論文の概要: Improving FMQA via Initial Training Data Design Considering Marginal Bit Coverage in One-Hot Encoding
- arxiv url: http://arxiv.org/abs/2605.04825v1
- Date: Wed, 06 May 2026 12:16:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.804595
- Title: Improving FMQA via Initial Training Data Design Considering Marginal Bit Coverage in One-Hot Encoding
- Title（参考訳）: ワンホット符号化における誤りビット被覆を考慮した初期訓練データ設計によるFMQAの改善
- Abstract要約: 本稿では,因子化マシン(FM)とIsingマシンによるQUBOに基づく探索を組み合わせたブラックボックス最適化手法を提案する。
FMQAが1ホットエンコーディングによって整数または離散化された連続変数に適用された場合、一様ランダムな初期サンプリングは、初期トレーニングデータに多くのバイナリ変数がアクティブになることはない。
この問題に対処するために、初期トレーニングデータを設計し、完全な限界ビットカバレッジ、すなわち、ワンホット符号化によって得られた全てのバイナリ変数が少なくとも1回は値を取ることを保証します。
- 参考スコア（独自算出の注目度）: 0.5387709967970504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Factorization machine with quadratic-optimization annealing (FMQA) is a black-box optimization method that combines a factorization machine (FM) surrogate with QUBO-based search by an Ising machine. When FMQA is applied to integer or discretized continuous variables via one-hot encoding, uniform random initial sampling can leave many binary variables never active in the initial training data, and the corresponding FM parameters receive no direct gradient updates from the observed responses. We address this by designing the initial training data to achieve complete marginal bit coverage, namely, ensuring that every binary variable obtained by one-hot encoding takes the value one at least once. We use two space-filling sampling methods, Latin hypercube sampling (LHS) and the Sobol' sequence, yielding LHS-FMQA and Sobol'-FMQA. On the human-powered aircraft wing-shape optimization benchmark with 17 and 32 design variables, both proposed methods achieved numerically higher mean final cruising speeds than the baseline FMQA, with the advantage more pronounced on the 32-variable problem.
- Abstract（参考訳）: FMQA (Facterization Machine with quadratic-optimization annealing) は、Facterization Machine (FM) とQUBOベースのIsing Machineによる探索を組み合わせたブラックボックス最適化手法である。
FMQAが1ホットエンコーディングによって整数または離散化された連続変数に適用された場合、一様ランダム初期サンプリングは、初期トレーニングデータにおいて多くのバイナリ変数をアクティブに残すことができ、対応するFMパラメータは、観測された応答から直接の勾配更新を受けない。
この問題に対処するために、初期トレーニングデータを設計し、完全な限界ビットカバレッジ、すなわち、ワンホット符号化によって得られた全てのバイナリ変数が少なくとも1回は値を取ることを保証します。
LHS-FMQA と Sobol'-FMQA の2種類の空間充填サンプリング法を用いて,LHS-FMQA と Sobol'-FMQA を合成した。
設計変数が17と32の人力航空機翼形状最適化ベンチマークにおいて、提案手法はFMQAよりも数値的に高い最終巡航速度を達成し、32変数問題の方が有利であった。
関連論文リスト
- Quantum MeanFlow: single-shot generative sampling on NISQ hardware [0.30586855806896046]
フローマッチング(Flow matching)は、単純な既知の分布を学習速度場を用いて対象データ分布に移動させることにより、サンプルを生成する生成方法である。
本稿では,1ステップのサンプル生成が可能な量子平均流(QMF)について紹介する。
単段QMFは、多段QFMに比べて画質が低いが、単段QFMサンプリングでは各撮影回数より優れていることを示す。
論文 参考訳（メタデータ） (2026-09-02T06:49:45Z) - Transpiler Autotuning with Predictive Models for Quantum Circuit Optimization [1.039769242219222]
機械学習モデルを用いて,2ビットゲートの最大削減を目的としたトランスパイラパスの組み合わせを自動的に選択する,Qiskitトランスパイラパイプラインの予測モデル拡張を構築した。
我々の実験的な評価によると、我々のモデルで選択された組み合わせは、Qiskitの最適化レベルに勝るものはなく、平均19.1$%$ - 32.4$%$2量子ゲートの削減を達成する。
