論文の概要: Optimality-Preserving Decomposition for Scalable QAOA in Natural-Language-Guided Multi-Drone Assignment

• arxiv url: http://arxiv.org/abs/2606.14252v1
• Date: Fri, 12 Jun 2026 08:31:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.831091
• Title: Optimality-Preserving Decomposition for Scalable QAOA in Natural-Language-Guided Multi-Drone Assignment
• Title（参考訳）: 自然界誘導型多次元アサインメントにおけるスケーラブルQAOAの最適保存分解
• Authors: Junyeop Bang, Byongho Lee, Dohyun An, Hwangnam Kim,
• Abstract要約: 我々は、微調整されたLarge Language Modelフロントエンドと高度にスケーラブルでドメイン固有の量子古典的バックエンドを統合するエンドツーエンドフレームワークを提案する。 本フレームワークは,新しい制約保存グラフパーティショナと圧縮セパレータベースの動的プログラミング(DP)マージを備える。 実証的な結果は、このアーキテクチャが古典的なスケーリング壁を回避し、理想化されたケースの100%と実際のQAOAサンプリングの96.3%でグローバルな最適性を回復していることを示している。
• 参考スコア（独自算出の注目度）: 1.189955933770711
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As multi-drone fleets scale, zone assignment rapidly evolves into an intractable NP-hard combinatorial problem that overwhelms classical exhaustive search. While quantum optimization promises to shatter these classical bottlenecks, mapping complex spatial tasks from human intent to restricted quantum hardware remains a severe challenge. To bridge this gap, we present an end-to-end framework integrating a fine-tuned Large Language Model (LLM) front-end with a highly scalable, domain-specific quantum-classical backend. The front-end utilizes Supervised Fine-Tuning (SFT) and Direct Preference Optimization (DPO) to translate free-form natural language instructions into structurally robust Quadratic Unconstrained Binary Optimization (QUBO) constraints without false negatives. To overcome the strict qubit limits of near-term quantum devices, our framework features a novel constraint-preserving graph partitioner and a compressed separator-based dynamic programming (DP) merge. By structurally encoding constraints via W-state initialization and XY-mixers in Conditional Value-at-Risk Quantum Approximate Optimization (CVaR-QAOA), the pipeline stays highly compact. Empirical results demonstrate that this architecture circumvents classical scaling walls, recovering the global optimum on 100% of idealized oracle cases and 96.3% under real QAOA sampling, enabling natural-language-guided task allocation at previously intractable scales.
• Abstract（参考訳）: マルチドローン艦隊が規模を拡大するにつれ、ゾーン割り当ては急速に進化し、古典的な網羅探索を圧倒する難解なNPハード組合せ問題へと発展する。 量子最適化は、これらの古典的なボトルネックを壊すことを約束するが、複雑な空間的タスクを人間の意図から制限された量子ハードウェアにマッピングすることは、依然として深刻な課題である。 このギャップを埋めるために、我々は、高度にスケーラブルでドメイン固有の量子古典的バックエンドに、微調整されたLarge Language Model(LLM)フロントエンドを統合するエンドツーエンドフレームワークを提示します。 フロントエンドでは、Supervised Fine-Tuning (SFT) と Direct Preference Optimization (DPO) を使用して、自由形式の自然言語命令を、偽陰性のない構造的に堅牢な準拘束的バイナリ最適化 (QUBO) の制約に変換する。 短期量子デバイスの厳密な量子ビット制限を克服するため,我々のフレームワークは,新しい制約保存グラフパーティショナと圧縮セパレータベースの動的プログラミング(DP)マージを備えている。 Conditional Value-at-Risk Quantum Approximate Optimization (CVaR-QAOA)において、W状態初期化とXY-mixerによる制約を構造的に符号化することにより、パイプラインは極めてコンパクトである。 実証的な結果は、このアーキテクチャが古典的なスケーリング壁を回避し、理想化されたオラクルケースの100%と実QAOAサンプリングの96.3%でグローバルな最適性を回復し、従来は難解なスケールでの自然言語誘導タスク割り当てを可能にしたことを示している。

関連論文リスト

• Improving Feasibility in Quantum Approximate Optimization Algorithm for Vehicle Routing via Constraint-Aware Initialization and Hybrid XY-X Mixing [2.204918347869259]
  車両ルーティング問題(VRP)は、物流と輸送における中核的な問題である。 従来のPauli-$X$mixerは、主要な局所的制約を満たす部分解構造を妨害することができる。 本稿では2つの相補的なコンポーネントを持つ制約対応QAOAフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-08T15:39:22Z)
• Optimizing Entanglement Distribution Protocols: Maximizing Classical Information in Quantum Networks [5.621690515150937]
  大規模量子ネットワークを実現する上で,効率的な絡み合い分布は基礎的な課題である。 本稿では,4つの重要な展開を導入することで,絡み合い分布問題に対処する。 まず、量子通信の第一の応用がプライベート情報の伝達であることを認識し、エンサンブル容量(EC)を導出する。
  論文  参考訳（メタデータ） (2026-03-26T12:08:13Z)
• PT$^2$-LLM: Post-Training Ternarization for Large Language Models [52.4629647715623]
  大きな言語モデル(LLM)は、様々なタスクにまたがる印象的な機能を示しているが、その大きなメモリと計算能力は、デプロイメントを妨げている。 PT$2$-LLMを提案する。 その中核は2段精製パイプラインを備えた非対称3次量子化器である。
  論文  参考訳（メタデータ） (2025-09-27T03:01:48Z)
• LLM-QUBO: An End-to-End Framework for Automated QUBO Transformation from Natural Language Problem Descriptions [1.1979851857700952]
  本稿では,ソリューションパイプラインの定式化を自動化するエンドツーエンドフレームワークを提案する。 私たちの主な貢献は、古典的なAIと量子コンピューティングを橋渡しするシナジスティックコンピューティングパラダイムです。
  論文  参考訳（メタデータ） (2025-08-27T16:55:57Z)
• MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation [74.34220141721231]
  我々は,textbfMixed textbfPrecision textbfQuantizationフレームワークを改良したMPQ-DMv2を提案する。
  論文  参考訳（メタデータ） (2025-07-06T08:16:50Z)
• One for All: Universal Quantum Conic Programming Framework for Hard-Constrained Combinatorial Optimization Problems [0.0]
  NP完全制約最適化問題を解くための統一量子古典的枠組みを提案する。 QCPのパラメータ化アンサッツクラスは、生成したサブコーン内の最適値を常にキャプチャすることを示す。
  論文  参考訳（メタデータ） (2024-11-01T08:00:30Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Efficient Methods for Structured Nonconvex-Nonconcave Min-Max Optimization [98.0595480384208]
  定常点に収束する一般化外空間を提案する。 このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
  論文  参考訳（メタデータ） (2020-10-31T21:35:42Z)

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。