論文の概要: Quantum-inspired Ising machine using sparsified spin connectivity
- arxiv url: http://arxiv.org/abs/2604.04606v1
- Date: Mon, 06 Apr 2026 11:49:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:19.181852
- Title: Quantum-inspired Ising machine using sparsified spin connectivity
- Title（参考訳）: スパシファイドスピン接続を用いた量子インスピレーションイジングマシン
- Authors: Moe Shimada, Koki Awaya, Ryoya Yonemoto, Yu Zhao, Jun-ichi Shirakashi,
- Abstract要約: 抽出型多数決論理(英: extract-type majority voting logic、E-MVL)は、デジタル論理回路を用いた量子インスパイアされたアルゴリズムである。
本研究では,シミュレーションアニールに対する系統最適化と総合的なベンチマークにより,E-MVLの性能評価を行う。
- 参考スコア（独自算出の注目度）: 2.4530353949499673
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Combinatorial optimization problems become computationally intractable as these NP-hard problems scale. We previously proposed extraction-type majority voting logic (E-MVL), a quantum-inspired algorithm using digital logic circuits. E-MVL mimics the thermal spin dynamics of simulated annealing (SA) through controlled sparsification of spin interactions for efficient ground-state search. This study investigates the performance potential of E-MVL through systematic optimization and comprehensive benchmarking against SA. The target problem is the Sherrington-Kirkpatrick (SK) model with bimodal and Gaussian coupling distributions. Through equilibrium state analysis, we demonstrate that the sparsity control mechanism provides a consistent search of the solution space regardless of the problem's coupling distribution (bimodal, Gaussian) or size. E-MVL not only achieves the best performance among all tested algorithms-solving exact solutions up to 1600 spins where the best SA baseline is limited to 400 spins-but also provides insights that significantly improve SA's own temperature scheduling. These results establish E-MVL's dual contribution as both an efficient optimizer and a practical methodology for enhancing SA performance. Moreover, FPGA implementation achieved an approximately 6-fold faster solution speed than SA.
- Abstract（参考訳）: 組合せ最適化問題は、これらのNPハード問題がスケールするにつれて、計算的に難解になる。
我々は以前,デジタル論理回路を用いた量子インスピレーションアルゴリズムである抽出型多数決論理(E-MVL)を提案した。
E-MVLは、効率的な基底状態探索のためのスピン相互作用の制御による模擬アニール(SA)の熱スピンダイナミクスを模倣する。
本研究では,系統最適化とSAに対する総合的なベンチマークによるE-MVLの性能評価を行った。
ターゲットとなる問題は、2モーダルとガウスのカップリング分布を持つシェリントン・カークパトリック(SK)モデルである。
平衡状態解析を通じて、疎性制御機構が、問題のカップリング分布(バイモーダル、ガウス)やサイズに関係なく、解空間の一貫した探索を提供することを示した。
E-MVLは、テストされた全てのアルゴリズムの中で最高の性能を達成するだけでなく、最高のSAベースラインが400スピンに制限された1600スピンまでの正確な解を解き、SA自身の温度スケジューリングを大幅に改善する洞察を与える。
これらの結果から,効率的な最適化およびSA性能向上のための実践的手法として,E-MVLの二重寄与が確立された。
さらにFPGAの実装は、SAよりも約6倍高速な解法を実現した。
関連論文リスト
- Enhanced Convergence in p-bit Based Simulated Annealing with Partial Deactivation for Large-Scale Combinatorial Optimization Problems [1.2375561840897742]
pビット間の予期せぬ振動に起因する問題について検討する。
これらの振動はイジングモデルのエネルギー削減を妨げ、複雑なタスクにおけるpSAの実行を妨げている。
時間平均pSA(TApSA)と停止pSA(SpSA)の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2026-01-22T01:01:35Z) - A versatile coherent Ising computing platform [8.291227546171063]
コヒーレントイジングマシン(CIM)はNP完全問題を解決するために設計された量子コンピューティング装置のハイブリッド形式として登場した。
フェムト秒レーザーポンピングによるCIMの実証に成功し、光学的および構造的次元の最適化戦略を統合する。
結果はCIMの理論的約束を裏付け、大規模な実用アプリケーションへの統合の道を開いた。
論文 参考訳（メタデータ） (2025-12-08T05:25:37Z) - Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。
本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
論文 参考訳（メタデータ） (2025-04-21T18:19:19Z) - A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。
完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。
ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文 参考訳（メタデータ） (2025-01-02T05:06:16Z) - Accuracy and Performance Evaluation of Quantum, Classical and Hybrid Solvers for the Max-Cut Problem [0.0]
本稿では,NP-hard Max-Cut 問題と QUBO 問題に対する量子,古典,ハイブリッドの解法の性能について検討する。
我々は,新しい高速アニーリングD-Wave量子処理ユニット(QPU)とD-Wave Hybrid solverを,最先端の古典的アニーリングアルゴリズム(SA)と東芝のシミュレート分岐機(SBM)と比較した。
その結果,グローバルな最適解法が知られている小さなケースでは,ハイブリッドソルバとSAアルゴリズムが一貫してグローバルな最適解法を実現し,QPUを上回っていることがわかった。
論文 参考訳（メタデータ） (2024-12-10T12:28:08Z) - SliM-LLM: Salience-Driven Mixed-Precision Quantization for Large Language Models [63.118592279833656]
後学習量子化(PTQ)は,大規模言語モデル(LLM)の圧縮に有効な手法である
本稿では,SliM-LLMを提案する。SliM-LLMは,グループ単位でビット幅を割り当てるサリエンス駆動の混合精度量子化フレームワークである。
実験により、SliM-LLMは低ビット幅の様々なLLMにおいて優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2024-05-23T16:21:48Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - DIFUSCO: Graph-based Diffusion Solvers for Combinatorial Optimization [51.517956081644186]
グラフベースの拡散フレームワークであるDIFUSCOを導入する。
本フレームワークは, NPC問題を離散0, 1ベクトル最適化問題とみなす。
MIS問題に対して、DIFUSCOは、挑戦的なSATLIBベンチマークにおいて、以前の最先端のニューラルソルバよりも優れている。
論文 参考訳（メタデータ） (2023-02-16T11:13:36Z) - Learning to Schedule Heuristics for the Simultaneous Stochastic
Optimization of Mining Complexes [2.538209532048867]
提案したL2P(Learning-to-perturb)ハイパーヒューリスティックは,マルチ隣り合うシミュレートアニールアルゴリズムである。
L2Pは、効率、堅牢性、一般化能力に重点を置いて、いくつかの実世界の鉱業施設で試験されている。
その結果,反復回数を30～50%削減し,計算時間を30～45%削減した。
論文 参考訳（メタデータ） (2022-02-25T18:20:14Z) - 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。