論文の概要: Revisiting the Quantum-Guided Cluster Algorithm: Improvements and Numerical Experiments
- arxiv url: http://arxiv.org/abs/2606.01826v1
- Date: Mon, 01 Jun 2026 07:41:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:31.571577
- Title: Revisiting the Quantum-Guided Cluster Algorithm: Improvements and Numerical Experiments
- Title（参考訳）: 量子ガイドクラスタアルゴリズムの再検討:改善と数値実験
- Authors: Peter J. Eder, Sarah Braun,
- Abstract要約: 我々は,Max-Cut問題を解くための相関誘導クラスタアルゴリズムについて検討した。
我々は,Next-nearest-neighbor (NNN)情報を組み込むことで,クラスタ構築を拡張した。
相関型マルコフ連鎖モンテカルロアルゴリズムへの拡張についても概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study correlation-guided cluster algorithms for solving the Max-Cut problem that iteratively try to improve solutions by updating clusters of nodes. Building on the recently proposed quantum-guided cluster algorithm (QGCA) [arXiv:2508.10656], which leverages precomputed two-point correlations to guide collective updates, we extend the cluster construction by incorporating next-nearest-neighbor (NNN) information. We evaluate this extension across different correlation sources on random regular graphs and non-degenerate tile-planted instances. Notably, we observe particularly strong performance on non-degenerate instances and provide a scaling analysis for this class. Finally, we outline an extension toward a correlation-guided Markov-chain Monte Carlo algorithm, whose detailed analysis remains an open direction for future work.
- Abstract（参考訳）: 我々は,ノードのクラスタを更新することで,反復的に解決しようとするMax-Cut問題を解くための相関誘導クラスタアルゴリズムについて検討した。
最近提案された量子誘導クラスタアルゴリズム (QGCA) [arXiv:2508.10656] に基づいて, 事前計算された2点相関を利用して集団更新を誘導する。
この拡張は、ランダムな正則グラフと非退化タイル植込みインスタンス上で異なる相関源間で評価する。
特に、非退化インスタンスで特に強い性能を観察し、このクラスに対するスケーリング分析を提供する。
最後に,マルコフ連鎖モンテカルロアルゴリズムへの拡張について概説する。
関連論文リスト
- Quantum-Assisted Correlation Clustering [3.8448698053186843]
この研究は、グラフベースの教師なし学習タスクである相関クラスタリングのためのハイブリッド量子古典的手法を導入する。
我々は、もともと連立構造生成のために設計された量子支援型解法GCS-Qを適用し、署名付きグラフにおけるクラスタ内合意を最大化する。
合成符号グラフと実世界のハイパースペクトル画像データに関する実証的な評価は、相関クラスタリングに適応すると、GCS-Qはロバスト性およびクラスタリング品質において古典的アルゴリズムより優れていることを示す。
論文 参考訳（メタデータ） (2025-09-03T12:14:35Z) - Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。
提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。
フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
論文 参考訳（メタデータ） (2023-08-13T18:12:28Z) - Revisiting Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [85.51611950757643]
IAC (Instance-Adaptive Clustering, インスタンス適応クラスタリング) を提案する。
IACは$ MathcalO(n, textpolylog(n) $の計算複雑性を維持しており、大規模問題に対してスケーラブルで実用的なものである。
論文 参考訳（メタデータ） (2023-06-18T08:46:06Z) - Progressive Sub-Graph Clustering Algorithm for Semi-Supervised Domain
Adaptation Speaker Verification [17.284276598514502]
マルチモデル投票と二重ガウスに基づく評価に基づく新しいプログレッシブサブグラフクラスタリングアルゴリズムを提案する。
破滅的なクラスタリング結果を防止するため、段階的にkを増大させ、二重ガウスに基づく評価アルゴリズムを用いる反復的手法を採用する。
論文 参考訳（メタデータ） (2023-05-22T04:26:18Z) - Gradient Based Clustering [72.15857783681658]
本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。
アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
論文 参考訳（メタデータ） (2022-02-01T19:31:15Z) - Quantum Motif Clustering [0.0]
モチーフクラスタリング(モチーフクラスタリング)と呼ばれる高次パターンに基づいて,グラフをクラスタリングするための3つの量子アルゴリズムを提案する。
一つはGroverサーチの簡単な応用で、もうひとつは量子近似計数を使い、もうひとつは様々な設定で、最も高速な古典的アルゴリズムよりも、平方根のようなスピードアップが得られる。
論文 参考訳（メタデータ） (2021-11-25T19:00:01Z) - A Modular Framework for Centrality and Clustering in Complex Networks [0.6423239719448168]
本稿では,集中度とクラスタリングという2つの重要なネットワーク解析手法について検討する。
クラスタリングには情報フローベースのモデルが採用されている。
我々のクラスタリングは、エッジウェイトとノードの度合いの異なる解釈と相互作用と同様に、エッジ指向性に対応する柔軟性を自然に継承する。
論文 参考訳（メタデータ） (2021-11-23T03:01:29Z) - Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。
本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
論文 参考訳（メタデータ） (2021-08-10T14:46:17Z)
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。