論文の概要: Multi-Objective Routing Optimization Using Coherent Ising Machine in Wireless Multihop Networks
- arxiv url: http://arxiv.org/abs/2503.07924v1
- Date: Mon, 10 Mar 2025 23:59:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 15:38:49.889014
- Title: Multi-Objective Routing Optimization Using Coherent Ising Machine in Wireless Multihop Networks
- Title（参考訳）: 無線マルチホップネットワークにおけるコヒーレントイジングマシンを用いた多目的ルーティング最適化
- Authors: Yu-Xuan Lin, Chu-Yao Xu, Chuan Wang,
- Abstract要約: Coherent Ising Machines (CIM) は、無線ネットワークにおける多目的ルーティング最適化のための量子インスパイアされたアルゴリズムである。
CIMは、トポロジ固有の調整を必要とせずに、多様なネットワークトポロジにわたって強力なスケーラビリティを示す。
その結果、CIMは数百のノードと数千のエッジを含むネットワークに対して、実現可能でほぼ最適のソリューションを提供することがわかった。
- 参考スコア（独自算出の注目度）: 4.4727509471456495
- License:
- Abstract: Multi-objective combinatorial optimization in wireless communication networks is a challenging task, particularly for large-scale and diverse topologies. Recent advances in quantum computing offer promising solutions for such problems. Coherent Ising Machines (CIM), a quantum-inspired algorithm, leverages the quantum properties of coherent light, enabling faster convergence to the ground state. This paper applies CIM to multi-objective routing optimization in wireless multi-hop networks. We formulate the routing problem as a Quadratic Unconstrained Binary Optimization (QUBO) problem and map it onto an Ising model, allowing CIM to solve it. CIM demonstrates strong scalability across diverse network topologies without requiring topology-specific adjustments, overcoming the limitations of traditional quantum algorithms like Quantum Approximate Optimization Algorithm (QAOA) and Variational Quantum Eigensolver (VQE). Our results show that CIM provides feasible and near-optimal solutions for networks containing hundreds of nodes and thousands of edges. Additionally, a complexity analysis highlights CIM's increasing efficiency as network size grows
- Abstract（参考訳）: 無線通信ネットワークにおける多目的組合せ最適化は、特に大規模かつ多様なトポロジにおいて難しい課題である。
量子コンピューティングの最近の進歩は、そのような問題に対する有望な解決策を提供する。
コヒーレントイジングマシン(CIM)は、コヒーレント光の量子特性を活用し、基底状態へのより高速な収束を可能にする。
本稿では,無線マルチホップネットワークにおける多目的ルーティング最適化にCIMを適用した。
ルーティング問題を擬似非制約バイナリ最適化(QUBO)問題として定式化し、それをIsingモデルにマッピングすることで、CIMがそれを解けるようにする。
CIMは、量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)や変分量子固有解法(VQE)といった従来の量子アルゴリズムの限界を克服し、トポロジ固有の調整を必要とせずに、多様なネットワークトポロジにわたって強力なスケーラビリティを示す。
その結果、CIMは数百のノードと数千のエッジを含むネットワークに対して、実現可能でほぼ最適のソリューションを提供することがわかった。
さらに、ネットワークサイズが大きくなるにつれてCIMの効率が向上するのが複雑性分析である。
関連論文リスト
- Resource-Efficient Compilation of Distributed Quantum Circuits for Solving Large-Scale Wireless Communication Network Problems [10.434368470402935]
無線センサネットワーク(WSN)におけるルーティングの最適化は、消費電力を最小化し、ネットワーク寿命を延ばすために重要である。
本稿では,大規模なWSNルーティング問題に対処するための分散量子回路の資源効率コンパイル手法を提案する。
論文 参考訳（メタデータ） (2025-01-17T15:10:22Z) - Exact Quantum Algorithm for Unit Commitment Optimization based on Partially Connected Quantum Neural Networks [12.688426228429604]
本稿では、量子ニューラルネットワーク(QNN)に基づく正確な量子アルゴリズムによる単位コミットメント問題の実装に焦点を当てる。
その結果、改良されたアルゴリズムにより正確な解を得ることができ、量子回路の深さを同時に低減できることがわかった。
論文 参考訳（メタデータ） (2024-11-18T08:29:50Z) - MG-Net: Learn to Customize QAOA with Circuit Depth Awareness [51.78425545377329]
量子近似最適化アルゴリズム(QAOA)とその変種は、最適化問題に対処する大きな可能性を示している。
良好な性能を実現するために必要な回路深度は問題固有であり、しばしば現在の量子デバイスの最大容量を超える。
ミキサジェネレータネットワーク (MG-Net) は, 最適ミキサハミルトニアンを動的に定式化するための統合ディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2024-09-27T12:28:18Z) - Surrogate-guided optimization in quantum networks [0.9148747049384086]
量子通信ネットワークの設計と性能を改善する最適化アルゴリズムを提案する。
我々のフレームワークは、サロゲート支援最適化を既存の量子ネットワークシミュレータと統合することで、より包括的な量子ネットワーク研究を可能にする。
論文 参考訳（メタデータ） (2024-07-24T11:55:18Z) - 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) - Multi-Objective Optimization and Network Routing with Near-Term Quantum
Computers [0.2150989251218736]
我々は,多目的最適化問題を解くために,近距離量子コンピュータを応用できる手法を開発した。
量子近似最適化アルゴリズム(QAOA)に基づく実装に焦点を当てる。
論文 参考訳（メタデータ） (2023-08-16T09:22:01Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - Entanglement Rate Optimization in Heterogeneous Quantum Communication
Networks [79.8886946157912]
量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。
近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。
量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
論文 参考訳（メタデータ） (2021-05-30T11:34:23Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳（メタデータ） (2021-01-05T03:55:04Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-23T19:00:01Z)
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。