論文の概要: Data-driven multi-objective optimization for alloy recycling using factorization machines and quantum annealing

• arxiv url: http://arxiv.org/abs/2607.03208v2
• Date: Wed, 08 Jul 2026 06:28:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 12:30:34.664578
• Title: Data-driven multi-objective optimization for alloy recycling using factorization machines and quantum annealing
• Title（参考訳）: 分解機と量子アニールを用いた合金リサイクルのためのデータ駆動多目的最適化
• Authors: Thomas Plehn, Katrin Bugelnig, Silvana Tumminello, Daniel Barragan-Yani, David Melching,
• Abstract要約: 本稿では,FM+QA(Integrated factorization-machine and quantum-annealing)方式の体系的評価を行う。 FM+QAは、複数の競合する目的を持つデータ駆動型材料発見問題の適用性を高める。 量子アンニールに基づく将来の戦略が現実的に有益になる可能性のある問題サイズについて、批判的な視点を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum annealing has the potential to provide practical quantum advantage for complex optimization tasks. Here, we present a systematic assessment of an integrated factorization-machine and quantum-annealing workflow (FM+QA) for a technologically relevant application: multi-objective Pareto optimization in metal up-cycling through alloy design. To address the non-convex nature of the Pareto front, we employ the recently proposed data-driven Tchebycheff scalarization (DDTS) scheme. Our results show that FM+QA extends the applicability of QUBO-based optimization to data-driven materials discovery problems with multiple competing objectives. In particular, we analyze the scaling behavior of the approach and compare quantum annealing with classical simulated annealing using both regular binary encoding and one-hot encoding. Finally, we provide a critical perspective on the problem sizes and encoding strategies for which quantum-annealing-based optimization may become practically beneficial in the near future.
• Abstract（参考訳）: 量子アニールは、複雑な最適化タスクに実用的な量子優位性を提供する可能性がある。 本稿では, 合金設計による金属アップサイクルにおける多目的パレート最適化 (多目的パレート最適化) について, FM+QA (Integrated factorization-machine and quantum-annealing workflow) の体系的評価を行う。 パレートフロントの非凸性に対処するために、最近提案されたデータ駆動型Tchebycheff scalarization(DDTS)方式を用いる。 その結果、FM+QAは、複数の競合対象を持つデータ駆動材料発見問題に対するQUBOに基づく最適化の適用性を拡張した。 特に,本手法のスケーリング挙動を解析し,量子アニール法と古典的シミュレートされたアニール法を比較した。 最後に、近い将来、量子アニーリングに基づく最適化が実用的に有用になる可能性のある問題サイズと符号化戦略について、批判的な視点を提供する。

関連論文リスト

• Optimization-based Unfolding in High-Energy Physics [0.0]
  高エネルギー物理学において、展開とは検出器が歪んだ測定から物理観測物の真の分布を再構築する過程である。 我々は古典的手法と量子互換手法の両方を用いてこの問題に対処する枠組みを開発する。
  論文  参考訳（メタデータ） (2026-02-26T09:11:34Z)
• Transfer-Based Strategies for Multi-Target Quantum Optimization [0.8481798330936976]
  マルチターゲット量子最適化の課題に対処する。 目的は、同じ量子探索空間上で定義された複数のコスト関数を同時に最適化することである。 本稿では,関連するタスク間の知識伝達を可能にする戦略について検討する。
  論文  参考訳（メタデータ） (2025-08-16T05:24:16Z)
• Quantum Annealing Hyperparameter Analysis for Optimal Sensor Placement in Production Environments [39.58317527488534]
  ハードウェアが成熟すると、量子コンピューティングがコスト効率、大規模最適化問題にどのように貢献するかを示す。 我々はこの問題を1ホットとバイナリエンコーディングによる2次非制約バイナリ最適化の定式化に変換する。 以上の結果から,量子アニールは実世界のシナリオから派生したインスタンスを解くことができることが示された。
  論文  参考訳（メタデータ） (2025-07-22T13:35:51Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Multi-disk clutch optimization using quantum annealing [34.82692226532414]
  クラッチ製造における実用上の重要な課題を解くために,新しい量子アルゴリズムを開発した。 量子最適化が製造業における実際の産業応用においてどのように役割を果たせるかを示す。
  論文  参考訳（メタデータ） (2022-08-11T16:34:51Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)

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。