論文の概要: Steiner Traveling Salesman Problem with Quantum Annealing

• arxiv url: http://arxiv.org/abs/2504.02388v1
• Date: Thu, 03 Apr 2025 08:29:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:57:28.385641
• Title: Steiner Traveling Salesman Problem with Quantum Annealing
• Title（参考訳）: 量子アニーリングによるスタイナートラベルセールスマン問題
• Authors: Alessia Ciacco, Francesca Guerriero, Eneko Osaba,
• Abstract要約: シュタイナー旅行セールスマン問題(Steiner Traveling Salesman Problem、STSP)は、古典的な旅行セールスマン問題の変種である。 STSPのNPハード性を考えると、この問題に対処するための量子的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.44241702149260353
• License:
• Abstract: The Steiner Traveling Salesman Problem (STSP) is a variant of the classical Traveling Salesman Problem. The STSP involves incorporating steiner nodes, which are extra nodes not originally part of the required visit set but that can be added to the route to enhance the overall solution and minimize the total travel cost. Given the NP-hard nature of the STSP, we propose a quantum approach to address it. Specifically, we employ quantum annealing using D-Wave's hardware to explore its potential for solving this problem. To enhance computational feasibility, we develop a preprocessing method that effectively reduces the network size. Our experimental results demonstrate that this reduction technique significantly decreases the problem complexity, making the Quadratic Unconstrained Binary Optimization formulation, the standard input for quantum annealers, better suited for existing quantum hardware. Furthermore, the results highlight the potential of quantum annealing as a promising and innovative approach for solving the STSP.
• Abstract（参考訳）: シュタイナー旅行セールスマン問題(Steiner Traveling Salesman Problem、STSP)は、古典的な旅行セールスマン問題の変種である。 STSPは、本来は必要なビジターセットの一部ではなく、全体のソリューションを強化し、総旅行コストを最小化するためにルートに追加できる余分なノードであるステナーノードを組み込む。 STSPのNPハード性を考えると、この問題に対処するための量子的アプローチを提案する。 具体的には、D-Waveのハードウェアを用いて量子アニールを用いてこの問題の解決の可能性を探る。 計算可能性を高めるため,ネットワークサイズを効果的に削減する前処理手法を開発した。 実験結果から, 量子アンニアの標準入力である準拘束的二項最適化の定式化は, 既存の量子ハードウェアに適していることが明らかとなった。 さらに、この結果はSTSPを解くための有望で革新的なアプローチとして量子アニールの可能性を強調している。

関連論文リスト

• Quantum DeepONet: Neural operators accelerated by quantum computing [1.4918461320598675]
  本稿では,DeepONet評価の高速化に量子コンピューティングを活用することを提案する。 我々は,反微分演算子,対流方程式,バーガース方程式など,様々なPDEを用いて量子DeepONetをベンチマークする。
  論文  参考訳（メタデータ） (2024-09-24T02:53:42Z)
• Contextual Subspace Variational Quantum Eigensolver Calculation of the Dissociation Curve of Molecular Nitrogen on a Superconducting Quantum Computer [0.06990493129893112]
  超伝導量子ハードウェア上でのコンテキスト部分空間変動量子固有解器の実験実験を行った。 特に分子窒素のポテンシャルエネルギー曲線を計算し、解離限界における静的相関の優位性は、多くの従来の量子化学技術において困難であることを示す。 我々の量子シミュレーションは、選択されたSTO-3Gベースにおける完全な構成相互作用エネルギーと良好な一致を維持し、ボンドブレーキングを適切に捉える際に、ベンチマークされたすべての単一参照波動関数技術より優れている。
  論文  参考訳（メタデータ） (2023-12-07T16:05:52Z)
• 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)
• Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
  量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。 量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
  論文  参考訳（メタデータ） (2022-12-06T22:01:49Z)
• Quantum-inspired optimization for wavelength assignment [51.55491037321065]
  波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。 本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
  論文  参考訳（メタデータ） (2022-11-01T07:52:47Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• 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)
• 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)
• 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)
• Unconstrained Binary Models of the Travelling Salesman Problem Variants for Quantum Optimization [0.0]
  本稿では,Travelling Salesman Problem with Time Windows (TSPTW) の量子コンピュータ上での解法を詳細に分析する。 本稿では、制約のない二項最適化と高階二項最適化の定式化を導入する。 TSPTW問題のエッジベースおよびノードベースの定式化の利点を示す。
  論文  参考訳（メタデータ） (2021-06-16T18:01:31Z)
• 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。