論文の概要: Utilizing intermediate states in quantum annealing for multi-objective optimization

• arxiv url: http://arxiv.org/abs/2601.01559v1
• Date: Sun, 04 Jan 2026 15:19:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.531845
• Title: Utilizing intermediate states in quantum annealing for multi-objective optimization
• Title（参考訳）: 多目的最適化のための量子アニールにおける中間状態の利用
• Authors: Keita Takahashi, Shu Tanaka,
• Abstract要約: 多目的最適化において線形和法の限界に対処するため、量子クエンチ過程における中間量子状態の取得について検討する。 数値シミュレーションとそれ以前のシミュレーションを用いた物理実験により,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 3.158346511479111
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate obtaining intermediate quantum states during the quantum annealing process to address the limitation of the linear weighted sum method in multi-objective optimization, which inherently fails to reach non-convex regions of the Pareto front. We validate this approach through physical experiments utilizing quench-based readout and numerical simulations assuming ideal mid-anneal measurements. Both methods consistently demonstrate a clear trade-off where earlier timing enhances diversity of the solutions, whereas later timing ensures convergence to non-dominated solutions. Notably, a practical compromise timing balances both metrics. The qualitative agreement between practical quench and ideal simulation indicates the potential of accessing the intermediate states for comprehensive Pareto front exploration.
• Abstract（参考訳）: 本研究では,多目的最適化において線形重み付け和法の限界に対処するため,量子アニール過程における中間量子状態の取得について検討する。 我々は,この手法をクエンチに基づく読み出しと数値シミュレーションを用いた物理実験により検証する。 どちらの手法も常に明確なトレードオフを示しており、初期のタイミングは解の多様性を高め、後のタイミングは非支配的な解への収束を保証する。 特に、実際の妥協タイミングは、両方のメトリクスのバランスをとる。 実用的クエンチと理想的なシミュレーションの質的な一致は、パレート前縁探査のために中間状態にアクセスする可能性を示している。

関連論文リスト

• Measurement incompatibility in Bayesian multiparameter quantum estimation [0.0]
  我々は、測定不適合性の役割を分析し、その定量効果を達成可能な精度に確立する。 局所推定理論の多くのコピー方式と同様に、非互換性は少なくとも最小損失の2倍であることを示す。 結果は、離散量子位相イメージング、位相とデフォーカス推定、量子ビットセンシングなど、様々な応用を通して説明される。
  論文  参考訳（メタデータ） (2025-11-20T18:51:18Z)
• Effective Test-Time Scaling of Discrete Diffusion through Iterative Refinement [51.54933696252104]
  離散拡散に適した新しいテスト時間スケーリング手法であるイテレーティブ・リワードガイドリファインメント(IterRef)を導入する。 我々は、このプロセスをMultiple-Try Metropolisフレームワークで形式化し、報酬整合分布への収束を証明した。 IterRefは計算予算の低さで大幅に上昇し、最先端のベースラインをはるかに超えている。
  論文  参考訳（メタデータ） (2025-11-04T02:33:23Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• Effectively Leveraging Momentum Terms in Stochastic Line Search Frameworks for Fast Optimization of Finite-Sum Problems [1.5665889790660235]
  深度最適化のための最近の線探索手法と運動量方向の関係について検討する。 本稿では,モーメントパラメータの定義と行探索にデータ持続性,永続型ルールを併用したアルゴリズムフレームワークを提案する。 結果のアルゴリズムは、適切な仮定の下でコンバージェンスを確実に保持する。
  論文  参考訳（メタデータ） (2024-11-11T16:26:33Z)
• A Dynamical System View of Langevin-Based Non-Convex Sampling [44.002384711340966]
  非サンプリングは機械学習における重要な課題であり、ディープラーニングにおける非レート最適化の中心であり、その重要性を近似する。 既存の保証は通常、より望ましい最終段階の反復よりも平均距離のみを保持する。 我々は、理論システムからいくつかのツールを活用することにより、上記の問題を解消する新しいフレームワークを開発する。
  論文  参考訳（メタデータ） (2022-10-25T09:43:36Z)
• Q-Learning for MDPs with General Spaces: Convergence and Near Optimality via Quantization under Weak Continuity [2.685668802278156]
  状態と行動の量子化による標準ボレル MDP のQ-ラーニングが限界に収束することを示す。 本稿では,連続型MDPに対するQ-ラーニングの適用性について,非常に一般的な収束と近似結果を示す。
  論文  参考訳（メタデータ） (2021-11-12T15:47:10Z)
• Posterior-Aided Regularization for Likelihood-Free Inference [23.708122045184698]
  後補助正規化(PAR)は,モデル構造に関係なく,密度推定器の学習に適用可能である。 単一のニューラルネットワークを用いて逆KL項と相互情報項の両方を推定するPARの統一推定方法を提供する。
  論文  参考訳（メタデータ） (2021-02-15T16:59:30Z)
• Continuous Wasserstein-2 Barycenter Estimation without Minimax Optimization [94.18714844247766]
  ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。 本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:01:13Z)
• Multiphase estimation without a reference mode [0.0]
  外部参照モードがないと、同時に推定可能なパラメータの数が減少することを示す。 また、推定されるパラメータの対称性が最適プローブ状態の対称性を定めていることも示す。
  論文  参考訳（メタデータ） (2020-06-23T18:00:03Z)
• Fast Objective & Duality Gap Convergence for Non-Convex Strongly-Concave Min-Max Problems with PL Condition [52.08417569774822]
  本稿では,深層学習(深層AUC)により注目度が高まっている,円滑な非凹部min-max問題の解法に焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-12T00:32:21Z)

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。