論文の概要: Neural optimization for quantum architectures: graph embedding problems with Distance Encoder Networks
- arxiv url: http://arxiv.org/abs/2605.03565v1
- Date: Tue, 05 May 2026 09:39:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.876784
- Title: Neural optimization for quantum architectures: graph embedding problems with Distance Encoder Networks
- Title（参考訳）: 量子アーキテクチャのニューラル最適化:距離エンコーダネットワークを用いたグラフ埋め込み問題
- Authors: Chiara Vercellino, Giacomo Vitali, Paolo Viviani, Alberto Scionti, Andrea Scarabosio, Olivier Terzo, Edoardo Giusto, Bartolomeo Montrucchio,
- Abstract要約: 本稿では,制約付きディスク問題を解くために,ニューラルネットワークによる最適化フレームワークを提案する。
提案手法は、非線形変換を近似するニューラルネットワークの能力に依存する。
- 参考スコア（独自算出の注目度）: 0.11242503819703255
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum machines are among the most promising technologies expected to provide significant improvements in the following years. However, bridging the gap between real-world applications and their implementation on quantum hardware is still a complicated task. One of the main challenges is to represent through qubits (i.e., the basic units of quantum information) the problems of interest. According to the specific technology underlying the quantum machine, it is necessary to implement a proper representation strategy, generally referred to as embedding. This paper introduces a neural-enhanced optimization framework to solve the constrained unit disk problem, which arises in the context of qubits positioning for neutral atoms-based quantum hardware. The proposed approach involves a modified autoencoder model, i.e., the Distances Encoder Network, and a custom loss, i.e., the Embedding Loss Function, respectively, to compute Euclidean distances and model the optimization constraints. The core idea behind this design relies on the capability of neural networks to approximate non-linear transformations to make the Distances Encoder Network learn the spatial transformation that maps initial non-feasible solutions of the constrained unit disk problem into feasible ones. The proposed approach outperforms classical solvers, given fixed comparable computation times, and paves the way to address other optimization problems through a similar strategy.
- Abstract（参考訳）: 量子マシンは、今後数年で大幅な改善が期待できる最も有望な技術である。
しかし、現実世界のアプリケーションと量子ハードウェアの実装のギャップを埋めることは、まだ複雑な作業である。
主な課題の1つは、量子ビット(すなわち、量子情報の基本的な単位)を通して関心の問題を表現することである。
量子マシンの基礎となる特定の技術によれば、一般的に埋め込みと呼ばれる適切な表現戦略を実装する必要がある。
本稿では、中性原子ベースの量子ハードウェアにおける量子ビット位置決めの文脈で発生する制約付き単位ディスク問題を解くために、ニューラルネットワークによる最適化フレームワークを提案する。
提案手法は、修正されたオートエンコーダモデル、すなわちディスタンス・エンコーダ・ネットワークと、ユークリッド距離を計算し最適化制約をモデル化するためのカスタム損失、すなわち埋め込み損失関数を含む。
この設計の背後にある中核的な考え方は、ニューラルネットワークが非線形変換を近似して距離エンコーダネットワークに、制約されたユニットディスク問題の初期の非実現可能な解を実現可能なものにマッピングする空間変換を学習させる能力に依存している。
提案手法は,計算時間に匹敵する古典的解法よりも優れ,他の最適化問題に同様の戦略で対処する方法を舗装する。
関連論文リスト
- Quantum Annealing for Combinatorial Optimization: Foundations, Architectures, Benchmarks, and Emerging Directions [0.0]
科学、工学、産業における重要な意思決定問題は最適化に基づいている。
我々は, 断熱量子力学, Ising と QUBO モデル, 確率的および非確率的ハミルトニアン, 現代のフラックス・キュービット・アニールへのダイアバティック・トランジションに関する統一的な枠組みを開発する。
埋め込みとエンコーディングのオーバーヘッドがスケーラビリティとパフォーマンスの最大の部分であることに気付きました。
論文 参考訳（メタデータ） (2026-02-03T04:51:26Z) - Performance enhancing of hybrid quantum-classical Benders approach for MILP optimization [0.0]
本稿では,ハードウェアに依存しないベンダー分解アルゴリズムと,量子コンピューティングを最大限に活用することを目的とした一連の拡張を提案する。
提案アルゴリズムは、D-Wave量子アニールを用いて、スケーラブルな伝送ネットワーク拡張計画問題に対する古典的アプローチに対してベンチマークを行う。
論文 参考訳（メタデータ） (2026-01-20T14:47:50Z) - Feedback-Based Quantum Strategies for Constrained Combinatorial Optimization Problems [0.6554326244334868]
我々は、フィードバックベースの量子アルゴリズムフレームワークを拡張し、無効な設定(IC)制約と呼ばれるより広範な制約のクラスに対処する。
本稿では、スラック変数を必要とせずに直接IC制約に対処する、フィードバックベースの量子アルゴリズムに適した代替手法を提案する。
これらの方法はスラック変数の必要性を排除し、量子回路の深さと必要な量子ビットの数を大幅に削減する。
論文 参考訳（メタデータ） (2025-02-20T08:57:28Z) - Performant near-term quantum combinatorial optimization [1.1999555634662633]
線形深度回路を用いた最適化問題に対する変分量子アルゴリズムを提案する。
我々のアルゴリズムは、ターゲット量子関数の各項を制御するために設計されたハミルトン生成器からなるアンサッツを使用する。
性能と資源最小化のアプローチは、潜在的な量子計算上の利点の候補として有望である、と結論付けます。
論文 参考訳（メタデータ） (2024-04-24T18:49:07Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - 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) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Entanglement Rate Optimization in Heterogeneous Quantum Communication
Networks [79.8886946157912]
量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。
近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。
量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
論文 参考訳（メタデータ） (2021-05-30T11:34:23Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - Optimizing the Optimizer: Decomposition Techniques for Quantum Annealing [0.0]
現在の世代の量子コンピュータは、現実世界の問題を解決するには小さすぎる。
本研究では,ベンチマーク問題に対する多種多様なアプローチについて検討する。
その結果,解法の性能は問題グラフの構造に大きく依存していることが示唆された。
論文 参考訳（メタデータ） (2020-01-16T21:35:16Z)
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。