論文の概要: Navigating Quantum Missteps in Agent-Based Modeling: A Schelling Model Case Study

• arxiv url: http://arxiv.org/abs/2511.15642v1
• Date: Wed, 19 Nov 2025 17:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.92384
• Title: Navigating Quantum Missteps in Agent-Based Modeling: A Schelling Model Case Study
• Title（参考訳）: エージェントベースモデリングにおける量子ミスのナビゲート:スケジューリングモデルケーススタディ
• Authors: C. Nico Barati, Arie Croitoru, Ross Gore, Michael Jarret, William Kennedy, Andrew Maciejunes, Maxim A. Malikov, Samuel S. Mendelson,
• Abstract要約: 本稿では, ABM 状態観測を直接 QUBO の定式化に変換する標準的な手法は量子的優位性をもたらすことができないことを示す。 従来のABM実装では、各イテレーションでシステムの状態を観察し、計算上の優位性に必要な量子重ね合わせを体系的に破壊する。 この構造的再概念化は、従来のABMシミュレーションやQUBOの定式化で隠されたネットワーク対称性を利用するアルゴリズムをもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum computing promises transformative advances, but remains constrained by recurring misconceptions and methodological pitfalls. This paper demonstrates a fundamental incompatibility between traditional agent-based modeling (ABM) implementations and quantum optimization frameworks like Quadratic Unconstrained Binary Optimization (QUBO). Using Schelling's segregation model as a case study, we show that the standard practice of directly translating ABM state observations into QUBO formulations not only fails to deliver quantum advantage, but actively undermines computational efficiency. The fundamental issue is architectural. Traditional ABM implementations entail observing the state of the system at each iteration, systematically destroying the quantum superposition required for computational advantage. Through analysis of Schelling's segregation dynamics on lollipop networks, we demonstrate how abandoning the QUBO reduction paradigm and instead reconceptualizing the research question, from "simulate agent dynamics iteratively until convergence" to "compute minimum of agent moves required for global satisfaction", enables a faster classical solution. This structural reconceptualization yields an algorithm that exploits network symmetries obscured in traditional ABM simulations and QUBO formulations. It establishes a new lower bound which quantum approaches must outperform to achieve advantage. Our work emphasizes that progress in quantum agent-based modeling does not require forcing classical ABM implementations into quantum frameworks. Instead, it should focus on clarifying when quantum advantage is structurally possible, developing best-in-class classical baselines through problem analysis, and fundamentally reformulating research questions rather than preserving classical iterative state change observation paradigms.
• Abstract（参考訳）: 量子コンピューティングは変革的な進歩を約束するが、繰り返し起こる誤解と方法論的な落とし穴によって制約される。 本稿では,従来のエージェント・ベース・モデリング(ABM)の実装と量子最適化フレームワークであるQuadratic Unconstrained Binary Optimization(QUBO)の基本的な非互換性を示す。 本論文では,Schelling の分離モデルを用いて,ABM 状態観測を直接 QUBO の定式化に変換する標準的な手法が,量子的優位性の実現に失敗するだけでなく,計算効率を積極的に損なうことを示す。 根本的な問題はアーキテクチャです。 従来のABM実装では、各イテレーションでシステムの状態を観察し、計算上の優位性に必要な量子重ね合わせを体系的に破壊する。 ロリポップネットワーク上でのシェリングの分離ダイナミクスの解析を通じて、QUBO還元パラダイムを放棄し、代わりに「収束まで反復的にエージェントダイナミクスをシミュレーションする」から「グローバルな満足度に必要なエージェント移動の最小限を計算する」まで研究問題を再認識する方法を実証し、より高速な古典解を実現する。 この構造的再概念化は、従来のABMシミュレーションやQUBOの定式化で隠されたネットワーク対称性を利用するアルゴリズムをもたらす。 量子アプローチが優位性を達成するためには、性能を上回る新しい下界を確立する。 我々の研究は、量子エージェントベースのモデリングの進歩は、古典的なAMM実装を量子フレームワークに強制する必要がないことを強調している。 代わりに、量子的優位性が構造的に可能かを明確にし、問題解析を通じて古典的基礎を最良に発展させ、古典的反復的状態変化観察パラダイムを保存するのではなく、研究の問題を根本的に改革することに焦点を当てるべきである。

関連論文リスト

• Superpositional Gradient Descent: Harnessing Quantum Principles for Model Training [0.0]
  Superpositional Gradient Descent (SGD) は、量子回路の摂動を注入することによって量子重ね合わせに勾配の更新をリンクする新しい方法である。 本稿では,PyTorch と Qiskit のハイブリッド量子古典回路を実装した数学的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-11-01T16:37:55Z)
• Hybrid quantum-classical algorithm for near-optimal planning in POMDPs [39.682133213072554]
  強化学習(Reinforcement Learning, RL)は、部分的に観察可能な環境における意思決定のための原則的な枠組みを提供する。 近年の進歩は、振幅増幅と組み合わせた量子リジェクションサンプリングにより、スパースベイズネットワークでの推論を加速できることを実証している。 本稿では,量子ベイズ強化学習(Quantum Bayesian Reinforcement Learning, QBRL)を紹介する。
  論文  参考訳（メタデータ） (2025-07-24T17:42:30Z)
• Segmentation-Based Regression for Quantum Neural Networks [0.0]
  量子ハードウェアの最近の進歩は、量子サンプリングと古典的推論を統合するアルゴリズムフレームワークの開発を動機付けている。 本研究は,量子ニューラルネットワーク(QNN)に適したセグメンテーションに基づく回帰手法を提案する。 回帰タスクを構造化された桁格子上の制約付き問題としてキャストすることにより、連続的な推論を解釈可能かつトラクタブルな更新に置き換える。
  論文  参考訳（メタデータ） (2025-06-27T20:11:43Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• i-QLS: Quantum-supported Algorithm for Least Squares Optimization in Non-Linear Regression [4.737806718785056]
  繰り返し量子支援最小二乗(i-QLS)最適化法を提案する。 従来の量子最小二乗アプローチのスケーラビリティと精度の限界を克服する。 実験では、i-QLSにより、短期量子ハードウェアが精度とスケーラビリティを改善して回帰タスクを実行できることを確認した。
  論文  参考訳（メタデータ） (2025-05-05T17:02:35Z)
• Projective Quantum Eigensolver with Generalized Operators [0.0]
  PQEフレームワークにおける閉形式残留方程式の観点から一般化作用素を決定する手法を開発する。 いくつかの分子系への応用により、アンザッツは単体、二重体、三重体を含む(異方性)UCCと同様の精度を達成できることを実証した。
  論文  参考訳（メタデータ） (2024-10-21T15:40:22Z)
• 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)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。