論文の概要: Path Matters: Industrial Data Meet Quantum Optimization

• arxiv url: http://arxiv.org/abs/2504.16607v1
• Date: Wed, 23 Apr 2025 10:45:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 16:53:42.859802
• Title: Path Matters: Industrial Data Meet Quantum Optimization
• Title（参考訳）: パス: 産業データと量子最適化
• Authors: Lukas Schmidbauer, Carlos A. Riofrío, Florian Heinrich, Vanessa Junk, Ulrich Schwenk, Thomas Husslein, Wolfgang Mauerer,
• Abstract要約: 現実の最適化問題は、現在の量子ハードウェアで解けるようになる前に、一連の変換を行う必要がある。 実業界における産業生産計画問題と産業データを用いて,これらの転換経路の代表的サブセットをベンチマークする。 その結果,D-Waveハードウェア上でのQAがほぼ最適解を生成するのに対して,IBM量子デバイス上でのLR-QAOAは同等の性能に達するのに苦労していることがわかった。
• 参考スコア（独自算出の注目度）: 2.7883868459582737
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Real-world optimization problems must undergo a series of transformations before becoming solvable on current quantum hardware. Even for a fixed problem, the number of possible transformation paths -- from industry-relevant formulations through binary constrained linear programs (BILPs), to quadratic unconstrained binary optimization (QUBO), and finally to a hardware-executable representation -- is remarkably large. Each step introduces free parameters, such as Lagrange multipliers, encoding strategies, slack variables, rounding schemes or algorithmic choices -- making brute-force exploration of all paths intractable. In this work, we benchmark a representative subset of these transformation paths using a real-world industrial production planning problem with industry data: the optimization of work allocation in a press shop producing vehicle parts. We focus on QUBO reformulations and algorithmic parameters for both quantum annealing (QA) and the Linear Ramp Quantum Approximate Optimization Algorithm (LR-QAOA). Our goal is to identify a reduced set of effective configurations applicable to similar industrial settings. Our results show that QA on D-Wave hardware consistently produces near-optimal solutions, whereas LR-QAOA on IBM quantum devices struggles to reach comparable performance. Hence, the choice of hardware and solver strategy significantly impacts performance. The problem formulation and especially the penalization strategy determine the solution quality. Most importantly, mathematically-defined penalization strategies are equally successful as hand-picked penalty factors, paving the way for automated QUBO formulation. Moreover, we observe a strong correlation between simulated and quantum annealing performance metrics, offering a scalable proxy for predicting QA behavior on larger problem instances.
• Abstract（参考訳）: 現実の最適化問題は、現在の量子ハードウェアで解けるようになる前に、一連の変換を行う必要がある。 固定問題においても、産業関連のある定式化から、バイナリ制約付き線形プログラム(BILP)、二次的制約なしバイナリ最適化(QUBO)、そして最終的にハードウェア実行可能な表現に至るまで、可能な変換パスの数は著しく大きい。各ステップでは、ラグランジュ乗算器、エンコーディング戦略、スラック変数、ラウンドリングスキーム、アルゴリズム選択などの自由パラメータを導入し、すべてのパスをブルートフォースで探索することができる。 本研究では,産業データと実業界における産業生産計画問題を用いて,これらの転換経路の代表的なサブセットをベンチマークし,プレスショップの自動車部品製造における作業割当の最適化を行う。 本稿では,量子アニール (QA) と線形ランプ量子近似最適化 (LR-QAOA) の両方に対するQUBO再構成とアルゴリズムパラメータに着目した。 私たちのゴールは、同様の産業環境に適用可能な、効率的な構成の削減です。 その結果,D-Waveハードウェア上でのQAがほぼ最適解を生成するのに対して,IBM量子デバイス上でのLR-QAOAは同等の性能に達するのに苦労していることがわかった。 したがって、ハードウェアとソルバ戦略の選択は性能に大きな影響を及ぼす。 問題の定式化、特に罰則化戦略は、解の質を決定する。 最も重要なことは、数学的に定義された罰則は手書きの罰則として等しく成功し、自動QUBOの定式化への道を開くことである。 さらに、シミュレーションと量子アニール性能の相関関係を強く観察し、より大きな問題インスタンス上でのQAの振る舞いを予測するスケーラブルなプロキシを提供する。

関連論文リスト

• Non-Variational Quantum Random Access Optimization with Alternating Operator Ansatz [3.5773675235837974]
  量子ランダムアクセス最適化(QRAO)は、量子最適化の空間要求を減らすために提案されている。 インスタンスに依存しない'固定'パラメータは優れた性能を示し、変分パラメータ最適化の必要性を排除した。 本研究は,早期のフォールトトレラント量子コンピュータ上でのQRAOの実践的実行の道を開くものである。
  論文  参考訳（メタデータ） (2025-02-06T18:25:31Z)
• 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)
• Qubit efficient quantum algorithms for the vehicle routing problem on NISQ processors [48.68474702382697]
  時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。 そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
  論文  参考訳（メタデータ） (2023-06-14T13:44:35Z)
• Quantum-Inspired Optimization over Permutation Groups [0.2294014185517203]
  量子インスパイアされた最適化 (QIO) アルゴリズムは、量子力学的効果を古典的なハードウェアにエミュレートする計算手法である。 我々は、任意の最適化問題を解決するためにQIOツールをカスタマイズするアルゴリズムフレームワークPerm-QIOを開発した。
  論文  参考訳（メタデータ） (2022-12-06T00:02:39Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
  現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価コストハミルトニアンに変換する必要がある。 目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。 我々は、このアイデアをトラベリングセールスマン問題やMax-K$-Cutといった最適化タスクに活用し、関連するすべてのコスト対策に関して最適に近い回路を得る。
  論文  参考訳（メタデータ） (2022-09-07T18:01:01Z)
• Optimization of Robot Trajectory Planning with Nature-Inspired and Hybrid Quantum Algorithms [0.0]
  産業規模でロボット軌道計画問題を解く。 我々のエンドツーエンドソリューションは、高度に多目的なランダムキーアルゴリズムとモデル積み重ねとアンサンブル技術を統合している。 我々は、後者が我々のより大きなパイプラインにどのように統合され、問題に対する量子対応ハイブリッドソリューションを提供するかを示す。
  論文  参考訳（メタデータ） (2022-06-08T02:38:32Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Analysis of Vehicle Routing Problem in Presence of Noisy Channels [0.0]
  車両ルーティング問題(VRP)はNPハード最適化問題である。 この研究は、変数 ANSATZ 上の変分量子固有解法を用いて、3 と 4 の都市に基本的な VRP ソリューションを構築する。
  論文  参考訳（メタデータ） (2021-12-28T10:20:42Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• 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。