論文の概要: Scaling Quantum Simulation-Based Optimization: Demonstrating Efficient Power Grid Management with Deep QAOA Circuits
- arxiv url: http://arxiv.org/abs/2505.16444v1
- Date: Thu, 22 May 2025 09:33:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:48.191857
- Title: Scaling Quantum Simulation-Based Optimization: Demonstrating Efficient Power Grid Management with Deep QAOA Circuits
- Title（参考訳）: 量子シミュレーションに基づく最適化のスケーリング:深部QAOA回路を用いた効率的な電力グリッド管理の実証
- Authors: Maximilian Adler, Jonas Stein, Michael Lachner,
- Abstract要約: この研究は、QAOAベースのQuSOソルバのシミュレーションコンポーネントに対して、指数関数の高速化を証明した最初の理論的結果を拡張した。
我々は、コストのかかる量子ビット要求を回避できる、非常に効率的な古典的量子回路シミュレーションを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum Simulation-based Optimization (QuSO) is a recently proposed class of optimization problems that entails industrially relevant problems characterized by cost functions or constraints that depend on summary statistic information about the simulation of a physical system or process. This work extends initial theoretical results that proved an up-to-exponential speedup for the simulation component of the QAOA-based QuSO solver proposed by Stein et al. for the unit commitment problem by an empirical evaluation of the optimization component using a standard benchmark dataset, the IEEE 57-bus system. Exploiting clever classical pre-computation, we develop a very efficient classical quantum circuit simulation that bypasses costly ancillary qubit requirements by the original algorithm, allowing for large-scale experiments. Utilizing more than 1000 QAOA layers and up to 20 qubits, our experiments complete a proof of concept implementation for the proposed QuSO solver, showing that it can achieve both highly competitive performance and efficiency in its optimization component compared to a standard classical baseline, i.e., simulated annealing.
- Abstract（参考訳）: 量子シミュレーションに基づく最適化(QuSO、Quantum Simulation-based Optimization)は、物理システムやプロセスのシミュレーションに関する要約統計情報に依存するコスト関数や制約によって特徴づけられる産業上の問題を含む、最近提案された最適化問題のクラスである。
この研究は、標準ベンチマークデータセットであるIEEE 57-busシステムを用いた最適化コンポーネントの実証的な評価により、Steinらによって提案されたQAOAベースのQuSOソルバのシミュレーションコンポーネントの最大高速化を証明した最初の理論的結果を拡張した。
巧妙な古典的プリ計算を駆使して、原アルゴリズムによるコストのかかる量子ビット要求を回避し、大規模な実験を可能にする、非常に効率的な古典的量子回路シミュレーションを開発する。
実験では1000以上のQAOA層と最大20量子ビットを用い,提案したQuSOソルバの概念実装の証明を完成させた。
関連論文リスト
- Quantum Simulation-Based Optimization of a Cooling System [0.0]
量子アルゴリズムは、数値シミュレーションに関連する特定のタスクに対して指数的なスピードアップを約束する。
しかし、量子コンピュータのデータ入力と出力を考えると、これらの利点はすぐに消える。
最近導入されたQuantum Simulation-Based Optimization (QuSO)は、より大規模な最適化の中でシミュレーションをサブプロブレムとして扱う。
論文 参考訳（メタデータ） (2025-04-21T21:58:21Z) - Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。
本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
論文 参考訳（メタデータ） (2025-04-21T18:19:19Z) - Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。
本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。
提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
論文 参考訳（メタデータ） (2025-04-17T15:41:48Z) - Quantum-Enhanced Simulation-Based Optimization for Newsvendor Problems [5.500172106704342]
古典モンテカルロシミュレーションと比較して量子振幅推定(QAE)の高効率性を利用する。
本研究では,シミュレーションに基づく最適化に量子エンハンスアルゴリズムを用い,NP-hardとして知られる古典ニュース問題の変種を解く。
論文 参考訳（メタデータ） (2024-03-26T05:14:50Z) - Guess What Quantum Computing Can Do for Test Case Optimization [43.89456212504871]
近い将来、量子近似最適化アルゴリズム(QAOAs)は最適化問題を解く大きな可能性を秘めている。
本稿では,QAOA問題としてソフトウェアテストケース最適化問題を定式化し,量子コンピュータシミュレータ上での解法を提案する。
近年は利用できない多くのキュービットを必要とするより大きなテスト最適化問題を解決するため、QAOAと問題分解戦略を統合する。
論文 参考訳（メタデータ） (2023-12-24T21:25:31Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Efficient DCQO Algorithm within the Impulse Regime for Portfolio
Optimization [41.94295877935867]
本稿では,デジタルカウンセバティック量子最適化(DCQO)パラダイムを用いて,ポートフォリオ最適化のための高速なディジタル量子アルゴリズムを提案する。
提案手法は,アルゴリズムの回路深度要件を特に低減し,解の精度を向上し,現在の量子プロセッサに適している。
我々は,IonQトラップイオン量子コンピュータ上で最大20量子ビットを使用するプロトコルの利点を実験的に実証した。
論文 参考訳（メタデータ） (2023-08-29T17:53:08Z) - Max-value Entropy Search for Multi-Objective Bayesian Optimization with
Constraints [44.25245545568633]
航空電力システム設計の応用においては、運動温度とセル電圧の比しきい値を満たすとともに、総エネルギーと質量をトレードオフする設計を見出す必要がある。
本稿では,制約付き多目的最適化のためのem Max-value Entropy Search (MESMOC) と呼ばれる新しい手法を提案する。
MESMOCは、出力空間エントロピーに基づく取得関数を使用して、評価のための入力のシーケンスを効率的に選択し、高品質なパリトセットソリューションを明らかにする。
論文 参考訳（メタデータ） (2020-09-01T05:00:01Z) - Quantum-Enhanced Simulation-Based Optimization [0.8057006406834467]
シミュレーションに基づく最適化は、正確に評価するのに計算コストのかかる目的関数を最適化することを目指している。
量子振幅推定(QAE)は、古典モンテカルロシミュレーションよりも2次的なスピードアップを達成することができる。
論文 参考訳（メタデータ） (2020-05-21T17:02:59Z)
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。