論文の概要: LLM-QUBO: An End-to-End Framework for Automated QUBO Transformation from Natural Language Problem Descriptions
- arxiv url: http://arxiv.org/abs/2509.00099v1
- Date: Wed, 27 Aug 2025 16:55:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.07876
- Title: LLM-QUBO: An End-to-End Framework for Automated QUBO Transformation from Natural Language Problem Descriptions
- Title（参考訳）: LLM-QUBO:自然言語問題記述からのQUBO自動変換のためのエンドツーエンドフレームワーク
- Authors: Huixiang Zhang, Mahzabeen Emu, Salimur Choudhury,
- Abstract要約: 本稿では,ソリューションパイプラインの定式化を自動化するエンドツーエンドフレームワークを提案する。
私たちの主な貢献は、古典的なAIと量子コンピューティングを橋渡しするシナジスティックコンピューティングパラダイムです。
- 参考スコア（独自算出の注目度）: 1.1979851857700952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum annealing offers a promising paradigm for solving NP-hard combinatorial optimization problems, but its practical application is severely hindered by two challenges: the complex, manual process of translating problem descriptions into the requisite Quadratic Unconstrained Binary Optimization (QUBO) format and the scalability limitations of current quantum hardware. To address these obstacles, we propose a novel end-to-end framework, LLM-QUBO, that automates this entire formulation-to-solution pipeline. Our system leverages a Large Language Model (LLM) to parse natural language, automatically generating a structured mathematical representation. To overcome hardware limitations, we integrate a hybrid quantum-classical Benders' decomposition method. This approach partitions the problem, compiling the combinatorial complex master problem into a compact QUBO format, while delegating linearly structured sub-problems to classical solvers. The correctness of the generated QUBO and the scalability of the hybrid approach are validated using classical solvers, establishing a robust performance baseline and demonstrating the framework's readiness for quantum hardware. Our primary contribution is a synergistic computing paradigm that bridges classical AI and quantum computing, addressing key challenges in the practical application of optimization problem. This automated workflow significantly reduces the barrier to entry, providing a viable pathway to transform quantum devices into accessible accelerators for large-scale, real-world optimization challenges.
- Abstract（参考訳）: 量子アニーリング(Quantum annealing)は、NPハードな組合せ最適化問題を解くための有望なパラダイムを提供するが、その実践的応用は、問題の記述を必須のQuantum Unconstrained Binary Optimization(QUBO)フォーマットに変換する複雑な手作業プロセスと、現在の量子ハードウェアのスケーラビリティ制限という2つの課題によって著しく妨げられている。
これらの障害に対処するために,この定式化・解法パイプライン全体を自動化した,新しいエンドツーエンドフレームワーク LLM-QUBO を提案する。
我々のシステムはLarge Language Model(LLM)を利用して自然言語を解析し、構造化された数学的表現を自動的に生成する。
ハードウェアの限界を克服するため、我々はハイブリッド量子古典ベンダー分解法を統合する。
このアプローチは問題を分割し、組合せ複素マスター問題をコンパクトなQUBO形式にコンパイルすると同時に、線形に構造化されたサブプロブレムを古典的解法に委譲する。
生成したQUBOの正しさとハイブリッドアプローチのスケーラビリティを古典的解法を用いて検証し、ロバストなパフォーマンスベースラインを確立し、量子ハードウェアに対するフレームワークの即応性を実証する。
私たちの主な貢献は、古典的なAIと量子コンピューティングを橋渡しするシナジスティックコンピューティングパラダイムであり、最適化問題の実践的応用における重要な課題に対処しています。
この自動化ワークフローは、参入障壁を大幅に減らし、大規模で現実的な最適化課題に対して、量子デバイスをアクセス可能なアクセラレータに変換する実行可能な経路を提供する。
関連論文リスト
- Towards Quantum Accelerated Large-scale Topology Optimization [0.0]
本稿では,TO問題を効率的に解き,量子コンピューティングを利用して潜在的な量子優位性を利用するための実践的な方法を提案する。
本研究は,3次元連続体構造における大規模・多材料TO課題を対象としている。
論文 参考訳（メタデータ） (2025-07-19T04:30:14Z) - Generative quantum combinatorial optimization by means of a novel conditional generative quantum eigensolver [1.4769913341588448]
本稿では,エンコーダ・デコーダ変換を用いたコンテクスト対応量子回路生成装置である条件付き生成量子固有解器(条件付きGQE)を紹介する。
最大10キュービットの問題を解決するためにジェネレータをトレーニングし、新しい問題に対するほぼ完璧なパフォーマンスを示します。
論文 参考訳（メタデータ） (2025-01-28T14:35:46Z) - Towards an Automatic Framework for Solving Optimization Problems with Quantum Computers [2.9730678241643815]
従来の最適化問題を量子解法に自動的に変換するフレームワークが提案されている。
このフレームワークは、ソリューションの妥当性と品質を分析するための手段を提供する。
これは量子コンピューティングソリューションの自動化に向けた大きな進歩を表している。
論文 参考訳（メタデータ） (2024-06-18T17:56:10Z) - A hybrid Quantum-Classical Algorithm for Mixed-Integer Optimization in Power Systems [0.0]
量子コンピュータ(QC)を用いた電力系統最適化問題の解法フレームワークを提案する。
我々の指導的応用は、DC Optimal Power Flowを解くために訓練されたニューラルネットワークの最適送信切替と検証である。
論文 参考訳（メタデータ） (2024-04-16T16:11:56Z) - Hybrid Quantum Algorithms integrating QAOA, Penalty Dephasing and Zeno
Effect for Solving Binary Optimization Problems with Multiple Constraints [5.259170150405252]
本稿では,制約のサブセットを解決するために標準イジング・ハミルトニアン(Ising Hamiltonian)を併用したハイブリッドフレームワークを提案する。
これらの非Ising制約の解決は、ペナルティの軽視または量子ゼノ効果によって達成される。
論文 参考訳（メタデータ） (2023-05-14T03:49:10Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary
Optimization [44.96576908957141]
本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-23T18:00:03Z) - 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) - Polynomial unconstrained binary optimisation inspired by optical
simulation [52.11703556419582]
制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。
提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。
タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
論文 参考訳（メタデータ） (2021-06-24T16:39:31Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z)
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。