論文の概要: Learning AC Power Flow Solutions using a Data-Dependent Variational Quantum Circuit

• arxiv url: http://arxiv.org/abs/2509.03495v1
• Date: Wed, 03 Sep 2025 17:24:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.608428
• Title: Learning AC Power Flow Solutions using a Data-Dependent Variational Quantum Circuit
• Title（参考訳）: データ依存型変分量子回路を用いた交流潮流解の学習
• Authors: Thinh Viet Le, Md Obaidur Rahman, Vassilis Kekatos,
• Abstract要約: 相互接続研究は、電力系統が進行中のエネルギー遷移をナビゲートする際に様々なシナリオをシミュレートするために、AC負荷または電力流(AC PF)問題の多数のインスタンスを解く必要がある。 この研究は量子コンピューティングの最近の進歩を活用し、変分量子回路(VQC)を用いて交流PFソリューションを探索または予測する。 VQCは、複雑な最適化と機械学習(ML)タスクを達成するために、現代のノイズの多い中間スケール量子(NISQ)ハードウェア上で動作するトレーニング可能なモデルである。
• 参考スコア（独自算出の注目度）: 1.2234742322758418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interconnection studies require solving numerous instances of the AC load or power flow (AC PF) problem to simulate diverse scenarios as power systems navigate the ongoing energy transition. To expedite such studies, this work leverages recent advances in quantum computing to find or predict AC PF solutions using a variational quantum circuit (VQC). VQCs are trainable models that run on modern-day noisy intermediate-scale quantum (NISQ) hardware to accomplish elaborate optimization and machine learning (ML) tasks. Our first contribution is to pose a single instance of the AC PF as a nonlinear least-squares fit over the VQC trainable parameters (weights) and solve it using a hybrid classical/quantum computing approach. The second contribution is to feed PF specifications as features into a data-embedded VQC and train the resultant quantum ML (QML) model to predict general PF solutions. The third contribution is to develop a novel protocol to efficiently measure AC-PF quantum observables by exploiting the graph structure of a power network. Preliminary numerical tests indicate that the proposed VQC models attain enhanced prediction performance over a deep neural network despite using much fewer weights. The proposed quantum AC-PF framework sets the foundations for addressing more elaborate grid tasks via quantum computing.
• Abstract（参考訳）: 相互接続研究は、電力系統が進行中のエネルギー遷移をナビゲートする際に様々なシナリオをシミュレートするために、AC負荷または電力流(AC PF)問題の多数のインスタンスを解決する必要がある。 このような研究を迅速化するために、この研究は量子コンピューティングの最近の進歩を活用し、変分量子回路(VQC)を用いて交流PFソリューションを発見し、予測する。 VQCは、複雑な最適化と機械学習(ML)タスクを達成するために、現代のノイズの多い中間スケール量子(NISQ)ハードウェア上で動作するトレーニング可能なモデルである。 最初のコントリビューションは、VQCトレーニング可能なパラメータ(重み)の上に非線形最小二乗としてAC PFの単一インスタンスを配置し、古典量子コンピューティングのハイブリッドアプローチを用いてそれを解くことである。 第2のコントリビューションは、データ埋め込みVQCに機能としてPF仕様を供給し、結果の量子ML(QML)モデルをトレーニングして一般的なPFソリューションを予測することである。 第3の貢献は、電力ネットワークのグラフ構造を利用して、AC-PF量子オブザーバブルを効率的に測定する新しいプロトコルを開発することである。 予備的な数値実験により、提案したVQCモデルは、重みがはるかに少ないにもかかわらず、ディープニューラルネットワーク上での予測性能を向上させることが示されている。 提案した量子AC-PFフレームワークは、量子コンピューティングによるより精巧なグリッドタスクに対処するための基礎を定めている。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Adiabatic training for Variational Quantum Algorithms [0.4374837991804085]
  本稿では3要素からなる新しいハイブリッド量子機械学習(QML)モデルを提案する。 量子ニューラルネットワーク(QNN)を表す変分量子アルゴリズム(VQA)を実行するゲートベース量子コンピュータ VQAの最適パラメータを見つけるために最適化関数が実行される断熱量子コンピュータ。
  論文  参考訳（メタデータ） (2024-10-24T10:17:48Z)
• Quantum Multi-Agent Reinforcement Learning for Aerial Ad-hoc Networks [0.19791587637442667]
  本稿では,航空通信のユースケースを提示し,それを解くためのハイブリッド量子古典型MLアルゴリズムを提案する。 その結果,古典的アルゴリズムに匹敵する量子化解の性能はわずかに向上した。 これらの有望な結果は、産業関連複雑なユースケースに対するQMARLの可能性を示している。
  論文  参考訳（メタデータ） (2024-04-26T15:57:06Z)
• A joint optimization approach of parameterized quantum circuits with a tensor network [0.0]
  現在の中間スケール量子(NISQ)デバイスはその能力に制限がある。 本稿では,パラメータ化ネットワーク(TN)を用いて,変分量子固有解法(VQE)アルゴリズムの性能改善を試みる。
  論文  参考訳（メタデータ） (2024-02-19T12:53:52Z)
• Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
  変動量子回路(VQC)における重み付けの考え方を紹介する。 我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。 以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-06-09T09:42:21Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• 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)
• Theoretical Error Performance Analysis for Variational Quantum Circuit Based Functional Regression [83.79664725059877]
  本研究では,次元減少と機能回帰のためのエンドツーエンドの量子ニューラルネットワークであるTTN-VQCを提案する。 また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
  論文  参考訳（メタデータ） (2022-06-08T06:54:07Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Hybrid quantum-classical classifier based on tensor network and variational quantum circuit [0.0]
  本稿では、量子インスパイアされたテンソルネットワーク(TN)と変分量子回路(VQC)を組み合わせて教師付き学習タスクを行うハイブリッドモデルを提案する。 低結合次元の行列積状態に基づくTNは、MNISTデータセットのバイナリ分類において、VQCの入力のためのデータを圧縮する特徴抽出器としてPCAよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-30T09:43:59Z)
• Quantum-enhanced data classification with a variational entangled sensor network [3.1083620257082707]
  絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。 我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
  論文  参考訳（メタデータ） (2020-06-22T01:22:33Z)

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。