論文の概要: Structural Impact of Urban Topologies on Quantum Approximate Optimization: A Comparative Study of Planned vs. Organic Road Networks
- arxiv url: http://arxiv.org/abs/2603.12601v1
- Date: Fri, 13 Mar 2026 03:07:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-16 17:38:11.867645
- Title: Structural Impact of Urban Topologies on Quantum Approximate Optimization: A Comparative Study of Planned vs. Organic Road Networks
- Title（参考訳）: 都市トポロジの構造が量子近似最適化に及ぼす影響:計画された道路網と有機道路網の比較研究
- Authors: Abdul Sami Rao, Roha Ghazanfar Khan, Shumaila Ashfaq,
- Abstract要約: この研究は、量子理論と我々の物理世界のカオス現実のギャップを埋める。
トポロジカルDNA」がアルゴリズムの成功にどのように影響するかを特定することで、この研究は重要なインフラのためのよりレジリエントな量子ソリューションの開発を可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The performance of shallow-depth quantum optimization algorithms is known to depend strongly on problem structure, yet the role of real-world network topology remains poorly understood. In this work, we study how urban graph structure influences the behaviour of the Quantum Approximate Optimization Algorithm (QAOA) at depth p=1. Using street-network subgraphs extracted from two cities in Pakistan with contrasting urban designs - a planned city (Islamabad) and an organically grown city (Lyari) - we analyse probability concentration, approximation quality, and performance variability on the minimum vertex cover problem. By comparing classical brute-force solutions with QAOA outcomes, we show that planned topologies yield more reliable convergence, while organic networks exhibit higher variance and a greater tendency toward trivial solutions. Our results suggest that urban structure primarily affects the robustness rather than the average quality of shallow QAOA solutions, highlighting the importance of higher-order structural heterogeneity in shaping low-depth quantum optimization landscapes. This research is vital because it bridges the gap between abstract quantum theory and the chaotic reality of our physical world, proving that the way we build our cities directly impacts our ability to optimize them. By identifying how "topological DNA" influences algorithmic success, this work enables the development of more resilient quantum solutions for critical infrastructure, such as smart power grids and emergency response routing. Ultimately, these insights benefit society by paving the way for more efficient, data-driven urban management that can reduce resource waste and improve the quality of life in both planned and organically growing metropolitan areas.
- Abstract（参考訳）: 浅部量子最適化アルゴリズムの性能は問題構造に強く依存していることが知られているが、実世界のネットワークトポロジの役割はよく分かっていない。
本研究では,都市のグラフ構造が深さp=1の量子近似最適化アルゴリズム(QAOA)の挙動にどのように影響するかを検討する。
パキスタンの2つの都市(イスラマバード)と有機的に成長した都市(リャリ))から抽出された街路網のサブグラフを用いて,最小頂点被覆問題に対する確率集中,近似品質,性能変動を解析した。
古典的ブルートフォースの解とQAOAの結果を比較することで、計画されたトポロジがより信頼性の高い収束をもたらすのに対し、有機ネットワークはより分散度が高く、自明な解に対する傾向が大きいことを示す。
以上の結果から,都市構造は浅部QAOAソリューションの平均品質よりもロバスト性に大きく影響し,低深さの量子最適化ランドスケープを形成する上での高次構造不均一性の重要性が示唆された。
この研究は、抽象量子理論と物理世界のカオス的な現実のギャップを埋め、私たちの都市を構築する方法が、それらを最適化する能力に直接影響を与えることを証明し、不可欠です。
トポロジカルDNA」がアルゴリズムの成功にどのように影響するかを特定することによって、スマートパワーグリッドや緊急応答ルーティングといった重要なインフラに対するよりレジリエントな量子ソリューションの開発が可能になる。
