論文の概要: Effectiveness of Binary Autoencoders for QUBO-Based Optimization Problems

• arxiv url: http://arxiv.org/abs/2602.10037v1
• Date: Tue, 10 Feb 2026 17:59:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.728101
• Title: Effectiveness of Binary Autoencoders for QUBO-Based Optimization Problems
• Title（参考訳）: QUBO最適化問題に対するバイナリオートエンコーダの有効性
• Authors: Tetsuro Abe, Masashi Yamashita, Shu Tanaka,
• Abstract要約: ブラックボックス最適化では、客観的評価は高価であるため、高品質なソリューションは限られた予算の下で見つける必要がある。 最近の研究は、FMQAとバイナリオートエンコーダを組み合わせて、実現可能なソリューションからコンパクトなバイナリ潜在コードを学ぶ。 また,BAEは,同様の圧縮で手作業で設計したエンコーディングに比べて,ツアー距離と潜伏するハミング距離との整合性が良好であることを示す。
• 参考スコア（独自算出の注目度）: 0.669087470775851
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In black-box combinatorial optimization, objective evaluations are often expensive, so high quality solutions must be found under a limited budget. Factorization machine with quantum annealing (FMQA) builds a quadratic surrogate model from evaluated samples and optimizes it on an Ising machine. However, FMQA requires binary decision variables, and for nonbinary structures such as integer permutations, the choice of binary encoding strongly affects search efficiency. If the encoding fails to reflect the original neighborhood structure, small Hamming moves may not correspond to meaningful modifications in the original solution space, and constrained problems can yield many infeasible candidates that waste evaluations. Recent work combines FMQA with a binary autoencoder (bAE) that learns a compact binary latent code from feasible solutions, yet the mechanism behind its performance gains is unclear. Using a small traveling salesman problem as an interpretable testbed, we show that the bAE reconstructs feasible tours accurately and, compared with manually designed encodings at similar compression, better aligns tour distances with latent Hamming distances, yields smoother neighborhoods under small bit flips, and produces fewer local optima. These geometric properties explain why bAE+FMQA improves the approximation ratio faster while maintaining feasibility throughout optimization, and they provide guidance for designing latent representations for black-box optimization.
• Abstract（参考訳）: ブラックボックスの組合せ最適化では、客観的評価は高価であるため、高品質のソリューションは限られた予算の下で見つける必要がある。 量子アニーリング(FMQA)を用いたファクトリゼーションマシンは、評価されたサンプルから二次的なサロゲートモデルを構築し、Isingマシン上で最適化する。 しかし、FMQAは二項決定変数を必要とし、整数置換のような非二項構造の場合、二項符号化の選択は探索効率に強く影響を及ぼす。 符号化が元の近傍構造を反映しない場合、小さなハミングの動きは元の解空間における意味のある修正と一致せず、制約された問題によって多くの非実用的候補が無駄評価を導出することができる。 最近の研究は、FMQAとバイナリオートエンコーダ(bAE)を組み合わせて実現可能なソリューションからコンパクトなバイナリ潜在コードを学ぶが、パフォーマンス向上のメカニズムは不明だ。 解釈可能なテストベッドとして小さな旅行セールスマン問題を用いて、BAEは、同様の圧縮で手動で設計したエンコーディングと比較し、ツアー距離を遅延ハミング距離と整合させ、小さなビットフリップでよりスムーズな地区を出力し、局所的な最適度を低下させる。 これらの幾何学的性質は、最適化全体の実現可能性を維持しながら、bAE+FMQAが近似比を高速化する理由を説明し、ブラックボックス最適化のための潜在表現を設計するためのガイダンスを提供する。

関連論文リスト

• Encoding Matters: Benchmarking Binary and D-ary Representations for Quantum Combinatorial Optimization [1.3824488054100907]
  本研究では,D-ary Optimization (QUDO) を,高次元ヒルベルト空間において決定変数を直接符号化する代替の定式化として検討する。 本研究では,QUDOがトラベリングセールスマン問題,グラフカラー化,ジョブスケジューリング,Max-K-Cutなど,広範なペナルティ構築を必要とせずに,様々な問題クラスにおいて構造的制約を自然に捉えていることを示す。 本研究は、量子最適化のためのスケーラブルで表現力のある表現としてQUDOを強調し、近似比を一貫して改善し、等価回路深さでの計算オーバーヘッドを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2026-02-07T04:37:32Z)
• Direct phase encoding in QAOA: Describing combinatorial optimization problems through binary decision variables [0.7015624626359264]
  トラベリングパーソン販売問題(TSP)の例を用いて、最適化問題に対するより量子効率の高い回路構成を示す。 特定の冗長性を取り除いた場合、上記の従来の符号化に比べて、必要量子ビットの数は線形因子によって減少することができる。 実験の結果, 提案した符号化法と同等に精度が向上する一方, 必要な古典的反復回数はわずかに増加することがわかった。
  論文  参考訳（メタデータ） (2024-12-10T12:12:34Z)
• Quality-Aware Translation Models: Efficient Generation and Quality Estimation in a Single Model [77.19693792957614]
  そこで我々は,ニューラルネットワーク翻訳(NMT)モデルを用いて,その品質を学習し,その品質を推定する手法を提案する。 我々は、単一パスの復号化の効率性よりも、品質向上や品質改善のアプローチよりも優れた品質向上を得る。
  論文  参考訳（メタデータ） (2023-10-10T15:33:51Z)
• Factorizers for Distributed Sparse Block Codes [45.29870215671697]
  分散ブロック符号(SBC)を高速かつ高精度に分解する手法を提案する。 我々の反復分解器は、しきい値に基づく非線形活性化、条件付きランダムサンプリング、および $ell_infty$-based similarity metricを導入している。 CIFAR-100, ImageNet-1K, RAVENデータセット上での4つの深層CNNアーキテクチャの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-03-24T12:31:48Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Accelerating Bayesian Optimization for Biological Sequence Design with Denoising Autoencoders [28.550684606186884]
  我々は,識別可能なマルチタスクガウスプロセスヘッドを用いて,デノナイズドオートエンコーダを共同で訓練する手法を開発した。 我々はZINCデータセットに基づく小分子上でLaMBOを評価し,蛍光タンパク質をターゲットとした新しい大規模分子タスクを導入する。
  論文  参考訳（メタデータ） (2022-03-23T21:58:45Z)
• Discovering Representations for Black-box Optimization [73.59962178534361]
  ブラックボックス最適化符号化は手作業で行うのではなく,自動的に学習可能であることを示す。 学習された表現は、標準的なMAP-Elitesよりも桁違いに少ない評価で高次元の問題を解くことができることを示す。
  論文  参考訳（メタデータ） (2020-03-09T20:06:20Z)

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。