論文の概要: A Quantum Approach to Stochastic Optimization in Insurance Underwriting

• arxiv url: http://arxiv.org/abs/2605.01169v1
• Date: Sat, 02 May 2026 00:17:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.623564
• Title: A Quantum Approach to Stochastic Optimization in Insurance Underwriting
• Title（参考訳）: 保険書記における確率的最適化への量子的アプローチ
• Authors: Mitchell Bordelon, Maurice Garfinkel, Vivek Dixit, Thomas Whitehead, Jenny Holzbauer, Guillermo Mijares Vilarino, Alberto Maldonado Romo, Abhijit Mitra, Vaibhaw Kumar, Jean Utke,
• Abstract要約: 本稿では,確率制約付きknapsack問題と呼ばれる最適化問題のクラスを解くための新しい量子古典ハイブリッドスキームを提案する。 本手法では,クナップサック固有のQAOA回路を用いてサンプルを生成する。
• 参考スコア（独自算出の注目度）: 0.7165525841969034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The presence of stochastic elements in combinatorial optimization problems makes them particularly challenging, as such problems quickly become intractable for classical computers even at relatively small sizes. In this work, we propose a novel quantum-classical hybrid scheme for solving a class of stochastic optimization problems known as chance-constrained knapsack problems, in which item weights follow probability distributions and constraints may be violated within a specified risk tolerance. Our method employs knapsack-specific QAOA-based circuits to generate samples which, when combined with a self-consistent classical recovery scheme introduced in this work, produce high-quality solutions. Experiments carried out on IBM Heron processors, using circuits with depths up to 177 and comprising 3443 gates acting on as many as 150 qubits, yield solutions that indicate improvement over classical optimization schemes. The proposed quantum-classical scheme paves the way to tackling such problems, with the potential to outperform approaches that rely solely on classical computation.
• Abstract（参考訳）: 組合せ最適化問題における確率的要素の存在は、そのような問題を比較的小さなサイズでも古典的コンピュータではすぐに難解になるので、特に困難である。 本研究では,確率制約付きクナプサック問題と呼ばれる確率的最適化問題のクラスを解くための,新しい量子古典ハイブリッド手法を提案する。 本手法では,クナップサック固有のQAOA回路を用いてサンプルを生成する。 IBM Heronプロセッサで行った実験では、深さ177までの回路を使用し、3443個のゲートが150キュービットまで動作し、古典的な最適化方式よりも改善されたことを示すソリューションが得られた。 提案された量子古典的スキームは、そのような問題に対処する方法を舗装し、古典的な計算のみに依存するアプローチよりも優れている可能性がある。

関連論文リスト

• Quantum Random Feature Method for Solving Partial Differential Equations [36.58357595906332]
  量子コンピューティングは、古典的な手法よりも指数的なスピードアップの可能性を秘めているため、科学計算の可能性を秘めている。 本研究では,数値解析とニューラル解析の両方の利点を利用する量子ランダム法(QRFM)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T08:42:09Z)
• QUBO-based training for VQAs on Quantum Annealers [0.06372261626436675]
  量子アニールは、大規模な最適化問題を解決する効果的なフレームワークを提供する。 本研究は変分量子アルゴリズムを学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-09-01T22:57:49Z)
• Quantum Annealing for Machine Learning: Applications in Feature Selection, Instance Selection, and Clustering [41.94295877935867]
  量子解法と古典解法をともに実装し,その有効性を比較する。 特徴選択のために,特徴量と冗長性のバランスをとるいくつかのQUBO構成を提案する。 事例選択では,既存手法を拡張した事例レベルの重要度尺度を提案する。 クラスタリングには古典的クラスタリングとQUBOベースのメドイドリファインメントを併用した古典的量子パイプラインを組み込む。
  論文  参考訳（メタデータ） (2025-07-20T17:59:14Z)
• Hierarchical Quantum Optimization via Backbone-Driven Problem Decomposition: Integrating Tabu-Search with QAOA [6.1238490000465635]
  我々は、ノイズ中間スケール量子(NISQ)デバイスの限界を克服するためにBackbone-DrivenOAを提案する。 提案手法では, 適応型タブサーチによりバックボーン変数を動的に同定し, 固定し, 縮小次元部分空間を構築する。 提案手法は,量子資源と古典資源の割り当てを効果的に調整し,大規模最適化問題の解決を可能にする。
  論文  参考訳（メタデータ） (2025-04-13T13:50:38Z)
• Quantum Annealing for Combinatorial Optimization: A Benchmarking Study [39.125366249242646]
  現状の量子解法は,従来の解法よりも精度が0.013%高く,解法時間も6,561xであることを示す。 この結果から,特にハイブリッド構成において,従来のQAよりもQAを活用できるという利点が浮かび上がっている。
  論文  参考訳（メタデータ） (2025-04-08T16:43:24Z)
• Quantum Optimization Benchmarking Library - The Intractable Decathlon [26.228146982868846]
  既存の古典的アルゴリズムでは難しい10の最適化問題クラスを提示する。 問題クラスの個々の性質は、目的と変数タイプ、係数範囲、密度の点で異なる。 本稿ではQOBLIB(Quantum Optimization Benchmarking Library)を紹介する。
  論文  参考訳（メタデータ） (2025-04-04T18:00:00Z)
• Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem [0.0]
  トラベリングセールスパーソン問題(TSP)は基本的なNPハード最適化問題である。 量子最適化技術と古典的機械学習手法を統合するハイブリッド量子古典的手法を提案する。
  論文  参考訳（メタデータ） (2025-02-28T22:07:28Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Comparative Benchmark of a Quantum Algorithm for the Bin Packing Problem [0.8434687648198277]
  Bin Packing Problem (BPP) は、ロジスティクスにおけるパラダイム最適化問題として際立っている。 我々は最近,一次元BPPに対するハイブリッドアプローチを提案している。 他の古典的手法と比較する。
  論文  参考訳（メタデータ） (2022-07-15T13:09:12Z)
• Adapting Quantum Approximation Optimization Algorithm (QAOA) for Unit Commitment [2.8060379263058794]
  ユニットコミットと呼ばれる電力系統最適化問題に対して,ハイブリッド量子古典アルゴリズムを定式化し,適用する。 提案アルゴリズムは、量子近似最適化アルゴリズム(QAOA)を古典最小値で拡張し、混合二元最適化をサポートする。 提案手法は,400個の発電ユニット未満のシミュレーション単位コミットに対して,古典的解法が有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-25T03:37:34Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。