論文の概要: Solving the Traveling Salesman Problem via Different Quantum Computing Architectures
- arxiv url: http://arxiv.org/abs/2502.17725v1
- Date: Mon, 24 Feb 2025 23:37:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-26 15:19:11.515237
- Title: Solving the Traveling Salesman Problem via Different Quantum Computing Architectures
- Title（参考訳）: 異なる量子コンピューティングアーキテクチャによるトラベリングセールスマン問題の解決
- Authors: Venkat Padmasola, Zhaotong Li, Rupak Chatterjee, Wesley Dyk,
- Abstract要約: 我々は、トラベルセールスマン問題(TSP)への新興フォトニックおよび量子コンピューティングアーキテクチャの適用について研究する。
ゲートベースの量子コンピュータはシミュレーションで小さなTSPインスタンスの正確な結果を示した。
Isingベースのアーキテクチャでは、より大きな問題サイズのスケーラビリティが向上している。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: We study the application of emerging photonic and quantum computing architectures to solving the Traveling Salesman Problem (TSP), a well-known NP-hard optimization problem. We investigate several approaches: Simulated Annealing (SA), Quadratic Unconstrained Binary Optimization (QUBO-Ising) methods implemented on quantum annealers and Optical Coherent Ising Machines, as well as the Quantum Approximate Optimization Algorithm (QAOA) and the Quantum Phase Estimation (QPE) algorithm on gate-based quantum computers. QAOA and QPE were tested on the IBM Quantum platform. The QUBO-Ising method was explored using the D-Wave quantum annealer, which operates on superconducting Josephson junctions, and the QCI Dirac machine, a nonlinear optoelectronic Ising machine. Gate-based quantum computers demonstrated accurate results for small TSP instances in simulation. However, real quantum devices are hindered by noise and limited scalability. Circuit complexity grows with problem size, restricting performance to TSP instances with a maximum of 6 nodes. In contrast, Ising-based architectures show improved scalability for larger problem sizes. SQUID-based Ising machines can handle TSP instances with up to 12 nodes, while nonlinear optoelectronic Ising machines extend this capability to 18 nodes. Nevertheless, the solutions tend to be suboptimal due to hardware limitations and challenges in achieving ground state convergence as the problem size increases. Despite these limitations, Ising machines demonstrate significant time advantages over classical methods, making them a promising candidate for solving larger-scale TSPs efficiently.
- Abstract（参考訳）: 本稿では,NP-hard 最適化問題であるトラベリングセールスマン問題 (TSP) の解法として,新たなフォトニックおよび量子コンピューティングアーキテクチャの応用について検討する。
量子アンニアと光コヒーレントイジングマシンに実装された擬似非拘束バイナリ最適化(QUBO-Ising)法,量子近似最適化アルゴリズム(QAOA)およびゲート型量子コンピュータ上の量子位相推定アルゴリズム(QPE)について検討する。
QAOAとQPEはIBM Quantumプラットフォーム上でテストされた。
The QUBO-Ising method was explore using the D-Wave quantum annealer which operatinging Josephson junctions and the QCI Dirac machine, an nonoelectronic Ising machine。
ゲートベースの量子コンピュータはシミュレーションで小さなTSPインスタンスの正確な結果を示した。
しかし、実際の量子デバイスはノイズと限られたスケーラビリティによって妨げられている。
回路の複雑さは問題のサイズによって増大し、最大6ノードのTSPインスタンスのパフォーマンスを制限する。
これとは対照的に、Isingベースのアーキテクチャでは、より大きな問題サイズのスケーラビリティが向上している。
SQUIDベースのIsingマシンは最大12ノードのTSPインスタンスを処理でき、非線形光電子Isingマシンはこの機能を18ノードに拡張する。
それでも、ハードウェアの制限や、問題のサイズが大きくなるにつれて基底状態の収束を達成するための課題のために、ソリューションは最適以下である傾向にある。
これらの制限にもかかわらず、Isingマシンは古典的手法よりも大きな時間的アドバンテージを示し、より大規模なTSPを効率的に解くための有望な候補である。
関連論文リスト
- Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。
そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
論文 参考訳（メタデータ） (2024-05-01T20:49:50Z) - 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) - A joint optimization approach of parameterized quantum circuits with a
tensor network [0.0]
現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。
本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
論文 参考訳（メタデータ） (2024-02-19T12:53:52Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - 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) - Solving various NP-Hard problems using exponentially fewer qubits on a
Quantum Computer [0.0]
NPハード問題は、一般時間アルゴリズムで正確に解けるとは考えられていない。
本稿では,問題のサイズに応じて対数的にスケールする独自手法を構築した。
これらのアルゴリズムは、100以上のノードのグラフサイズを持つ量子シミュレータと、256のグラフサイズまでの実際の量子コンピュータでテストされる。
論文 参考訳（メタデータ） (2023-01-17T16:03:33Z) - Constrained Quantum Optimization for Extractive Summarization on a
Trapped-ion Quantum Computer [13.528362112761805]
本稿では,量子ハードウェアの制約を保存する量子最適化アルゴリズムの,これまでで最大の実行方法を示す。
我々は、最大20キュービットと2キュービットゲート深さ最大159の量子進化を制限するXY-QAOA回路を実行する。
本稿では,アルゴリズムのトレードオフと,短期量子ハードウェア上での実行に対する影響について論じる。
論文 参考訳（メタデータ） (2022-06-13T16:21:04Z) - Squeezing and quantum approximate optimization [0.6562256987706128]
変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。
しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。
我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
論文 参考訳（メタデータ） (2022-05-20T18:00:06Z) - 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) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z) - 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)
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。