論文の概要: Quantum Annealing Hyperparameter Analysis for Optimal Sensor Placement in Production Environments
- arxiv url: http://arxiv.org/abs/2507.16584v1
- Date: Tue, 22 Jul 2025 13:35:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 14:06:49.775631
- Title: Quantum Annealing Hyperparameter Analysis for Optimal Sensor Placement in Production Environments
- Title（参考訳）: 生産環境における最適センサ配置のための量子アニーリングハイパーパラメータ解析
- Authors: Nico Kraus, Marvin Erdmann, Alexander Kuzmany, Daniel Porawski, Jonas Stein,
- Abstract要約: ハードウェアが成熟すると、量子コンピューティングがコスト効率、大規模最適化問題にどのように貢献するかを示す。
我々はこの問題を1ホットとバイナリエンコーディングによる2次非制約バイナリ最適化の定式化に変換する。
以上の結果から,量子アニールは実世界のシナリオから派生したインスタンスを解くことができることが示された。
- 参考スコア（独自算出の注目度）: 39.58317527488534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To increase efficiency in automotive manufacturing, newly produced vehicles can move autonomously from the production line to the distribution area. This requires an optimal placement of sensors to ensure full coverage while minimizing the number of sensors used. The underlying optimization problem poses a computational challenge due to its large-scale nature. Currently, classical solvers rely on heuristics, often yielding non-optimal solutions for large instances, resulting in suboptimal sensor distributions and increased operational costs. We explore quantum computing methods that may outperform classical heuristics in the future. We implemented quantum annealing with D-Wave, transforming the problem into a quadratic unconstrained binary optimization formulation with one-hot and binary encoding. Hyperparameters like the penalty terms and the annealing time are optimized and the results are compared with default parameter settings. Our results demonstrate that quantum annealing is capable of solving instances derived from real-world scenarios. Through the use of decomposition techniques, we are able to scale the problem size further, bringing it closer to practical, industrial applicability. Through this work, we provide key insights into the importance of quantum annealing parametrization, demonstrating how quantum computing could contribute to cost-efficient, large-scale optimization problems once the hardware matures.
- Abstract（参考訳）: 自動車製造の効率を高めるため、新製車両は生産ラインから流通エリアへ自律的に移動することができる。
これは、使用するセンサーの数を最小化しながら、完全なカバレッジを確保するために、最適なセンサー配置を必要とする。
基礎となる最適化問題は、その大規模な性質のために計算上の問題を引き起こす。
現在、古典的解法はヒューリスティックスに依存しており、多くの場合、大規模インスタンスに対して最適でない解が得られる。
将来的には古典的ヒューリスティックよりも優れた量子コンピューティング手法を探求する。
我々はD-Waveで量子アニーリングを実装し、この問題を1ホットとバイナリエンコーディングによる2次非制約の2進最適化形式に変換する。
ペナルティ条件やアニール時間などのハイパーパラメータが最適化され、デフォルトのパラメータ設定と比較される。
以上の結果から,量子アニールは実世界のシナリオから派生したインスタンスを解くことができることが示された。
分解技術を用いることで,問題の規模をさらに拡大し,実用的,産業的適用性に近づけることができる。
この研究を通じて、量子アニールパラメトリゼーションの重要性に関する重要な洞察を提供し、ハードウェアが成熟すると、量子コンピューティングがコスト効率、大規模最適化問題にどのように貢献するかを示す。
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。
我々は、インスタンス独立固定パラメータが優れた性能を発揮することを示し、変動パラメータの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) - Boosting quantum annealing performance through direct polynomial unconstrained binary optimization [0.0]
PUBO の定式化は,必要量子ビット数の点でかなりの節約をもたらすことを示す。
最適化スイープにおける最小エネルギーギャップのスケーリングが著しく異なるシナリオが見つかる。
興味深い副作用として、異なる3SATインスタンスジェネレータの最小エネルギーギャップの解析は、異なる硬さの度合いを示す。
論文 参考訳（メタデータ） (2024-12-05T18:12:20Z) - Fast Numerical Solver of Ising Optimization Problems via Pruning and Domain Selection [4.460518115427853]
本稿では,Ising最適化問題に対する高速かつ効率的な解法を提案する。
我々の解法は古典的解法よりも桁違いに高速で、量子インスパイアされたアニールよりも少なくとも2倍高速である。
論文 参考訳（メタデータ） (2023-12-10T09:43:15Z) - Challenges and Opportunities in Quantum Optimization [14.7608536260003]
量子コンピュータの最近の進歩は、ブラトフォース古典シミュレーションを超えるスケールで問題を解決する能力を示している。
計算機科学や物理学全般において、主要な最適化問題に対するアプローチは様々である。
論文 参考訳（メタデータ） (2023-12-04T19:00:44Z) - Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳（メタデータ） (2023-10-14T02:13:26Z) - Quantum approximate optimization via learning-based adaptive
optimization [5.399532145408153]
量子近似最適化アルゴリズム(QAOA)は、目的最適化問題の解法として設計されている。
その結果,アルゴリズムは速度,精度,効率,安定性の点で従来の近似よりも大幅に優れていた。
この研究はQAOAの全パワーを解き放つのに役立ち、実践的な古典的なタスクにおいて量子的優位性を達成するための道を開く。
論文 参考訳（メタデータ） (2023-03-27T02:14:56Z) - 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) - 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) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - 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) - Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial
Optimization [0.14755786263360526]
最小限のフォールトトレラント量子コンピュータで試すのに、最適化のための量子アルゴリズムが最も実用的であるかを探る。
この結果から,2次高速化のみを実現する量子最適化が,古典的アルゴリズムよりも有利であるという考えが否定される。
論文 参考訳（メタデータ） (2020-07-14T22:54:04Z)
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。