最終的に、これらの洞察は、資源の無駄を減らし、計画と有機的に成長する大都市圏における生活の質を向上させることができる、より効率的でデータ駆動型の都市管理の道を開くことで、社会に利益をもたらす。
関連論文リスト
- Boosting Fine-Grained Urban Flow Inference via Lightweight Architecture and Focalized Optimization [35.11698882937702]
適応最適化でアーキテクチャ効率を相乗化するための統合ソリューションを提案する。
PLGFは、Progressive Local-Global Fusion戦略を採用した軽量で強力なアーキテクチャである。
DualFocal Lossは、二重空間の監視と難易度対応の集中機構を統合する新しい機能である。
論文 参考訳（メタデータ） (2025-11-10T13:38:26Z) - Explainable Swarm: A Methodological Framework for Interpreting Swarm Intelligence [5.095351428807715]
本研究は、人気のあるSwarmアルゴリズムの1つであるParticle Swarm Optimizationについて、多面的な解釈可能性に関する調査を行う。
我々は、新しい機械学習アプローチを用いて、PSOにおける様々なトポロジとパラメータの役割を解釈可能で説明可能なフレームワークを提供する。
この研究は、Swarmトポロジが情報の流れ、多様性、収束にどのように影響するかを解読することに成功した。
論文 参考訳（メタデータ） (2025-09-08T01:39:32Z) - Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳（メタデータ） (2025-01-20T07:12:40Z) - Geospatial Data Fusion: Combining Lidar, SAR, and Optical Imagery with AI for Enhanced Urban Mapping [0.0]
本研究では,高度都市マッピングのための高度な人工知能技術によるライダー,合成開口レーダ(SAR),光学画像の統合について検討する。
この研究は、都市の特徴抽出のための主要なディープラーニングモデルとして、FCN(Fully Convolutional Networks)を採用している。
主な発見は、FCN-PSOモデルが92.3%の画素精度、IoUの平均インターセクションは87.6%で、従来の単一センサーのアプローチを上回ったことを示している。
論文 参考訳（メタデータ） (2024-12-25T22:17:31Z) - Evolutionary Greedy Algorithm for Optimal Sensor Placement Problem in Urban Sewage Surveillance [6.133464220178637]
本稿では,大規模有向ネットワークの効率的かつ効率的な最適化を実現するために,新しい進化的欲求アルゴリズム(EG)を提案する。
提案手法は,香港の小規模合成ネットワークと大規模実世界の下水ネットワークの両方で評価される。
論文 参考訳（メタデータ） (2024-09-25T09:27:51Z) - OStr-DARTS: Differentiable Neural Architecture Search based on Operation Strength [70.76342136866413]
分散アーキテクチャサーチ(DARTS)は、効果的なニューラルネットワークサーチの有望な技術として登場した。
DARTSは、アーキテクチャの劣化につながる、よく知られた退化問題に悩まされている。
最終損失に対する操作の重要性を推定する操作強度に基づく新しい基準を提案する。
論文 参考訳（メタデータ） (2024-09-22T13:16:07Z) - Hierarchical Neural Constructive Solver for Real-world TSP Scenarios [27.986011761759567]
本稿では,産業環境に関連する現実的なトラベリングセールスマン問題(TSP)について紹介する。
我々の階層的アプローチは、古典的モデルと最近のトランスモデルの両方と比較して優れたパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2024-08-07T06:44:47Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Coverage and Capacity Optimization in STAR-RISs Assisted Networks: A
Machine Learning Approach [102.00221938474344]
再構成可能なインテリジェントサーフェス (STAR-RIS) アシストネットワークを同時に送信および反射するカバレッジとキャパシティ最適化のための新しいモデルを提案する。
損失関数ベースの更新戦略はコアポイントであり、各更新時にmin-normソルバによってカバレッジとキャパシティの両方の損失関数の重みを計算することができる。
解析結果から,提案手法は固定重みに基づくMOアルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-04-13T13:52:22Z) - FactorizeNet: Progressive Depth Factorization for Efficient Network
Architecture Exploration Under Quantization Constraints [93.4221402881609]
量子化制約下での効率的なCNNアーキテクチャ探索のためのプログレッシブ・ディープ・ファクタライズ・ストラテジーを導入する。
アルゴリズムによって深度分解の粒度を漸進的に増大させることで,層状分布の微細で低レベルな解析が可能となる。
このようなプログレッシブな深度分解戦略は、最適深度分解マクロ構造設計の効率的な同定を可能にする。
論文 参考訳（メタデータ） (2020-11-30T07:12:26Z) - A Theoretical Framework for Target Propagation [75.52598682467817]
我々は、バックプロパゲーション(BP)の代替として人気があるが、まだ完全には理解されていないターゲット伝搬(TP)を解析する。
提案理論は,TPがガウス・ニュートン最適化と密接に関係していることを示し,BPとは大きく異なる。
我々は,フィードバックウェイトトレーニングを改善する新しいリコンストラクション損失を通じて,この問題に対する第1の解決策を提供する。
論文 参考訳（メタデータ） (2020-06-25T12:07:06Z)
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。