論文の概要: The QuaST Decision Tree: Achieving Automation With Data-Based Recommendations

• arxiv url: http://arxiv.org/abs/2605.18539v1
• Date: Mon, 18 May 2026 15:21:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.906288
• Title: The QuaST Decision Tree: Achieving Automation With Data-Based Recommendations
• Title（参考訳）: QuaST決定木: データベースの推奨で自動化を実現する
• Authors: Benedikt Poggel, Lena Tokuhiro, Georg Kruse, Jeanette Miriam Lorenz,
• Abstract要約: 量子化アルゴリズムを開発するためのソフトウェアツールが成熟している。 エンドユーザーは、前処理、後処理、古典的および量子アルゴリズムの最良の組み合わせを選択するのを手助けする必要がある。 QuaST決定木は、モジュールネットワーク構造における個々の決定の組み合わせの複雑さを反映している。
• 参考スコア（独自算出の注目度）: 0.8749675983608171
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computers are increasingly powerful. Software tools for the development of quantum-enhanced algorithms are maturing. However, the software stack still lacks the connection to applications that would enable hybrid algorithms combining classical and quantum computing steps. End users need to be assisted in choosing the best combination of preprocessing, postprocessing, classical and quantum algorithms options. The application-facing software stack is therefore required to cover problem modeling, encoding, algorithm selection and hyperparameter tuning. A variety of tools exist for specific recommendations. The QuaST Decision Tree reflects the complexity in combining individual decisions in its modular network structure, consisting of flexible computation nodes with modular recommendations. It can easily be configured to serve in an industrial solver, an HPC software stack, or for rapid prototyping in development. The key ingredient, automation, is delivered by modules. We present one such module judging the feasibility of variational algorithms based on a robust scalability analysis and classification of problem instances. The automation improves the performance of end-to-end solutions, highlights the benefit to be gained from the hybrid quantum solution, reduces expensive trial-and-error testing, and leads to an improved utilization of quantum devices for a practical benefit.
• Abstract（参考訳）: 量子コンピュータはますます強力になっている。 量子化アルゴリズムを開発するためのソフトウェアツールが成熟している。 しかし、ソフトウェアスタックには、古典的および量子コンピューティングのステップを組み合わせたハイブリッドアルゴリズムを可能にするアプリケーションとの接続がまだ欠けている。 エンドユーザーは、前処理、後処理、古典的および量子アルゴリズムオプションの最良の組み合わせを選択するのを手助けする必要がある。 したがって、アプリケーション対応のソフトウェアスタックは、問題モデリング、エンコーディング、アルゴリズムの選択、ハイパーパラメータチューニングをカバーする必要がある。 特定のレコメンデーションのためのさまざまなツールがあります。 QuaST決定木は、柔軟な計算ノードとモジュラーレコメンデーションで構成されるモジュールネットワーク構造における個々の決定を組み合わせる複雑さを反映している。 インダストリアルソルバやHPCソフトウェアスタック、開発における迅速なプロトタイピングに簡単に対応できるように構成することができる。 重要な要素である自動化は、モジュールによって提供される。 本稿では,ロバストな拡張性解析と問題インスタンスの分類に基づいて,変分アルゴリズムの有効性を判断するモジュールを提案する。 自動化によってエンドツーエンドソリューションのパフォーマンスが向上し、ハイブリッド量子ソリューションから得られるメリットを強調し、高価な試行錯誤テストを減らすとともに、実用的なメリットのために量子デバイスの利用が向上する。

関連論文リスト

• A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
  分散量子最適化のための構造認識フレームワークを提案する。 検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。 構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-03-08T15:15:52Z)
• 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)
• Predict and Conquer: Navigating Algorithm Trade-offs with Quantum Design Automation [3.0189109720302207]
  所望の非機能要件に基づいてアルゴリズム選択を行う手法を提案する。 ソースコードレベルに基づいて、我々のフレームワークは量子古典アルゴリズムの重要な特徴をトレースする。 非機能的特性に対する様々な要因の影響を定量化する統計モデルを開発した。
  論文  参考訳（メタデータ） (2025-07-09T11:36:13Z)
• Creating Automated Quantum-Assisted Solutions for Optimization Problems [0.0]
  ソリューションパスを探索し、自動化し、評価できるフレームワークであるQuaST決定ツリーを提案する。 私たちのセットアップはモジュール化され、高度に構造化され、柔軟性があり、どんな準備や前処理、後処理のステップも含められます。
  論文  参考訳（メタデータ） (2024-09-30T16:59:14Z)
• Approximating under the Influence of Quantum Noise and Compute Power [3.0302054726041017]
  量子近似最適化アルゴリズム(QAOA)は、量子コンピュータのパワーと古典的な高性能コンピューティングアプライアンスを組み合わせて最適化することを目的とした多くのシナリオの中核である。 総合密度行列に基づくシミュレーションを用いて, 4種類のQAOA変異体の解の質と時間的挙動に影響を与える因子について検討した。 本研究の結果は, 包括的複製パッケージを伴い, 狭小かつ特異な影響を指摘できるQAOA変異体との違いが強く認められた。
  論文  参考訳（メタデータ） (2024-08-05T07:48:49Z)
• QPLEX: Realizing the Integration of Quantum Computing into Combinatorial Optimization Software [1.9109292348200242]
  組合せ最適化は、量子コンピュータの重要なターゲット領域の1つとして登場した。 量子リソースを利用するには、ユーザーは量子アルゴリズム、SDK、ライブラリのドメイン固有の知識を必要とする。 本稿では,古典的インタフェースによる量子資源のシームレス利用のためのツールを提案する。
  論文  参考訳（メタデータ） (2023-07-26T17:18:07Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• 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)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

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。