論文の概要: Alleviating CoD in Renewable Energy Profile Clustering Using an Optical Quantum Computer

• arxiv url: http://arxiv.org/abs/2506.23569v1
• Date: Mon, 30 Jun 2025 07:22:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.953336
• Title: Alleviating CoD in Renewable Energy Profile Clustering Using an Optical Quantum Computer
• Title（参考訳）: 光量子コンピュータを用いた再生可能エネルギープロファイルクラスタリングにおけるCoDの緩和
• Authors: Chengjun Liu, Yijun Xu, Wei Gu, Bo Sun, Kai Wen, Shuai Lu, Lamine Mili,
• Abstract要約: 本稿ではまず,カーネルベースの量子クラスタリング手法を提案する。 そして、このNPハード問題を準拘束的二項最適化に再構成することができる。 実光量子コンピュータによる実験結果は,提案手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 13.9362649398631
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The traditional clustering problem of renewable energy profiles is typically formulated as a combinatorial optimization that suffers from the Curse of Dimensionality (CoD) on classical computers. To address this issue, this paper first proposed a kernel-based quantum clustering method. More specifically, the kernel-based similarity between profiles with minimal intra-group distance is encoded into the ground-state of the Hamiltonian in the form of an Ising model. Then, this NP-hard problem can be reformulated into a Quadratic Unconstrained Binary Optimization (QUBO), which a Coherent Ising Machine (CIM) can naturally solve with significant improvement over classical computers. The test results from a real optical quantum computer verify the validity of the proposed method. It also demonstrates its ability to address CoD in an NP-hard clustering problem.
• Abstract（参考訳）: 再生可能エネルギープロファイルの伝統的なクラスタリング問題は通常、古典的コンピュータ上での次元の曲線(CoD)に苦しむ組合せ最適化として定式化される。 そこで本研究ではまず,カーネルベースの量子クラスタリング手法を提案する。 より具体的には、最小のグループ内距離を持つプロファイル間のカーネルベースの類似性は、イジングモデルの形でハミルトニアン基底状態に符号化される。 そして、このNPハード問題は、古典的コンピュータよりも大幅に改善され、コヒーレントイジングマシン(CIM)が自然に解決できる擬似非拘束バイナリ最適化(QUBO)に再構成することができる。 実光量子コンピュータによる実験結果は,提案手法の有効性を検証した。 また、NP-hardクラスタリング問題においてCoDに対処する能力を示す。

関連論文リスト

• A clustering aggregation algorithm on neutral-atoms and annealing quantum processors [0.44531072184246007]
  本研究では、クラスタリングアグリゲーションを実行するためのハイブリッド量子古典アルゴリズムを提案する。 中立原子の量子コンピュータと量子アニールのために設計された。 発見は、ハイブリッド量子古典パイプラインの将来的な発展の可能性を示唆している。
  論文  参考訳（メタデータ） (2024-12-10T14:48:44Z)
• Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
  一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。 耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。 距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
  論文  参考訳（メタデータ） (2024-02-22T16:33:48Z)
• Adaptive Quantum Optimized Centroid Initialization [0.11838866556981258]
  量子コンピューティングの大きな利点の1つは、古典的な方法よりも早く複雑な計算問題を解くことができることである。 適応量子最適化セントロイド初期化(AQOCI)として知られるQOCIの修正を行い、QOCIの多くの制限に対処する。
  論文  参考訳（メタデータ） (2024-01-20T15:34:51Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Quantum Vision Clustering [9.483577377335305]
  本稿では,Adiabatic quantum computing を用いた解法に適した最初のクラスタリング定式化を提案する。 提案手法は,最先端の最適化手法と比較して高い競合性を示す。 この研究は、現在世代の実量子コンピュータにおけるクラスタリング問題の解決可能性を示す。
  論文  参考訳（メタデータ） (2023-09-18T16:15:16Z)
• 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)
• 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)
• 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)

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。