ転送可能性に対する適切なドナー候補を決定する。 この手法を用いて,パラメータ最適化に要するイテレーション数を効果的に削減し,目標問題に対する近似解を桁違いに高速化する。
  論文  参考訳（メタデータ） (2024-01-12T16:01:53Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Designing Quantum Annealing Schedules using Bayesian Optimization [0.0]
  ベイジアン最適化は,標準プロトコルよりも数桁優れた忠実度をもたらすスケジュールを特定できることがわかった。 我々の手法は、ハード最適化問題に対するハイブリッド量子アルゴリズムの設計を改善するのに役立つ。
  論文  参考訳（メタデータ） (2023-05-22T18:00:03Z)
• Automatic and effective discovery of quantum kernels [43.702574335089736]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,異なるアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• 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。

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。