論文 参考訳（メタデータ） (2026-07-31T08:23:43Z) - Formulation-Level Auto-Tuning for QUBO-Based Machine Learning: A Case Study Across Multiple Quantum-Inspired Annealers [0.0]
本稿では,サポートベクトルマシン(SVM)のためのOptunaベースの定式化レベル自動チューニングフレームワークを提案する。
連続双対変数は離散化され、2次非制約バイナリ最適化(QUBO)モデルに変換される。
0-20%のラベルノイズを持つ線形および非線形分類タスクの実験では, それぞれ0.8点と2.1点のグリッド探索よりも平均的なゲインが得られた。
論文 参考訳（メタデータ） (2026-07-21T06:56:43Z) - Stage-dependent integer-binary encoding in factorization-machine black-box optimization [0.612477318852572]
ブラックボックス最適化は、客観的関数が明確な分析形式を欠いている問題に対処し、評価に費用がかかる。
ステージ依存型FMQAフレームワークを提案し, 1ホットとドメインウォールのQUBO行列間の変換公式を導出する。
学習にはワンホットエンコーディング、検索にはドメインウォールエンコーディングを用いるOhDw変異体を評価した。
論文 参考訳（メタデータ） (2026-06-22T11:36:27Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Hybrid Fourier Neural Operator for Surrogate Modeling of Laser Processing with a Quantum-Circuit Mixer [0.0]
HQ-LP-FNO(HQ-LP-FNO)は、高密度なスペクトルブロックのごく一部を、コンパクトでモード共有の変動型量子回路ミキサーに置き換えるハイブリッド量子古典型FNOである。
高エネルギーレーザー加工, カップリング熱伝達, 溶融プール対流, 自由表面変形, 相変化の3次元シュロゲートモデルによる評価を行った。
論文 参考訳（メタデータ） (2026-04-06T16:28:49Z) - Multi-Mode Quantum Annealing for Variational Autoencoders with General Boltzmann Priors [0.21485350418225238]
変分オートエンコーダ(VAE)は複雑なデータのコンパクトな潜在表現を学習する。
エネルギーベースの先例は、因数分解された仮定を超えるための原則化された方法を提供する。
本稿では,量子アニール法を用いてトレーニングしたBoltzmann-machineについて述べる。
論文 参考訳（メタデータ） (2026-04-01T13:59:40Z) - MeanFlow Transformers with Representation Autoencoders [71.45823902973349]
MeanFlow(MF)は、ノイズからデータへのジャンプを直接学習することで、効率的な数ステップ生成を可能にする拡散動機付き生成モデルである。
我々は、表現オートエンコーダ(RAE)の潜在空間におけるMFの効率的なトレーニングとサンプリング手法を開発する。
1ステップのFIDが2.03であり,バニラMFの3.43を上回っ,GFLOPSのサンプリングを38%削減し,ImageNet 256のトレーニングコストを83%削減した。
論文 参考訳（メタデータ） (2025-11-17T06:17:08Z) - Enhancing Hybrid Methods in Parameterized Quantum Circuit Optimization [0.0]
量子回路(PQC)は、雑音量子デバイスにおける変分量子アルゴリズム(VQA)の適用において重要な役割を果たす。
より堅牢でスケーラブルな2つの新しいハイブリッドアルゴリズムを導入します。
ノイズプロファイルの異なる NISQ デバイスに対して実現可能であることが判明した。
論文 参考訳（メタデータ） (2025-10-09T12:24:57Z) - High-Frequency Prior-Driven Adaptive Masking for Accelerating Image Super-Resolution [87.56382172827526]
高周波領域は再建に最も重要である。
本稿では,アクセラレーションのためのトレーニング不要適応マスキングモジュールを提案する。
本手法は,最先端モデルのFLOPを24～43%削減する。
論文 参考訳（メタデータ） (2025-05-11T13:18:03Z) - Federated Quantum Long Short-term Memory (FedQLSTM) [58.50321380769256]
量子フェデレーション学習(QFL)は、量子機械学習(QML)モデルを使用して、複数のクライアント間の協調学習を容易にする。
関数の近似に時間的データを利用するQFLフレームワークの開発に前向きな作業は行われていない。
量子長短期メモリ(QLSTM)モデルと時間データを統合する新しいQFLフレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-21T21:40:47Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Memory-Efficient Factorization Machines via Binarizing both Data and
Model Coefficients [9.692334398809457]
ファクトリゼーションマシン(FM)の限界を克服するサブスペースイミネーティングマシン(SEFM)が提案されている。
本稿では,モデルパラメータを2値に制約する2値化FM法を提案する。
提案手法はSEFMと同等の精度を達成できるが,メモリコストははるかに少ない。
論文 参考訳（メタデータ） (2021-08-17T03:30:52Z) - Mixed Variable Bayesian Optimization with Frequency Modulated Kernels [96.78099706164747]
異なる種類の変数間の依存性を柔軟にモデリングする周波数変調(FM)カーネルを提案する。
BO-FMは正規化進化(RE)およびBOHBを含む競争相手を上回ります。
論文 参考訳（メタデータ） (2021-02-25T11:28:46Z)
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。