論文の概要: Quantum-Inspired Genetic Optimization for Patient Scheduling in Radiation Oncology
- arxiv url: http://arxiv.org/abs/2506.04328v1
- Date: Wed, 04 Jun 2025 18:00:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-06 21:53:49.35474
- Title: Quantum-Inspired Genetic Optimization for Patient Scheduling in Radiation Oncology
- Title（参考訳）: 放射線オンコロジーにおける患者スケジューリングのための量子インスパイアされた遺伝的最適化
- Authors: Akira SaiToh, Arezoo Modiri, Amit Sawant, Robabeh Rahimi,
- Abstract要約: 量子染色体は、患者IDとガントリー状態の重畳されたデータを保持するように調整されている。
選択と修復の戦略は、臨床的に可能なスケジュールへの信頼性の高い収束のためにも精査される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Among the genetic algorithms generally used for optimization problems in the recent decades, quantum-inspired variants are known for fast and high-fitness convergence and small resource requirement. Here the application to the patient scheduling problem in proton therapy is reported. Quantum chromosomes are tailored to possess the superposed data of patient IDs and gantry statuses. Selection and repair strategies are also elaborated for reliable convergence to a clinically feasible schedule although the employed model is not complex. Clear advantage in population size is shown over the classical counterpart in our numerical results for both a medium-size test case and a large-size practical problem instance. It is, however, observed that program run time is rather long for the large-size practical case, which is due to the limitation of classical emulation and demands the forthcoming true quantum computation. Our results also revalidate the stability of the conventional classical genetic algorithm.
- Abstract（参考訳）: 近年の最適化問題に一般的に用いられている遺伝的アルゴリズムの中で、量子にインスパイアされた変種は高速かつ高適合な収束と小さな資源要求で知られている。
ここでは、プロトン療法における患者スケジューリング問題への応用を報告する。
量子染色体は、患者IDとガントリー状態の重畳されたデータを保持するように調整されている。
また, 採用モデルは複雑ではないが, 臨床に実現可能なスケジュールに信頼性のある収束を図るために, 選択と修復の戦略を精査する。
中規模テストケースと大規模実用問題インスタンスの両方に対して,古典的な数値計算結果に対して,人口規模に対する明らかな優位性を示す。
しかし、プログラムの実行時間は、古典的なエミュレーションの制限と今後の真の量子計算の要求による、大規模な実用的なケースでは比較的長いことが観察された。
また,従来の遺伝的アルゴリズムの安定性についても検証した。
関連論文リスト
- Quantum Annealing Feature Selection on Light-weight Medical Image Datasets [8.813070033148023]
軽度医用画像データセットの特徴選択という,計算集約的な課題に取り組むために,実際の量子ハードウェアにおける量子コンピューティングアルゴリズムの利用について検討する。
本稿では,市販の量子アニールよりも大きな特徴選択を解く方法を提案する。
本手法は,小型の医用画像の再構成に用いる画素マスクを特徴選択によって識別する玩具問題において試験される。
論文 参考訳（メタデータ） (2025-02-26T15:09:23Z) - Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。
私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。
基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
論文 参考訳（メタデータ） (2024-05-22T18:11:42Z) - Quantum-Inspired Genetic Algorithm for Designing Planar Multilayer Photonic Structure [40.27913742030096]
量子アルゴリズムは、機能性材料の設計における新しいツールである。
量子コンピューティングリソースの高価格と成長するコンピューティングニーズのバランスをとる方法は、解決すべき緊急の問題となっている。
改良された量子遺伝的アルゴリズム(QGA)と機械学習サロゲートモデル回帰を組み合わせた能動的学習方式に基づく新しい最適化手法を提案する。
論文 参考訳（メタデータ） (2024-05-08T03:03:10Z) - Realistic Runtime Analysis for Quantum Simplex Computation [0.4407851469168588]
重要な最適化問題の現実のインスタンスを解く際に,古典的ランタイム解析のための量子アナログを提案する。
現実的な問題サイズに対する現実的な量子的優位性は、現在の物理的な制限よりもかなり低い量子ゲート演算時間を必要とすることを示します。
論文 参考訳（メタデータ） (2023-11-16T16:11:44Z) - Analyzing Prospects for Quantum Advantage in Topological Data Analysis [35.423446067065576]
我々は、トポロジカルデータ解析のための改良された量子アルゴリズムを解析し、最適化する。
超二次量子スピードアップは乗法誤差近似をターゲットとする場合にのみ可能であることを示す。
数百億のトフォリを持つ量子回路は、古典的に難解なインスタンスを解くことができると我々は主張する。
論文 参考訳（メタデータ） (2022-09-27T17:56:15Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳（メタデータ） (2022-06-09T17:58:15Z) - Optimality and Complexity in Measured Quantum-State Stochastic Processes [0.0]
最適な予測には、無限個の時間的特徴を用いる必要があることを示す。
この複雑さの根底にあるメカニズムを生成不均一性(generator nonunifilarity)と同定する。
これにより、測定選択が量子過程のランダム度に与える影響を定量的に調べることができる。
論文 参考訳（メタデータ） (2022-05-08T21:43:06Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳（メタデータ） (2022-01-21T16:35:35Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Towards quantum advantage via topological data analysis [0.0]
ロイズ,ガーネロン,ザナルディのトポロジカルデータ解析のためのアルゴリズムの背後にある量子アルゴリズムについて検討する。
ランク推定や複雑なネットワーク解析などの問題に対して,多数の新しい量子アルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-05-06T06:31:24Z)
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。