論文の概要: Quantum Simulation and Optimization of Water Distribution Networks
- arxiv url: http://arxiv.org/abs/2507.06862v1
- Date: Wed, 09 Jul 2025 14:02:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-10 17:37:43.612409
- Title: Quantum Simulation and Optimization of Water Distribution Networks
- Title（参考訳）: 配水網の量子シミュレーションと最適化
- Authors: Carlos Romero Rocha, Nicolas Renaud, Koen Leijnse, Samuel van Beek, Mario Castro-Gama,
- Abstract要約: 量子コンピューティングアルゴリズムをNewton-Raphson Global Gradient Algorithm(NR-GGA)のサブルーチンとして用いる可能性について検討する。
NR-GGAを改善するために3種類の異なる量子サブルーチンが使用された。
また、量子アニーリングに基づく高階線形回路のシミュレーションを行い、小さな3ノードネットワークのLast-Cost Design(LCD)を決定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To compute models for Water Distribution Networks (WDN), a large system of non-linear equations needs to be solved. The hallmark algorithm for computing these models is the Newton-Raphson Global Gradient Algorithm (NR-GGA), which solves these systems iteratively. Even so, large networks can take multiple days to model and the complexity of networks is only expected to increase in the future. It is therefore important to explore different algorithms using innovative technologies, to improve the tractability of modelling large networks. Quantum computing is such an innovative technology that is still in its early stages of development, paired with a different computational paradigm. In this research we have determined the feasibility of using quantum computing algorithms as a subroutine of NR-GGA and alternatively for replacing NR-GGA with a quantum algorithm in its entirety. Calculations were run on emulators of gate-based quantum computers and using simulated annealing while models were tested on small 2-loop networks of 7 nodes. To improve NR-GGA, three different quantum subroutines were used: the hybrid Variational Quantum Linear Solver (VQLS) showed the best results on this small dataset. To replace NR-GGA by a quantum algorithm in its entirety, we also used a Quantum Annealing-based approach for simulating higher-order polynomials to determine the Least-Cost Design (LCD) of a small 3 node network.
- Abstract（参考訳）: 配水ネットワーク (WDN) のモデルを計算するためには, 線形でない大規模方程式系を解く必要がある。
これらのモデルを計算するための主要なアルゴリズムは、これらのシステムを反復的に解くNewton-Raphson Global Gradient Algorithm (NR-GGA)である。
それでも、大規模ネットワークはモデルに数日を要し、ネットワークの複雑さは将来的に増大すると予想されている。
したがって、大規模なネットワークをモデル化する際のトラクタビリティを改善するために、革新的な技術を用いて異なるアルゴリズムを探索することが重要である。
量子コンピューティングは、まだ開発の初期段階にある革新的な技術であり、異なる計算パラダイムと組み合わせている。
本研究では, NR-GGAのサブルーチンとして量子計算アルゴリズムを用いることが可能であること, その代わりに, NR-GGAを量子アルゴリズムに置き換えることの可能性について検討した。
計算はゲートベースの量子コンピュータのエミュレータ上で行われ、7ノードの小さな2ループネットワーク上でモデルがテストされる間にシミュレーションアニールを用いて行われた。
NR-GGAを改善するために、3つの異なる量子サブルーチンが使用された。
NR-GGA全体を量子アルゴリズムで置き換えるために,高次多項式をシミュレートするQuantum Annealingに基づくアプローチを用いて,小さな3ノードネットワークのLast-Cost Design(LCD)を決定する。
関連論文リスト
- Quantum annealer accelerates the variational quantum eigensolver in a triple-hybrid algorithm [0.0]
新しい三重ハイブリッドアルゴリズムは、古典的コンピュータ、ゲートベースの量子コンピュータ、および量子アニールの有効利用を組み合わせたものである。
量子アニールを用いたグラフ着色問題の解は、VQEを加速するために必要な資源を減らす。
論文 参考訳（メタデータ） (2024-07-16T15:07:21Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。
特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。
シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
論文 参考訳（メタデータ） (2024-01-25T17:37:40Z) - 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) - Learning To Optimize Quantum Neural Network Without Gradients [3.9848482919377006]
本稿では,量子回路のパラメータを出力するために,Emphmeta-Optimizerネットワークをトレーニングする新しいメタ最適化アルゴリズムを提案する。
我々は,従来の勾配に基づくアルゴリズムよりも回路評価が少ない場合に,より高品質な最小値が得られることを示す。
論文 参考訳（メタデータ） (2023-04-15T01:09:12Z) - Accelerating the training of single-layer binary neural networks using
the HHL quantum algorithm [58.720142291102135]
Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。
しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
論文 参考訳（メタデータ） (2022-10-23T11:58:05Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - Quantum Robustness Verification: A Hybrid Quantum-Classical Neural
Network Certification Algorithm [1.439946676159516]
本研究では、堅牢性多変数混合整数プログラム(MIP)の解法を含むReLUネットワークの検証について検討する。
この問題を軽減するために、ニューラルネットワーク検証にQCを用い、証明可能な証明書を計算するためのハイブリッド量子プロシージャを導入することを提案する。
シミュレーション環境では,我々の証明は健全であり,問題の近似に必要な最小量子ビット数に制限を与える。
論文 参考訳（メタデータ） (2022-05-02T13:23:56Z) - 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) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z)
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。