論文の概要: PACE-QAOA: Physics-Constrained Quantum Optimization for Qubit-Efficient Power System Islanding
- arxiv url: http://arxiv.org/abs/2608.02789v1
- Date: Mon, 03 Aug 2026 18:42:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:22.918718
- Title: PACE-QAOA: Physics-Constrained Quantum Optimization for Qubit-Efficient Power System Islanding
- Title（参考訳）: PACE-QAOA:Qubit-Efficient Power System Islandingのための物理制約量子最適化
- Abstract要約: 制御された島は、すべての島で運用上の整合性を保ちながら、破壊された電力伝達を制限するために、ストレスのある電力ネットワークを分割する。
本稿では、限定量子ビット容量を克服する量子ビット効率のハイブリッド量子定式化を開発する。
量子ビット効率のラグランジアン戦略は、量子最適化と古典的な洗練とを組み合わせて、運用上の制約を強制する。
- 参考スコア（独自算出の注目度）: 10.677892416842944
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Controlled islanding partitions a stressed power network to limit disrupted power transfer while preserving operational integrity in every island. This NP-hard partitioning problem becomes increasingly demanding as networks grow, motivating quantum optimization as a complementary approach. However, limited qubit capacity restricts the scale at which conventional QAOA can address islanding. This paper develops a qubit-efficient hybrid quantum formulation that overcomes this barrier. A physics-informed compact encoding captures essential islanding decisions while exploiting grid structure, with formal guarantees preserving the feasible solution space and optimization objective. A qubit-efficient Lagrangian strategy combines quantum optimization with classical refinement to enforce operational constraints. Complexity analysis shows that for fixed island counts on sparse graphs, the formulation reduces phase-separator and per-layer gate complexity from quadratic to linear scaling. Evaluations on eight IEEE systems (9 to 89 buses) across multiple quantum backends produce feasible, high-quality solutions under practical circuit and sampling budgets. Factorial ablation attributes resource and runtime gains to the complementary effects of compact encoding and qubit-efficient Lagrangian constraint handling. Noise analysis demonstrates stable solution quality under device noise, and landscape diagnostics reveal smoother, more consistently scaled QAOA cost surfaces. These results provide a transferable pathway for scaling constrained quantum optimization toward larger real-world applications on near-term hardware.
- Abstract（参考訳）: 制御された島は、すべての島で運用上の整合性を保ちながら、破壊された電力伝達を制限するために、ストレスのある電力ネットワークを分割する。
このNPハード分割問題は、ネットワークが成長するにつれてますます需要が増し、相補的なアプローチとして量子最適化を動機付けている。
しかし、量子ビット容量の制限は、従来のQAOAが島に対処できる規模を制限する。
本稿では、この障壁を克服する量子ビット効率のハイブリッド量子定式化を開発する。
物理インフォームドコンパクトエンコーディングは、グリッド構造を利用して、本質的なアイランド決定をキャプチャし、実現可能な解空間と最適化の目的を形式的に保証する。
量子ビット効率のラグランジアン戦略は、量子最適化と古典的な洗練とを組み合わせて、運用上の制約を強制する。
複雑度解析により、スパークグラフ上の固定島数に対して、定式化は相分離器と層間ゲートの複雑さを2次から線形スケーリングに還元することを示した。
複数の量子バックエンドにまたがる8つのIEEEシステム(9から89バス)の評価は、実用的な回路とサンプリング予算の下で実現可能で高品質なソリューションを生み出す。
