論文の概要: Nested-Loop Trajectory-Informed Variational Quantum Solver for Interior-Point OPF

• arxiv url: http://arxiv.org/abs/2607.03361v1
• Date: Fri, 03 Jul 2026 14:17:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.598388
• Title: Nested-Loop Trajectory-Informed Variational Quantum Solver for Interior-Point OPF
• Title（参考訳）: 内点OPFのためのNested-Loop Trajectory-Informed Variational Quantum Solver
• Abstract要約: 本稿では、最適電力流のための2レベルトレーニング可能な量子IPMフレームワークを提案する。 単点予測に頼るのではなく、早期ソルバ生成軌道を使用する。 従来のIPM参照に近いOPF客観的値を維持しながら、変更の回数を最大95%まで削減する。
• 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: Optimal power flow (OPF) solved by an interior-point method (IPM) requires repeatedly solving Newton linear systems. When variational quantum linear solvers (VQLS) are used, each IPM iteration involves an additional nested inner variational optimization loop, which can significantly slow the overall quantum-assisted IPM convergence. To address this challenge, this paper proposes a dual-level trainable quantum IPM framework for OPF that leverages early solver-generated trajectories rather than relying on single-point prediction. The key observation is that early IPM iterates provide informative primal-dual, slack, and barrier-variable evolution about the path to optimality, while early VQLS parameter updates provide useful information about the later variational search. At the quantum-solver level, a trainable parameter model uses a short prefix of the VQLS parameter trajectory to project the remaining variational search toward a lower-cost region. At the OPF-solver level, a second trainable model uses early primal-dual IPM iterates to project a later central path state, which is restored to an admissible point before IPM refinement continues. Simulation studies show that the proposed approach reduces the number of variational updates by up to $95\%$ while maintaining OPF objective values close to the classical IPM reference. A 2-bus demonstration on real quantum hardware is also included to validate the implementation of the proposed workflow.
• Abstract（参考訳）: 内部点法(IPM)によって解かれた最適電力流(OPF)はニュートン線形系を何度も解く必要がある。 変分量子線形解法 (VQLS) を用いる場合、各 IPM 反復は入れ子付き内部変分最適化ループを含むため、全体としての IPM の収束を著しく遅くすることができる。 この課題に対処するために, 単点予測に頼るのではなく, 早期解法生成軌道を利用するOPF用2レベルトレーニング可能な量子IPMフレームワークを提案する。 重要な観察は、初期のIPM反復は、最適への経路に関する情報的原始双対、スラック、バリア可変の進化をもたらし、一方初期のVQLSパラメータの更新は、後続の変分探索に関する有用な情報を提供することである。 量子ソルバレベルでは、トレーニング可能なパラメータモデルは、VQLSパラメータ軌跡の短いプレフィックスを使用して、残りの変動探索を低コスト領域に向けて投影する。 OPF-ソルバレベルでは、第2のトレーニング可能なモデルでは、初期原始二元IPM繰り返しを使用して、後の中央の経路状態を投影し、IPMの精製が継続される前に許容点に復元する。 シミュレーション研究により,提案手法は従来のIPM基準に近いOPF目標値を維持しつつ,変動更新回数を最大9,5 %まで削減することを示した。 提案したワークフローの実装を検証するために、実際の量子ハードウェア上での2バスデモも含んでいる。

