論文の概要: Comparative Studies of Quantum Annealing, Digital Annealing, and Classical Solvers for Reaction Network Pathway Analysis and mRNA Codon Selection
- arxiv url: http://arxiv.org/abs/2509.09862v1
- Date: Thu, 11 Sep 2025 21:22:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:07.926138
- Title: Comparative Studies of Quantum Annealing, Digital Annealing, and Classical Solvers for Reaction Network Pathway Analysis and mRNA Codon Selection
- Title（参考訳）: 反応ネットワーク解析とmRNAコドン選択のための量子アニーリング、デジタルアニーリングおよび古典解法の比較研究
- Authors: Milind Upadhyay, Mark Nicholas Jones,
- Abstract要約: ディジタルアニールと量子アニールは最適化問題に対する準最適解を識別する可能性がある。
工業的に関係のある2つのユースケースは、反応ネットワーク分析とmRNAコドン選択である。
反応経路解析において、古典的なMIP/CP解法は、DAがそれを行うことができない間に妥当な時間枠で最適性の問題を解くために観察される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For various optimization problems, the classical time to solution is super-polynomial and intractable to solve with classical bit-based computing hardware to date. Digital and quantum annealers have the potential to identify near-optimal solutions for such optimization problems using a quadratic unconstrained binary optimization (QUBO) problem formulation. This work benchmarks two use cases to evaluate the utility of QUBO solvers for combinatorial optimization problems, in order to determine if a QUBO formulation and annealing-based algorithms have an advantage over classical mixed-integer programming (MIP) and constraint programming (CP) solvers. Various QUBO and solver metrics such as problem mapping, quantitative interconnectivity, penalty structure, solver minimum cost (obtained optimal value) and solver time to solution have been applied to evaluate different QUBO problems. Constrained and unconstrained QUBO solvers are compared including the Fujitsu digital annealer (DA), various D-Wave hybrid quantum annealing solvers (QA, HQA), and the classical MIP/CP solvers HiGHS, Gurobi, SCIP, and CP-SAT. The two industrially relevant use cases are reaction network pathway analysis and mRNA codon selection. For reaction pathway analysis, classical MIP/CP solvers are observed to solve the problem to optimality in reasonable time frames while the DA is not able to do so. For mRNA codon selection, CP-SAT displayed the best performance for standard and large protein datasets (under 1500 amino acids). For the extra-large protein dataset (11000 to 14000 amino acids), the D-Wave Nonlinear HQA solver performed comparably to CP-SAT, outperforming it in minimum cost in 2 out of the 4 problems.
- Abstract（参考訳）: 様々な最適化問題に対して、古典的な解法時間は超ポリノミカルであり、従来のビットベースの計算ハードウェアで解くには難解である。
ディジタルおよび量子アニールは、二次的非制約二元最適化(QUBO)問題定式化を用いて、そのような最適化問題の準最適解を特定することができる。
本研究は、QUBOの定式化とアニーリングに基づくアルゴリズムが、古典的混合整数プログラミング(MIP)と制約プログラミング(CP)よりも優れているかどうかを判定するために、組合せ最適化問題に対するQUBOソルバの有用性を評価するための2つのユースケースをベンチマークする。
問題マッピングや量的相互接続性,ペナルティ構造,ソルバ最小コスト(最適値),解決までのソルバ時間といった様々なQUBO指標を適用して,様々なQUBO問題を評価した。
制約のないQUBOソルバは、富士通デジタルアニーラー(DA)、様々なD波ハイブリッド量子アニーリングソルバ(QA,HQA)、古典的なMIP/CPソルバHiGHS, Gurobi, SCIP, CP-SATなどと比較される。
工業的に関係のある2つのユースケースは、反応ネットワーク経路解析とmRNAコドン選択である。
反応経路解析において、古典的なMIP/CP解法は、DAがそれを行うことができない間に妥当な時間枠で最適性の問題を解くために観察される。
CP-SATはmRNA選択において, 標準および大規模タンパク質データセット(1500アミノ酸以下)において最高の性能を示した。
大規模タンパク質データセット(11000から14000アミノ酸)では、D波非線形HQAソルバがCP-SATと同等に実行され、4つの問題のうち2つで最小コストで性能が向上した。
関連論文リスト
- Efficient QAOA Architecture for Solving Multi-Constrained Optimization Problems [3.757262277494307]
本稿では,量子近似最適化Ansatzのための制約符号化手法の新たな組み合わせを提案する。
ワンホット制約は、検索空間を実現可能なサブ空間に自然に制限する$XY$-mixerによって強制される。
XY$-mixersは検索スペースを制限するため、特定の状態ベクトルエントリは常にゼロであり、シミュレーションから省略することができ、貴重なメモリとコンピューティングリソースを節約できる。
論文 参考訳（メタデータ） (2025-06-03T17:46:53Z) - Quantum optimization using a 127-qubit gate-model IBM quantum computer can outperform quantum annealers for nontrivial binary optimization problems [0.0]
ゲートモデル量子コンピュータにおける二項最適化問題に対する包括的量子解法を提案する。
最大127キュービットの問題の正しい解を一貫して提供する。
我々は、古典的に非自明な2進最適化問題に対して、IBM量子コンピュータ上でこの解法をベンチマークする。
論文 参考訳（メタデータ） (2024-06-03T19:08:01Z) - 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) - Guess What Quantum Computing Can Do for Test Case Optimization [43.89456212504871]
近い将来、量子近似最適化アルゴリズム(QAOAs)は最適化問題を解く大きな可能性を秘めている。
本稿では,QAOA問題としてソフトウェアテストケース最適化問題を定式化し,量子コンピュータシミュレータ上での解法を提案する。
近年は利用できない多くのキュービットを必要とするより大きなテスト最適化問題を解決するため、QAOAと問題分解戦略を統合する。
論文 参考訳（メタデータ） (2023-12-24T21:25:31Z) - Evaluating the Practicality of Quantum Optimization Algorithms for
Prototypical Industrial Applications [44.88678858860675]
本稿では,量子近似最適化アルゴリズム (QAOA) と量子断熱アルゴリズム (QAA) の応用について検討する。
我々は,これらの2つのアルゴリズムの性能を,選択した評価指標を用いて,ソリューションの品質の観点から比較する。
論文 参考訳（メタデータ） (2023-11-20T09:09:55Z) - Quantum Annealing Solutions for the Closest String Problem with D-Wave
Systems [0.0]
クローズストストリング問題(Closest String problem)は、生物情報学や符号化理論でよく見られるNP完全問題である。
2つのQUBOの定式化が提案されており、1つはもう1つに対してわずかに修正されている。
DWaveアナライザは、特定のプラットフォーム固有の関心事に対する最適なガイドラインを提供しながら使われてきた。
論文 参考訳（メタデータ） (2023-10-19T16:03:25Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳（メタデータ） (2023-06-14T13:44:35Z) - Let the Flows Tell: Solving Graph Combinatorial Optimization Problems
with GFlowNets [86.43523688236077]
組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。
GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。
本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
論文 参考訳（メタデータ） (2023-05-26T15:13:09Z) - Evidence that PUBO outperforms QUBO when solving continuous optimization
problems with the QAOA [4.670374869377859]
量子アルゴリズムによる最適化問題の解決における中核的なステップは、問題の定式化である。
近年の研究では、多くの問題を自然の多項式非制約最適化形式でより効率的に解けることが示されている。
適切なベンチマーク関数の評価では、PUBOの定式化は一般により良い結果をもたらすが、キュービットは少ない。
論文 参考訳（メタデータ） (2023-05-05T09:37:48Z) - 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) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
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。