論文の概要: Recursive QAOA for Interference-Aware Resource Allocation in Wireless Networks

• arxiv url: http://arxiv.org/abs/2602.07483v1
• Date: Sat, 07 Feb 2026 10:28:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.646272
• Title: Recursive QAOA for Interference-Aware Resource Allocation in Wireless Networks
• Title（参考訳）: 無線ネットワークにおける干渉を考慮したリソース割り当てのための再帰的QAOA
• Authors: Kuan-Cheng Chen, Hiromichi Matsuyama, Wei-hao Huang, Yu Yamashiro,
• Abstract要約: 無線ネットワークにおける離散的無線資源管理問題は,大規模に解決することが困難である。 本稿では,量子近似最適化アルゴリズム(RQAOA)に基づく量子古典的手法について検討する。 干渉を意識したチャネル割り当てでは、ペアの干渉が同じチャネル結合を誘導し、1ホットの制約が2次罰則によって強制される、コンパクトなQUBO/Isingの定式化を与える。
• 参考スコア（独自算出の注目度）: 4.9873153106566575
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Discrete radio resource management problems in dense wireless networks are naturally cast as quadratic unconstrained binary optimization (QUBO) programs but are difficult to solve at scale. We investigate a quantum-classical approach based on the Recursive Quantum Approximate Optimization Algorithm (RQAOA), which interleaves shallow QAOA layers with variable elimination guided by measured single- and two-qubit correlators. For interference-aware channel assignment, we give a compact QUBO/Ising formulation in which pairwise interference induces same-channel couplings and one-hot constraints are enforced via quadratic penalties (or, optionally, constraint-preserving mixers). Within RQAOA, fixing high-confidence variables or relations reduces the problem dimension, stabilizes training, and concentrates measurement effort on a shrinking instance that is solved exactly once below a cutoff. On simulated instances of modest size, including a four-user, four-channel example, the method consistently returns feasible assignments and, for the demonstrated case, attains the global optimum. These results indicate that recursion can mitigate parameter growth and feasibility issues that affect plain QAOA, and suggest a viable pathway for near-term quantum heuristics in wireless resource allocation.
• Abstract（参考訳）: 高密度無線ネットワークにおける離散的無線資源管理問題は、自然に2次非制約バイナリ最適化(QUBO)プログラムとして実装されているが、大規模に解決することは困難である。 本稿では,量子近似最適化アルゴリズム(RQAOA)に基づく量子古典的手法について検討する。 干渉を意識したチャネル割り当てには、QUBO/Isingのコンパクトな定式化を行い、ペアの干渉が同じチャネル結合を誘導し、1ホットの制約を2次罰則(または任意に制約保存ミキサー)によって強制する。 RQAOAでは、高信頼変数や関係の固定が問題次元を減少させ、トレーニングを安定化させ、カットオフの真下に1度だけ解決された縮小インスタンスに測定の労力を集中させる。 4人のユーザと4人のチャネルの例を含む、モデレートされたサイズのインスタンスでは、このメソッドは常に実行可能な代入を返却し、実証されたケースでは、グローバルな最適化が達成される。 これらの結果から,再帰はQAOAに影響を及ぼすパラメータの増大や実現可能性の問題を軽減することが示唆され,無線リソース割り当てにおける短期量子ヒューリスティックスの実現可能性も示唆された。

関連論文リスト

• Multi-Fidelity Delayed Acceptance: hierarchical MCMC sampling for Bayesian inverse problems combining multiple solvers through deep neural networks [0.3499870393443268]
  逆不確実量化(UQ)タスクは、物理モデルを扱う際に計算的に要求される。 データ駆動サロゲートモデルは、評価コストを削減するのに役立つが、高忠実度データを生成するコストによって、その実用性は制限されることが多い。 ベイズ逆問題に対するマルチフィデリティ遅延アクセプタンス方式を提案する。
  論文  参考訳（メタデータ） (2025-12-18T11:32:16Z)
• QTIS: A QAOA-Based Quantum Time Interval Scheduler [0.22940141855172033]
  提案手法は、アンシラ支援量子回路を統合し、重なり合うタスクを動的に検出し、ペナルティ化する。 その結果、コンフリクトを最小限に抑えつつ、固定時間窓を用いたスケジューリング作業におけるQTISの有効性を確認した。
  論文  参考訳（メタデータ） (2025-11-19T16:29:14Z)
• Alternating Minimization Schemes for Computing Rate-Distortion-Perception Functions with $f$-Divergence Perception Constraints [9.788112471288057]
  離散メモリレスソースに対するRDPF(Ralse-Distortion-Perception Function)の計算について検討した。 凸プログラミング問題に対する最適パラメトリック解を特徴付ける。 必要かつ十分な条件を導出することにより、両スキームがグローバルな最適解を保証できることが示される。
  論文  参考訳（メタデータ） (2024-08-27T12:50:12Z)
• Robust Regression with Ensembles Communicating over Noisy Channels [16.344212996721346]
  本稿では,付加雑音チャネルを介して通信する回帰アルゴリズムを実装したデバイス集合の問題について検討する。 本研究では,チャネル内の雑音のパラメータに対するアグリゲーション係数を最適化する手法を開発した。 本研究は,バギングと勾配向上という,最先端のアンサンブル回帰手法に適用した。
  論文  参考訳（メタデータ） (2024-08-20T15:32:47Z)
• Robust Stochastically-Descending Unrolled Networks [85.6993263983062]
  Deep Unrolling(ディープ・アンローリング)は、トレーニング可能なニューラルネットワークの層に切り捨てられた反復アルゴリズムをアンロールする、新たな学習最適化手法である。 アンロールネットワークの収束保証と一般化性は、いまだにオープンな理論上の問題であることを示す。 提案した制約の下で訓練されたアンロールアーキテクチャを2つの異なるアプリケーションで数値的に評価する。
  論文  参考訳（メタデータ） (2023-12-25T18:51:23Z)
• Entangled Pair Resource Allocation under Uncertain Fidelity Requirements [59.83361663430336]
  量子ネットワークにおいて、効果的な絡み合いルーティングは、量子ソースと量子宛先ノード間の通信を容易にする。 本稿では,絡み合ったペアに対する資源配分モデルと,整合性保証を伴う絡み合ったルーティングモデルを提案する。 提案モデルでは, ベースラインモデルと比較して, 総コストを少なくとも20%削減できる。
  論文  参考訳（メタデータ） (2023-04-10T07:16:51Z)
• Optimal Privacy Preserving for Federated Learning in Mobile Edge Computing [35.57643489979182]
  ユーザ差分プライバシ(DP)を維持するための有望なアプローチとして,無線ネットワーク上での定量化と意図的なノイズ付加によるフェデレーション学習(FL)がある。 本稿では,無線ネットワークとDP要件の制約下での収束率を最大化するために,量子化と二項機構パラメータと通信資源を協調的に最適化することを目的とする。
  論文  参考訳（メタデータ） (2022-11-14T07:54:14Z)
• Learning Resilient Radio Resource Management Policies with Graph Neural Networks [124.89036526192268]
  我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。 有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。 このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-03-07T19:40:39Z)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned Edge Learning Over Broadband Channels [69.18343801164741]
  パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。 本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
  論文  参考訳（メタデータ） (2020-10-08T15:27:50Z)

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。