ファクショナルアブレーションは、コンパクトエンコーディングと量子ビット効率のよいラグランジアン制約処理の相補効果により、リソースとランタイムが向上する。
ノイズ解析はデバイスノイズ下での安定したソリューション品質を示し、ランドスケープ診断はよりスムーズで、より一貫したスケールのQAOAコストサーフェスを明らかにする。
これらの結果は、短期ハードウェア上のより大きな実世界のアプリケーションに向けて制約付き量子最適化をスケーリングするための転送可能な経路を提供する。
関連論文リスト
- SPLIT-Q: A Scalable Sequential Quantum Computing Framework for Coherent Controlled Islanding [10.677892416842944]
制御された島の境界は、妥協されたグリッドを接続された電気的に持続可能な島に分割することで伝播する。
古典的な手法では、ネットワークサイズと島数の増加に伴い、計算コストが急速に増加します。
本研究では,量子ビット結合型逐次分散量子近似最適化アルゴリズム(QAOA)を提案する。
論文 参考訳（メタデータ） (2026-08-13T01:47:54Z) - REGRID-QAOA: A Resource-Efficient Graph-Reduced Hybrid QAOA Framework for Physics-Constrained Power System Islanding [13.146748002139057]
本研究は、量子最適化ワークフローに物理制約のある電力系統分割をもたらす、資源効率の高いハイブリッドQAOAプランニングフレームワークを開発する。
提案手法は標準IEEEベンチマークシステム(9-, 14-, 24-, 30-, 39-, 57-bus)で検証される。
本研究は,QAOAをベースとしたアイランド化を,量子資源効率の鍵となる構造的ポストプロセッシングを含む,重要なインフラの量子的アプローチとして確立する。
論文 参考訳（メタデータ） (2026-06-13T03:30:50Z) - Hardware-Efficient Quantum Optimization for Transportation Networks via Compressed Adiabatic Evolution [1.409283414986451]
都市物流、車両のルーティング、インフラ計画といった交通システムは、複雑な制約の下で大規模な最適化問題を解く必要がある。
我々は,AQC(Approximate Quantum Compilation)を用いて,デジタル化されたアディベート進化の初期セグメントを浅部回路に圧縮するハードウェア基底型ハイブリッド量子最適化フレームワークを開発した。
その結果、中程度のプレフィックス圧縮は、特にルーティング問題に対して、実現可能な解を維持したり改善したりしながら、2ビットゲート深さを減少させることがわかった。
論文 参考訳（メタデータ） (2026-04-28T23:45:54Z) - EQE-QAOA: An Equivalence-Preserving Qubit Efficient Framework for Combinatorial Optimization [54.05451096499336]
既存の技術は情報損失のコストで量子ビットの削減に依存しており、計算性能は劣化している。
等価保存量子ビット効率QAOAを提案し、性能を劣化させることなく必要なキュービット数を著しく削減する。
完全独立変数を持つ非制約問題を除いて,大規模最適化問題に広く適用可能であることを示す。
論文 参考訳（メタデータ） (2026-04-20T13:57:49Z) - 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) - Tensor Network Assisted Distributed Variational Quantum Algorithm for Large Scale Combinatorial Optimization Problem [19.046113542182436]
組合せ最適化問題の解法として分散変分量子アルゴリズム(DVQA)を提案する。
DVQAの重要な革新は、複雑な長距離の絡み合いに頼ることなく、変数間の依存関係を保存するために、切り詰められた高階特異値分解を使用することである。
実験的に、DVQAはシミュレーションの最先端性能を達成し、ポートフォリオ最適化のためにWu Kong量子コンピュータで実験的に検証されている。
論文 参考訳（メタデータ） (2026-01-20T13:31:02Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Constraint-Aware Quantum Optimization via Hamming Weight Operators [1.1463843149836523]
厳密な線形制約を伴う制約付き最適化は、薬物発見、電力グリッド、物流、金融の応用を支えている。
ハミングウェイト作用素(ハミングウェイト作用素、Hamming Weight Operators)は、量子進化を、実現可能な部分空間内で厳密に定義する制約対応作用素のクラスである。
我々は,金融と高エネルギー物理学のベンチマークタスク,特にポートフォリオ最適化とエネルギーバランスを伴う2ジェットクラスタリングのアプローチを検証した。
論文 参考訳（メタデータ） (2026-01-04T12:58:04Z) - Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。
そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
論文 参考訳（メタデータ） (2024-05-01T20:49:50Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳（メタデータ） (2022-01-06T21:02:30Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z)
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。