論文の概要: Block Coordinate Descent for Dynamic Portfolio Optimization on Finite-Precision Coherent Ising Machines

• arxiv url: http://arxiv.org/abs/2603.23200v1
• Date: Tue, 24 Mar 2026 13:47:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.505269
• Title: Block Coordinate Descent for Dynamic Portfolio Optimization on Finite-Precision Coherent Ising Machines
• Title（参考訳）: 有限精度コヒーレントイジングマシンにおける動的ポートフォリオ最適化のためのブロックコーディネートダイス
• Authors: Keming He, Yuehan Zhang, Hongshun Yao, Jin-Guo Liu, Xin Wang,
• Abstract要約: 一部のプラットフォームは有限精度の入力のみをサポートし、必要なスケーリングと量子化はソリューションの品質を低下させる。 本稿では,DPOモデルを時間次元に沿って分解し,コンパクトな時間ブロックサブプロブレムを反復的に解くブロック座標降下法を提案する。
• 参考スコア（独自算出の注目度）: 8.273133030924987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coherent Ising machines (CIMs) have emerged as specialized quantum hardware for large-scale combinatorial optimization. However, for large instances that remain challenging for classical methods, some platforms support only finite-precision inputs, and the required scaling and quantization can degrade solution quality. Dynamic portfolio optimization (DPO) can be formulated as a quadratic unconstrained binary optimization (QUBO) problem, but large instances are especially vulnerable to precision loss under global scaling. We propose a block coordinate descent method that decomposes the DPO model along the time dimension and iteratively solves compact time-block subproblems on the device. Experiments on finite-precision CIM hardware show that the method enables these instances to be solved under hardware precision limits, yields portfolios competitive with classical benchmark solvers, and reduces runtime through fast CIM solution of the resulting subproblems. These results demonstrate the promise of finite-precision CIMs as a practical and scalable approach to structured large-scale combinatorial optimization.
• Abstract（参考訳）: コヒーレントイジングマシン(CIM)は、大規模な組合せ最適化のための特別な量子ハードウェアとして登場した。 しかし、古典的な手法では依然として困難であり続ける大規模の場合、いくつかのプラットフォームは有限精度の入力しかサポートせず、必要なスケーリングと量子化は解の品質を劣化させる可能性がある。 動的ポートフォリオ最適化 (DPO) は2次非制約バイナリ最適化 (QUBO) 問題として定式化することができるが、大規模インスタンスはグローバルスケールでの精度損失に対して特に脆弱である。 本稿では、DPOモデルを時間次元に沿って分解し、デバイス上のコンパクトな時間ブロックサブプロブレムを反復的に解決するブロック座標降下法を提案する。 有限精度CIMハードウェアの実験は、これらのインスタンスをハードウェアの精度の限界下で解くことができ、古典的なベンチマークソルバと競合するポートフォリオを得られることを示し、その結果のサブプロブレムの高速CIMソリューションによって実行時間を短縮することを示した。 これらの結果は、構造化された大規模組合せ最適化に対する実用的でスケーラブルなアプローチとして、有限精度CIMが期待できることを示す。

関連論文リスト

• Applying a Random-Key Optimizer on Mixed Integer Programs [0.36700088931938835]
  Mixed-Integer Programs (MIP) は、幅広い意思決定アプリケーションで発生するNPハード最適化モデルである。 本稿では,MIPに対する高品質な解を計算するための,柔軟でメタヒューリスティックな代替手段として,RKO(Random-Key integer)フレームワークの利用について検討する。
  論文  参考訳（メタデータ） (2026-02-25T18:20:03Z)
• Divide and Learn: Multi-Objective Combinatorial Optimization at Scale [41.78439888126577]
  多目的最適化は指数関数的に大きな離散空間上の解を求める。 分割された決定空間上でのオンライン学習問題として再編成し、位置ワイドバンディットのサブプロブレムを解決する。 標準ベンチマークでは,80～98%の特殊解法性能を達成している。
  論文  参考訳（メタデータ） (2026-02-11T20:29:35Z)
• Tensor Network Assisted Distributed Variational Quantum Algorithm for Large Scale Combinatorial Optimization Problem [19.046113542182436]
  組合せ最適化問題の解法として分散変分量子アルゴリズム(DVQA)を提案する。 DVQAの重要な革新は、複雑な長距離の絡み合いに頼ることなく、変数間の依存関係を保存するために、切り詰められた高階特異値分解を使用することである。 実験的に、DVQAはシミュレーションの最先端性能を達成し、ポートフォリオ最適化のためにWu Kong量子コンピュータで実験的に検証されている。
  論文  参考訳（メタデータ） (2026-01-20T13:31:02Z)
• Constraint-Aware Quantum Optimization via Hamming Weight Operators [1.1463843149836523]
  厳密な線形制約を伴う制約付き最適化は、薬物発見、電力グリッド、物流、金融の応用を支えている。 ハミングウェイト作用素(ハミングウェイト作用素、Hamming Weight Operators)は、量子進化を、実現可能な部分空間内で厳密に定義する制約対応作用素のクラスである。 我々は,金融と高エネルギー物理学のベンチマークタスク,特にポートフォリオ最適化とエネルギーバランスを伴う2ジェットクラスタリングのアプローチを検証した。
  論文  参考訳（メタデータ） (2026-01-04T12:58:04Z)
• Efficient QAOA Architecture for Solving Multi-Constrained Optimization Problems [3.757262277494307]
  本稿では,量子近似最適化Ansatzのための制約符号化手法の新たな組み合わせを提案する。 ワンホット制約は、検索空間を実現可能なサブ空間に自然に制限する$XY$-mixerによって強制される。 XY$-mixersは検索スペースを制限するため、特定の状態ベクトルエントリは常にゼロであり、シミュレーションから省略することができ、貴重なメモリとコンピューティングリソースを節約できる。
  論文  参考訳（メタデータ） (2025-06-03T17:46:53Z)
• Multiobjective variational quantum optimization for constrained problems: an application to Cash Management [45.82374977939355]
  本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。 我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。 実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
  論文  参考訳（メタデータ） (2023-02-08T17:09:20Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。