関連論文リスト

• Stochastic Pauli-path simulator for large-scale quantum optimization [57.179828941706006]
  パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。 既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。 本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
  論文  参考訳（メタデータ） (2026-07-20T10:43:44Z)
• Solving Optimal Power Flow using a Variational Quantum Approach [11.546538067103256]
  最適電力フロー (OPF) は、電力系統の運転の中心となる大規模最適化問題である。 OPFを解くための変分量子パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-08-30T03:47:52Z)
• Shot-Efficient ADAPT-VQE via Reused Pauli Measurements and Variance-Based Shot Allocation [0.0]
  ADAPT-VQEにおけるショット要求を減らすための2つの統合戦略を提案する。 まず,次のADAPT-VQEイテレーションの演算子選択ステップにおいて,VQEパラメータ最適化時に得られるパウリ測定結果を再利用する。 第2に、分散に基づくショットアロケーションをハミルトンおよび演算子勾配測定の両方に適用する。
  論文  参考訳（メタデータ） (2025-07-22T12:34:49Z)
• FIMA-Q: Post-Training Quantization for Vision Transformers by Fisher Information Matrix Approximation [55.12070409045766]
  ポストトレーニング量子化(PTQ)は近年,費用対効果と有望なモデル圧縮パラダイムとして注目されている。 ビジョン変換器(ViT)の現在のPTQ法は、特に低ビット量子化において、精度が著しく低下している。
  論文  参考訳（メタデータ） (2025-06-13T07:57:38Z)
• Quantum Optimization for Optimal Power Flow: CVQLS-Augmented Interior Point Method [0.0]
  本稿では、最適電力フロー(OPF)の量子化最適化手法を提案する。 我々は、内部点法(IPM)とコヒーレント変分量子線形解法(CVQLS)を統合する。 我々は、信頼性の高いOPFソリューションを提供することの有効性を示すために、複数のシステムに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2024-12-18T17:43:51Z)
• Application of Langevin Dynamics to Advance the Quantum Natural Gradient Optimization Algorithm [43.21662368414268]
  近年,変分量子回路の最適化のためのQNGアルゴリズムが提案されている。 モメンタムQNGは、変動パラメータ空間における局所的なミニマとプラトーを逃れるのにより効果的である。 強スピンガラス系におけるシェリントン・カークパトリックモデルにおいて、最良の結果が得られる。
  論文  参考訳（メタデータ） (2024-09-03T15:21:16Z)
• AffineQuant: Affine Transformation Quantization for Large Language Models [58.45460102764]
  ポストトレーニング量子化(PTQ)は、その圧縮効率とトレーニングの文脈における費用対効果により、かなりの関心を集めている。 既存の大規模言語モデル(LLM)のPTQ手法は、事前量子化重みと後量子化重みの間の変換のスケーリングに最適化範囲を制限している。 本稿では,PTQ(AffineQuant)における等価アフィン変換を用いた直接最適化を提唱する。
  論文  参考訳（メタデータ） (2024-03-19T08:40:21Z)
• 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)
• Exploring the neighborhood of 1-layer QAOA with Instantaneous Quantum Polynomial circuits [0.0]
  我々は1層QAOA回路をパラメータ化即時量子多項式回路のより大きなクラスに埋め込む。 最適パラメータを求めるために解析式を用いることで、我々のプロトコルはバレンプラトーやハードウェアノイズに対して堅牢である。 我々のプロトコルは、最近リリースされたQuantinuum H2トラップイオン量子ハードウェアとエミュレータの1層QAOAよりも優れている。
  論文  参考訳（メタデータ） (2022-10-11T15:16:44Z)
• LAWS: Look Around and Warm-Start Natural Gradient Descent for Quantum Neural Networks [11.844238544360149]
  Vari Quantum Algorithm (VQA) は、ノイズ中間スケール量子コンピュータ (NISQ) における有望な性能のために最近注目されている。 パラメータ化量子回路(PQC)上でランダムなパラメータを持つVQAは、勾配が量子ビット数で指数関数的に消えるバレンプラトー(BP)によって特徴づけられる。 本稿では、古典的な1次最適化点から、VQAでよく使われるアルゴリズムの1つである量子自然勾配(QNG)について述べる。 そして、私たちはアンダーラインAroundアンダーラインを提案しました。
  論文  参考訳（メタデータ） (2022-05-05T14:16:40Z)
• On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
  本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。 閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。 開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
  論文  参考訳（メタデータ） (2022-05-05T09:08:03Z)
• FLIP: A flexible initializer for arbitrarily-sized parametrized quantum circuits [105.54048699217668]
  任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。 FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。 本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
  論文  参考訳（メタデータ） (2021-03-15T17:38:33Z)
• Quantum annealing initialization of the quantum approximate optimization algorithm [0.0]
  量子近似最適化アルゴリズム(QAOA)は、近い将来の量子アルゴリズムである。 QAOAで必要とされる外部パラメータの最適化は、パフォーマンスのボトルネックになる可能性がある。 本研究では、ランダムグラフ上のMaxCut問題に適用されたQAOAの最適化景観を可視化する。
  論文  参考訳（メタデータ） (2021-01-14T17:45:13Z)

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。