論文の概要: Quantum-Enhanced Reinforcement Learning for Accelerating Newton-Raphson Convergence with Ising Machines: A Case Study for Power Flow Analysis
- arxiv url: http://arxiv.org/abs/2511.20237v1
- Date: Tue, 25 Nov 2025 12:11:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.445864
- Title: Quantum-Enhanced Reinforcement Learning for Accelerating Newton-Raphson Convergence with Ising Machines: A Case Study for Power Flow Analysis
- Title（参考訳）: イジングマシンによるニュートン・ラフソン収束促進のための量子強化強化学習:電力流解析の事例研究
- Authors: Zeynab Kaseb, Matthias Moller, Lindsay Spoor, Jerry J. Guo, Yu Xiang, Peter Palensky, Pedro P. Vergara,
- Abstract要約: ニュートン・ラフソン法(NR法)は2次収束による電力流(PF法)方程式の解法として広く用いられている。
従来のNR初期化戦略は、しばしばこれらの課題に対処できず、収束が遅くなり、またばらつきさえも生じる。
本稿では、NRの初期化を最適化するために強化学習(RL)を用い、新しい量子強化RL環境更新機構を提案する。
その結果, 収束速度の大幅な向上, NR浸透回数の減少, 異なる運転条件下での堅牢性の向上が示された。
- 参考スコア（独自算出の注目度）: 2.982193858743461
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Newton-Raphson (NR) method is widely used for solving power flow (PF) equations due to its quadratic convergence. However, its performance deteriorates under poor initialization or extreme operating scenarios, e.g., high levels of renewable energy penetration. Traditional NR initialization strategies often fail to address these challenges, resulting in slow convergence or even divergence. We propose the use of reinforcement learning (RL) to optimize the initialization of NR, and introduce a novel quantum-enhanced RL environment update mechanism to mitigate the significant computational cost of evaluating power system states over a combinatorially large action space at each RL timestep by formulating the voltage adjustment task as a quadratic unconstrained binary optimization problem. Specifically, quantum/digital annealers are integrated into the RL environment update to evaluate state transitions using a problem Hamiltonian designed for PF. Results demonstrate significant improvements in convergence speed, a reduction in NR iteration counts, and enhanced robustness under different operating conditions.
- Abstract（参考訳）: ニュートン・ラフソン法(NR法)は2次収束による電力流(PF法)方程式の解法として広く用いられている。
しかし、その性能は、低い初期化や極端な運用シナリオ、例えば高レベルの再生可能エネルギーの浸透によって悪化する。
従来のNR初期化戦略はこれらの課題に対処するのに失敗し、収束が遅くなり、また分岐することもある。
本稿では、NRの初期化を最適化するために強化学習(RL)を用いることを提案し、二次的制約のない2値最適化問題として電圧調整タスクを定式化することにより、各RL時間における組合せ的に大きな作用空間上での電力系統状態の評価において、計算コストを大幅に削減する新しい量子強化RL環境更新機構を提案する。
具体的には、量子/デジタルアンニアをRL環境更新に統合し、PF用に設計されたハミルトニアン問題を用いて状態遷移を評価する。
その結果, 収束速度の大幅な向上, NR繰り返し回数の削減, 異なる動作条件下での堅牢性の向上が示された。
関連論文リスト
- Improved Convergence in Parameter-Agnostic Error Feedback through Momentum [49.163769734936295]
本研究では、EFと正規化更新、様々な運動量変動、パラメータに依存しない時変ステップサイズを組み合わせた正規化エラーフィードバックアルゴリズムについて検討する。
我々の結果は、ステップサイズと小さなミニバッチの減少に繋がる。
論文 参考訳（メタデータ） (2025-11-18T13:47:08Z) - Breaking Through Barren Plateaus: Reinforcement Learning Initializations for Deep Variational Quantum Circuits [21.491246867521053]
変分量子アルゴリズム(VQA)は、短期量子デバイスを活用可能なフレームワークとして注目されている。
VQAの有効性は、システムサイズや回路深さが増加するにつれて勾配が指数関数的に減少するいわゆるバレン高原問題によって制約されることが多い。
論文 参考訳（メタデータ） (2025-08-25T21:37:36Z) - TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。
我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。
これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
論文 参考訳（メタデータ） (2025-08-01T23:37:55Z) - Data driven approach towards more efficient Newton-Raphson power flow calculation for distribution grids [1.6396659596758738]
電力フロー(PF)計算は、安定かつ信頼性の高いグリッド動作を保証するために、電力系統解析の基礎となる。
The Newton-Raphson (NR) method is common used for PF analysis because its rapid convergence when appropriate。
この研究は、NRを改善するための戦略を提案し、イテレーションを最小化し、ばらつきを避ける。
論文 参考訳（メタデータ） (2025-04-15T22:37:55Z) - Accelerating Feedback-Based Quantum Algorithms through Time Rescaling [0.0]
TR-FQA と TR-FALQON は FQA と FALQON の時間スケール版である。
その結果,TR-FALQONは回路の初期層における最適解への収束を加速することがわかった。
状態準備の文脈では、TR-FQAはより優れた収束を示し、必要な回路深さを数百層削減する。
論文 参考訳（メタデータ） (2025-04-02T00:05:01Z) - Efficient optimization of neural network backflow for ab-initio quantum chemistry [0.0]
第2量子化量子化学ハミルトニアンの基底状態は、分子特性を決定する鍵となる。
本稿では,効率的な周期的コンパクトな部分空間構築,局所的エネルギー評価,サンプリングの改善,物理インフォームド修正を含むアルゴリズム拡張スイートを紹介する。
改良された手法は、CCSDやCCSD(T)のような従来の量子化学手法を超越し、他のNQS手法よりも優れ、最先端のアブイニシアト技術と競合するエネルギーを達成する。
論文 参考訳（メタデータ） (2025-02-26T05:31:08Z) - Causal Context Adjustment Loss for Learned Image Compression [72.7300229848778]
近年,学習画像圧縮(lic)技術は,特にRD性能の点で従来の手法を上回りつつある。
現在の技術のほとんどは、自己回帰エントロピーモデルを備えたVAEベースで、デコードされた因果コンテキストを利用してRD性能を向上する。
本稿では,提案した因果文脈調整損失を用いて因果文脈を的確に調整する方法を初めて検討する。
論文 参考訳（メタデータ） (2024-10-07T09:08:32Z) - Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。
我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。
我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
論文 参考訳（メタデータ） (2023-07-28T12:26:43Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Faster Last-iterate Convergence of Policy Optimization in Zero-Sum
Markov Games [63.60117916422867]
本稿では,対戦型マルチエージェントRLの最も基本的な設定,すなわち2プレーヤゼロサムマルコフゲームに焦点を当てる。
両エージェントから対称更新を施した単一ループポリシー最適化手法を提案し,この手法はエントロピー規則化楽観的乗算重み更新法(OMWU)によって更新される。
我々の収束結果は、最もよく知られた複雑性を改善し、競合するマルコフゲームにおけるポリシー最適化をよりよく理解する。
論文 参考訳（メタデータ） (2022-10-03T16:05:43Z)
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。