論文の概要: Qubit-Efficient Quantum Annealing for Stochastic Unit Commitment

• arxiv url: http://arxiv.org/abs/2502.15917v1
• Date: Fri, 21 Feb 2025 20:15:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 22:36:55.877326
• Title: Qubit-Efficient Quantum Annealing for Stochastic Unit Commitment
• Title（参考訳）: 確率ユニットコミットのための量子アニーリング
• Authors: Wei Hong, Wangkun Xu, Fei Teng,
• Abstract要約: 再生可能エネルギー源の統合によって引き起こされる不確実性を管理するため、ユニットコミット(SUC)が提案されている。 本稿では,スラック変数を不要にするために,パウエル・ヘステネス・ロッカフェラー拡張ラグランジアン乗算器(PHR-ALM)法を提案する。 さらに量子ADMMを適用して、大規模SUCを小さなブロックに分割し、シーケンシャルな解を可能にする。
• 参考スコア（独自算出の注目度）: 4.2251752131402585
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stochastic Unit Commitment (SUC) has been proposed to manage the uncertainties driven by the integration of renewable energy sources. When solved by Benders Decomposition (BD), the master problem becomes a binary integer programming which is NP-hard and computationally demanding for classical computational methods. Quantum Annealing (QA), known for efficiently solving Quadratic Unconstrained Binary Optimization (QUBO) problems, presents a potential solution. However, existing quantum algorithms rely on slack variables to handle linear binary inequality constraints, leading to increased qubit consumption and reduced computational efficiency. To solve the problem, this paper introduces the Powell-Hestenes-Rockafellar Augmented Lagrangian Multiplier (PHR-ALM) method to eliminate the need for slack variables so that the qubit consumption becomes independent of the increasing number of bender's cuts. To further reduce the qubit overhead, quantum ADMM is applied to break large-scale SUC into smaller blocks and enables a sequential solution. Consequently, the Quantum-based PHR-ADMM (QPHR-ADMM) can significantly reduce qubit requirements and enhancing the applicability of QA in SUC problem. The simulation results demonstrate the feasibility of the proposed QPHR-ADMM algorithm, indicating its superior time efficiency over classical approaches for large scale QUBO problems under the D-Wave QPU showcases.
• Abstract（参考訳）: 再生可能エネルギー源の統合によって引き起こされる不確実性を管理するため、確率的単位コミットメント(SUC)が提案されている。 Benders Decomposition (BD) によって解かれると、マスター問題はNPハードで計算量の多い2進整数プログラミングになる。 量子アニーリング(QA)は、二次非拘束バイナリ最適化(QUBO)問題を効率よく解くことで知られ、潜在的な解を示す。 しかし、既存の量子アルゴリズムは線形二進不等式制約を扱うためにスラック変数に依存しており、量子ビットの消費が増加し、計算効率が低下する。 そこで本研究では,スラック変数を不要にするために,パウエル・ヘステネス・ロッカフェラー拡張ラグランジアン乗算器(PHR-ALM)法を提案する。 さらに量子ADMMを適用して、大規模SUCを小さなブロックに分割し、シーケンシャルな解を可能にする。 その結果、量子ベースのPHR-ADMM(QPHR-ADMM)は、量子ビット要求を大幅に低減し、SUC問題におけるQAの適用性を高めることができる。 シミュレーションの結果,提案したQPHR-ADMMアルゴリズムの実現可能性を示し,D-Wave QPUショーにおける大規模QUBO問題に対する古典的アプローチよりも優れた時間効率を示す。

関連論文リスト

• Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
  この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。 本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。 提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
  論文  参考訳（メタデータ） (2025-04-17T15:41:48Z)
• Implementing Slack-Free Custom Penalty Function for QUBO on Gate-Based Quantum Computers [4.266376725904727]
  変分量子アルゴリズム(VQA)は、通常、ペナルティ法を用いて制約のない問題として再構成されるように制約付き問題を要求する。 一般的なアプローチでは、不等式制約を扱うためにQUBOの定式化においてスラック変数と二次罰則を導入する。 我々は、カスタムペナルティ関数を使って不等式制約を直接エンコードするスラックフリーな定式化について検討する。 これらのステップのような罰則は、追加の量子ビットを導入するか、微調整された重みを必要とすることなく、実現不可能な解を抑える。
  論文  参考訳（メタデータ） (2025-04-17T03:20:02Z)
• A quantum annealing approach to the minimum distance problem of quantum codes [0.0]
  本稿では,量子安定化器符号の最小距離を準拘束的二項最適化問題として再定式化することで計算する手法を提案する。 D-Wave Advantage 4.1quantum annealerと比較することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-04-26T21:29:42Z)
• Variational quantum eigensolver with linear depth problem-inspired ansatz for solving portfolio optimization in finance [7.501820750179541]
  本稿では,金融におけるポートフォリオ最適化問題を解決するために,変分量子固有解法(VQE)を提案する。 超伝導量子コンピュータWu Kongにおける最大55量子ビットのHDC実験を実装した。 HDCスキームは、NISQ時代に量子アドバンテージを達成する大きな可能性を示している。
  論文  参考訳（メタデータ） (2024-03-07T07:45:47Z)
• Efficient MILP Decomposition in Quantum Computing for ReLU Network Robustness [2.854196251981274]
  本研究では,MILP(Mixed-Integer Linear Programming)の2つの分解法について検討した。 我々は、元の問題をより小さなサブプロブレムに分割することに集中し、量子古典的ハードウェアのアプローチを組み合わせて反復的に解決する。 実験の結果,従来の量子アニール法やゲートベース量子コンピュータと比較して最大90%の量子ビットを削減できることがわかった。
  論文  参考訳（メタデータ） (2023-04-30T13:10:56Z)
• 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)
• Unbalanced penalization: A new approach to encode inequality constraints of combinatorial problems for quantum optimization algorithms [42.29248343585333]
  余分なスラック変数を必要としない代替手法を提案する。 我々は,旅行セールスマン問題,ビン包装問題,ナプサック問題に対するアプローチを評価した。 この新しいアプローチは、リソースの少ない不等式制約の問題を解決するために使用できる。
  論文  参考訳（メタデータ） (2022-11-25T06:05:18Z)
• Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
  我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。 超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。 数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-27T17:56:15Z)
• Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization [44.96576908957141]
  本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-23T18:00:03Z)
• 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)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• 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)
• 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。

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。