論文の概要: Comparing Qubit and Qudit Encodings for EV Charging and Trip Assignment Problems

• arxiv url: http://arxiv.org/abs/2605.10255v1
• Date: Mon, 11 May 2026 09:23:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.689212
• Title: Comparing Qubit and Qudit Encodings for EV Charging and Trip Assignment Problems
• Title（参考訳）: EV充電およびトリプ割り当て問題に対するQubitおよびQudit符号化の比較
• Authors: Linus Ekstrøm, Hao Wang, Sebastian Schmitt,
• Abstract要約: 本研究では,符号化の選択が,変分量子最適化アルゴリズムの資源要求と最適化挙動に与える影響について検討する。 従来の二進法(qubit)トリップエンコーディングと、代入をより直接的に表現する整数(qudit)エンコーディングを比較した。 顧客旅行のquditエンコーディングは、リソース要求を大幅に削減し、シミュレーションランタイムを短くすることで、類似またはより良い最適化性能を実現する。
• 参考スコア（独自算出の注目度）: 3.56904699288587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum algorithms have attracted attention for their potential to solve combinatorial optimization problems. We study how the choice of encoding affects the resource requirements and optimization behavior of a variational quantum optimization algorithm. In order to quantify these effects, realistically inspired constrained electric vehicle (EV) fleet management problems were considered. These problems couple determining the optimal EV battery charging schedule with assigning EVs to trips requested by customers. We compare a conventional binary (qubit) trip encoding with an integer (qudit) encoding that represents assignments more directly. Both encodings guarantee the same feasible solution set, while the qudit encoding exponentially reduces the required Hilbert-space dimension. We solve many random instances of highly constrained uni- and bi-directional charging problems using qudit-based quantum approximate optimization algorithm (QAOA) and thoroughly evaluate the performance results. We find that the qudit encoding of customer trips achieves similar or better optimization performance at much reduced resource requirements and shorter simulation runtime. These results highlight qudit-native encodings as a practical route for integer and multi-valued scheduling problems in variational quantum optimization.
• Abstract（参考訳）: 変分量子アルゴリズムは組合せ最適化問題を解く可能性に注目されている。 本研究では,符号化の選択が,変分量子最適化アルゴリズムの資源要求と最適化挙動に与える影響について検討する。 これらの効果を定量化するために、現実的にインスパイアされた制約付き電気自動車(EV)の車両管理問題を検討した。 これらの問題は、顧客から要求された旅行にEVを割り当てることによって、最適なEVバッテリ充電スケジュールを決定することである。 従来の二進法(qubit)トリップエンコーディングと、代入をより直接的に表現する整数(qudit)エンコーディングを比較した。 両方のエンコーディングは同じ実現可能な解集合を保証し、一方、クーディエンコーディングはヒルベルト空間次元を指数関数的に減少させる。 量子近似最適化アルゴリズム (QAOA) を用いて, 高度に制約された一方向および二方向の帯電問題のランダム・インスタンスを多数解決し, 性能評価を行った。 顧客旅行のquditエンコーディングは、リソース要求を大幅に削減し、シミュレーションランタイムを短くすることで、類似またはより良い最適化性能を実現する。 これらの結果は、変分量子最適化における整数および多値スケジューリング問題の実用的な経路として、qudit-nativeエンコーディングを強調している。

関連論文リスト

• Direct phase encoding in QAOA: Describing combinatorial optimization problems through binary decision variables [0.7015624626359264]
  トラベリングパーソン販売問題(TSP)の例を用いて、最適化問題に対するより量子効率の高い回路構成を示す。 特定の冗長性を取り除いた場合、上記の従来の符号化に比べて、必要量子ビットの数は線形因子によって減少することができる。 実験の結果, 提案した符号化法と同等に精度が向上する一方, 必要な古典的反復回数はわずかに増加することがわかった。
  論文  参考訳（メタデータ） (2024-12-10T12:12:34Z)
• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Qubit efficient quantum algorithms for the vehicle routing problem on NISQ processors [48.68474702382697]
  時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。 そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
  論文  参考訳（メタデータ） (2023-06-14T13:44:35Z)
• Prog-QAOA: Framework for resource-efficient quantum optimization through classical programs [0.0]
  現在の量子最適化アルゴリズムでは、元の問題を二進最適化問題として表現し、量子デバイスに適した等価コストハミルトニアンに変換する必要がある。 目的関数を計算し、制約を認証するための古典的プログラムを設計し、後に量子回路にコンパイルする。 我々は、このアイデアをトラベリングセールスマン問題やMax-K$-Cutといった最適化タスクに活用し、関連するすべてのコスト対策に関して最適に近い回路を得る。
  論文  参考訳（メタデータ） (2022-09-07T18:01:01Z)
• Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
  マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。 その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
  論文  参考訳（メタデータ） (2021-06-24T20:16:02Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• 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)

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。