論文の概要: Graph Coloring via Quantum Optimization on a Rydberg-Qudit Atom Array
- arxiv url: http://arxiv.org/abs/2504.08598v1
- Date: Fri, 11 Apr 2025 14:55:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-14 14:18:23.701355
- Title: Graph Coloring via Quantum Optimization on a Rydberg-Qudit Atom Array
- Title（参考訳）: Rydberg-Qudit 原子配列上の量子最適化によるグラフカラー化
- Authors: Toonyawat Angkhanawin, Aydin Deger, Jonathan D. Pritchard, C. Stuart Adams,
- Abstract要約: 本稿では,ネイティブ組込みグラフ着色問題の解法を提案する。
色数に対する最適なグラフ色付けを、Rydberg状態の異なる数まで確実に見つける能力を示す。
本稿では,本手法の実験的実現可能性について論じ,高い色数問題を解くための拡張法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Neutral atom arrays have emerged as a versatile candidate for the embedding of hard classical optimization problems. Prior work has focused on mapping problems onto finding the maximum independent set of weighted or unweighted unit disk graphs. In this paper we introduce a new approach to solving natively-embedded vertex graph coloring problems by performing coherent annealing with Rydberg-qudit atoms, where different same-parity Rydberg levels represent a distinct label or color. We demonstrate the ability to robustly find optimal graph colorings for chromatic numbers up to the number of distinct Rydberg states used, in our case $k=3$. We analyze the impact of both the long-range potential tails and residual inter-state interactions, proposing encoding strategies that suppress errors in the resulting ground states. We discuss the experimental feasibility of this approach and propose extensions to solve higher chromatic number problems, providing a route towards direct solution of a wide range of real-world integer optimization problems using near-term neutral atom hardware.
- Abstract（参考訳）: ニュートラル原子配列は、ハード古典最適化問題の埋め込みの汎用的候補として浮上している。
以前の研究は、問題を重み付きまたは非重み付き単位ディスクグラフの最大独立集合を見つけることにマッピングすることに重点を置いていた。
本稿では,Rydberg-qudit原子とのコヒーレントアニーリングにより,ネイティブ埋め込み頂点グラフ着色問題の解法を提案する。
色数に対する最適なグラフ色付けを、使用したRydberg状態の個数までしっかりと見つけることができることを、この場合、$k=3$ である。
我々は、長距離ポテンシャルテールと残差状態間相互作用の影響を解析し、結果として生じる基底状態の誤差を抑制する符号化戦略を提案する。
本稿では,本手法の実験的実現可能性について論じ,高次色数問題への拡張を提案するとともに,近距離中性原子ハードウェアを用いた幅広い実世界の整数最適化問題の直接解への道筋を提供する。
関連論文リスト
- Generation of quantum phases of matter and finding a maximum-weight independent set of unit-disk graphs using Rydberg atoms [4.619601221994331]
本稿では,Rydberg 励起を用いた単位ディスクグラフの最大重み付き独立集合の問題について検討する。
相互作用する原子の量子系を多体基底状態に駆動し,非線形準断熱プロファイルを用いてライドバーグデチューニングを網羅する。
また、原子配列の1次元および2次元空間配置において、コンメニュレートおよび非コンメニュレート相を実現する物質の量子相についても検討する。
論文 参考訳（メタデータ） (2024-05-16T04:23:17Z) - Demonstration of weighted graph optimization on a Rydberg atom array using local light-shifts [0.0]
Rydberg 原子アレイ上での最大重み付き独立集合問題の解法を示す。
重み付きグラフを1次元および2次元配列で作成する能力を検証する。
論文 参考訳（メタデータ） (2024-04-03T11:42:38Z) - Rydberg-atom graphs for quadratic unconstrained binary optimization
problems [0.3562485774739681]
本稿では,Rydbergatom グラフを用いて2次非制約二元最適化問題を効果的に解く方法を示す。
ライドバーグ-原子グラフ(英: Rydberg-atom graph)は、プログラム可能な光ツイーザーによって促進される数学的グラフへの中性原子の構成である。
論文 参考訳（メタデータ） (2023-09-26T11:22:38Z) - Exploring the impact of graph locality for the resolution of MIS with
neutral atom devices [0.755972004983746]
グラフのより複雑なクラスを埋め込むために3Dアレンジメントを用いた最近の進歩の上に構築する。
本稿では,量子コンピュータ上での難しい問題に対処するための重要なステップを示す実験的,理論的結果について報告する。
論文 参考訳（メタデータ） (2023-06-23T08:53:16Z) - Graph Signal Sampling for Inductive One-Bit Matrix Completion: a
Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。
キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。
オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文 参考訳（メタデータ） (2023-02-08T08:17:43Z) - Deep Manifold Learning with Graph Mining [80.84145791017968]
グラフマイニングのための非段階的決定層を持つ新しいグラフ深層モデルを提案する。
提案モデルでは,現行モデルと比較して最先端性能を実現している。
論文 参考訳（メタデータ） (2022-07-18T04:34:08Z) - Graph Coloring with Physics-Inspired Graph Neural Networks [0.0]
正準グラフ着色問題の解法としてグラフニューラルネットワークを用いる方法を示す。
マルチクラスノード分類問題としてグラフカラー化を行い,教師なし学習戦略を利用する。
論文 参考訳（メタデータ） (2022-02-03T14:24:12Z) - Sparse Quadratic Optimisation over the Stiefel Manifold with Application
to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。
そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-09-30T19:17:35Z) - A Bi-Level Framework for Learning to Solve Combinatorial Optimization on
Graphs [91.07247251502564]
本稿では,2つの世界の長所を結合するハイブリッドな手法を提案する。この手法では,グラフを最適化する上層学習手法とバイレベルフレームワークを開発する。
このような二段階のアプローチは、元のハードCOでの学習を単純化し、モデルキャパシティの需要を効果的に軽減することができる。
論文 参考訳（メタデータ） (2021-06-09T09:18:18Z) - Multilayer Graph Clustering with Optimized Node Embedding [70.1053472751897]
多層グラフクラスタリングは、グラフノードをカテゴリまたはコミュニティに分割することを目指しています。
与えられた多層グラフの層をクラスタリングに親しみやすい埋め込みを提案する。
実験の結果,本手法は著しい改善をもたらすことがわかった。
論文 参考訳（メタデータ） (2021-03-30T17:36:40Z) - Multilayer Clustered Graph Learning [66.94201299553336]
我々は、観測された層を代表グラフに適切に集約するために、データ忠実度用語として対照的な損失を用いる。
実験により,本手法がクラスタクラスタw.r.tに繋がることが示された。
クラスタリング問題を解くためのクラスタリングアルゴリズムを学習する。
論文 参考訳（メタデータ） (2020-10-29T09:58:02Z)
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。