論文の概要: Nested Grover's Algorithm for Tree Search

• arxiv url: http://arxiv.org/abs/2509.07041v1
• Date: Mon, 08 Sep 2025 10:12:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.05008
• Title: Nested Grover's Algorithm for Tree Search
• Title（参考訳）: 木探索のためのNested Groverのアルゴリズム
• Authors: Andreas Wichert,
• Abstract要約: ネストしたグローバーアルゴリズムを用いて量子木探索アルゴリズムを最適化する。 木々の特定の深さのノードを示す部分的候補解を導入する。 このような関数を用いることで、私たちは、Groverアルゴリズムを用いて量子木探索を分解できるようなオラクルを定義する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate optimizing quantum tree search algorithms by employing a nested Grover Algorithm. This approach seeks to enhance results compared to previous Grover-based methods by expanding the tree of partial assignments to a specific depth and conducting a quantum search within the subset of remaining assignments. The study explores the implications and constraints of this approach, providing a foundation for quantum artificial intelligence applications. Instead of utilizing conventional heuristic functions that are incompatible with quantum tree search, we introduce the partial candidate solution, which indicates a node at a specific depth of the tree. By employing such a function, we define the concatenated oracle, which enables us to decompose the quantum tree search using Grover algorithm.
• Abstract（参考訳）: ネストしたグローバーアルゴリズムを用いて量子木探索アルゴリズムを最適化する。 このアプローチは、部分代入のツリーを特定の深さに拡大し、残りの代入のサブセット内で量子探索を行うことにより、従来のグロバー法と比較して結果を向上することを目指している。 この研究は、このアプローチの意味と制約を調査し、量子人工知能アプリケーションの基礎を提供する。 量子木探索と相容れない従来のヒューリスティック関数を利用する代わりに、木々の特定の深さのノードを示す部分的候補解を導入する。 このような関数を用いることで、Groverアルゴリズムを用いて量子木探索を分解できる連結オラクルを定義する。

関連論文リスト

• A Grover-Based Quantum Algorithm for Solving Perfect Mazes via Fitness-Guided Search [0.0]
  本稿では、パスフィニングタスクを構造化探索問題としてキャストすることで、完璧な迷路を解くための量子アルゴリズムを提案する。 グロバーの振幅増幅に基づいて、アルゴリズムは重ね合わせ中の全ての候補経路を符号化し、その目標に近接することを評価する。 グロバー互換のオラクルは、高い適合状態を示し、適応的なカットオフ戦略は、探索を反復的に洗練する。
  論文  参考訳（メタデータ） (2025-07-29T15:51:19Z)
• Regular Tree Search for Simulation Optimization [5.54189661879098]
  本稿では,適応サンプリングと探索空間分割を統合した正規木探索というランダムアルゴリズムのクラスを提案する。 我々は、目的関数の連続性を必要とせず、最適性ギャップを含む仮定に基づいて、準ガウス雑音の下でのグローバル収束を証明した。
  論文  参考訳（メタデータ） (2025-06-21T12:07:01Z)
• Uncertainty-Guided Likelihood Tree Search [37.25859935454988]
  ツリー探索は、木構造空間を探索するものとして、多くのシーケンシャルな意思決定問題を列挙できるため、計画のための基本的なツールである。 本研究では、報酬関数が経路のログ様関数であるような設定のための不確実性誘導木探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-04T14:08:50Z)
• LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
  本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
  論文  参考訳（メタデータ） (2024-06-29T05:14:04Z)
• Quantitative approach to Grover's quantum walk on graphs [62.997667081978825]
  グラフ上の連続時間量子ウォークに着目したGroverの探索アルゴリズムについて検討する。 関連する量子ウォークに便利なグラフトポロジーを見つける代わりに、グラフトポロジーを修正し、ラプラシアンを基礎とするグラフを変化させる。
  論文  参考訳（メタデータ） (2022-07-04T19:33:06Z)
• A* Search Without Expansions: Learning Heuristic Functions with Deep Q-Networks [70.0197695666261]
  Q*検索は,ノードの子どもの移動コストと値の和を利用するために,深いQ-networksを用いて探索をガイドする検索アルゴリズムである。 我々は1872のメタアクションを含む大きなアクション空間で定式化された場合、Q*探索を用いてルービックキューブを解く。 Q*検索は最大129倍速く、A*検索の最大1288倍のノードを生成する。
  論文  参考訳（メタデータ） (2021-02-08T20:36:41Z)
• Efficient Algorithms for Causal Order Discovery in Quantum Networks [44.356294905844834]
  入力および出力システムへのブラックボックスアクセスを前提として,最初の効率的な量子因果順序探索アルゴリズムを開発した。 我々は、量子コムを用いて因果順序をモデル化し、我々のアルゴリズムは、与えられたプロセスと互換性のある入力と出力の順序を出力する。 我々のアルゴリズムは、量子通信ネットワークで利用可能な伝送経路を効率的に検出し、最適化する方法を提供する。
  論文  参考訳（メタデータ） (2020-12-03T07:12:08Z)
• Exploring search space trees using an adapted version of Monte Carlo tree search for combinatorial optimization problems [0.6882042556551609]
  このアプローチでは,問題インスタンスの探索空間木を探索するアルゴリズムを用いる。 このアルゴリズムはモンテカルロ木探索(Monte Carlo tree search)をベースとしている。
  論文  参考訳（メタデータ） (2020-10-22T08:33:58Z)
• Learning Binary Decision Trees by Argmin Differentiation [34.9154848754842]
  ダウンストリームタスクのためにデータを分割するバイナリ決定木を学びます。 離散パラメータの混合整数プログラムを緩和する。 我々は、前方と後方のパスを効率的に計算するアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2020-10-09T15:11:28Z)
• Quantum Search with Prior Knowledge [15.384459603233978]
  本稿では,Grover の探索アルゴリズムの新たな一般化を提案する。 提案アルゴリズムは,クエリ数が固定された場合の解を見つけるための最適成功確率を実現する。
  論文  参考訳（メタデータ） (2020-09-18T09:50:33Z)

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。