Fugu-MT 論文翻訳(概要): Conditions for Quantum Advantage in AC Power Flow

論文の概要: Conditions for Quantum Advantage in AC Power Flow

arxiv url: http://arxiv.org/abs/2608.06711v1
Date: Fri, 07 Aug 2026 02:09:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-10 16:21:25.32839
Title: Conditions for Quantum Advantage in AC Power Flow
Title（参考訳）: 交流潮流における量子アドバンテージの条件
Abstract要約: 本稿では,交流電力流(ACPF)問題の解法において,量子コンピューティング(QC)アルゴリズムの要件を文脈化して量子優位性を実現することを目的とする。まず,従来のNewton-Raphson Load Flow (NRLF)アルゴリズムに対する利点を示すために,QC反復解法のためのベンチマークを構築した。我々は、GateベースのQCアルゴリズムの終端実行時複雑性のベースライン式を$(N /varepsilon),$ Reflecting dependencies on system size $N$, condition number $$, and error tolerance $varepsilon$として導き出す。
参考スコア（独自算出の注目度）: 1.0032961794537367
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper aims to contextualize the requirements for Quantum Computing (QC) algorithms to achieve a quantum advantage in solving the alternating current power flow (ACPF) problem, with a focus on runtime complexity. First, we establish a benchmark for a QC iterative solver to demonstrate an advantage over the classical Newton-Raphson Load Flow (NRLF) algorithm. Next, we derive a baseline expression for the end-to-end runtime complexity of any Gate-based QC algorithm as $Ω(N κ/\varepsilon),$ reflecting dependence on system size $N$, condition number $κ$, and error tolerance $\varepsilon$. Finally, we highlight key areas where QC algorithms may offer potential benefits over NRLF in addressing the standard ACPF problem.
Abstract（参考訳）: 本稿では,交流電力流(ACPF)問題を解決する上で,量子コンピューティング(QC)アルゴリズムの要件を文脈化して量子優位性を実現することを目的とする。まず,従来のNewton-Raphson Load Flow (NRLF)アルゴリズムに対する利点を示すために,QC反復解法のためのベンチマークを構築した。次に、任意のゲートベースのQCアルゴリズムの終端実行時複雑性に対するベースライン式を$Ω(N κ/\varepsilon),$ Reflecting dependency on system size $N$, condition number $κ$, and error tolerance $\varepsilon$とする。最後に、QCアルゴリズムが標準ACPF問題に対処する上で、NRLFよりも潜在的に有利な分野を取り上げる。

関連論文リスト

Communication-Efficient Quantum Federated Learning over Large-Scale Wireless Networks [21.963665862623245]
量子学習(QFL)は、コンピューティングの堅牢なデータ処理とプライバシ保護フェデレーション学習(FL)を組み合わせる。大規模無線ネットワークでは、QFLの真の可能性を解き放つために、和中心の最適化が不可欠である。本論文は,非orthoortho access (NOMA) ネットワーク用に特別に設計されている。
論文参考訳（メタデータ） (2026-03-01T18:41:15Z)
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)
Performance Comparison of Gate-Based and Adiabatic Quantum Computing for Power Flow Analysis [1.2599533416395765]
本稿では,ゲートベース量子コンピューティング (GQC) と断熱量子コンピューティング (AQC) との直接比較を行い,交流電力流 (PF) 方程式の解法について述べる。その結果、PF分析のためのGQCとAQCのパラダイムのパフォーマンストレードオフ、スケーラビリティ、実用性に関する定量的洞察が得られる。
論文参考訳（メタデータ） (2025-10-15T10:19:49Z)
RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文参考訳（メタデータ） (2025-06-04T08:30:35Z)
Accelerating Quantum Reinforcement Learning with a Quantum Natural Policy Gradient Based Approach [36.05085942729295]
本稿では、古典的なNPG推定器で使用されるランダムサンプリングを決定論的勾配推定手法で置き換える量子自然ポリシー勾配(QNPG)アルゴリズムを提案する。提案したQNPGアルゴリズムは、量子オラクルへのクエリに対する$tildemathcalO(epsilon-1.5)$のサンプル複雑性を達成し、マルコフ決定プロセス(MDP)へのクエリに対する$tildemathcalO(epsilon-2)$の古典的な下界を大幅に改善する。
論文参考訳（メタデータ） (2025-01-27T17:38:30Z)
Quantum signal processing without angle finding [0.0]
量子信号処理(QSP)は、量子アルゴリズムにおける統一計算として登場した。計算集約的な角度決定ステップをバイパスする新しいQSP手法を提案する。量子コンピューティングにおけるQSPの適用性を大幅に拡大する。
論文参考訳（メタデータ） (2025-01-13T01:35:56Z)
Limitations of Fault-Tolerant Quantum Linear System Solvers for Quantum Power Flow [1.0032961794537367]
量子コンピュータは、古典的コンピュータにとって難解な問題を解くことを約束する。現実的な量子優位性は、そのような問題を解くためにエンドツーエンドの時間が量子アルゴリズムで要求される時間を超える場合、そのような問題に対して存在すると言える。 QPFアルゴリズムの使用によるスピードアップは、最先端のアルゴリズムによって解決された古典的なPFと比較して指数関数であるとしばしば主張される。
論文参考訳（メタデータ） (2024-02-13T17:36:18Z)
QCQP-Net: Reliably Learning Feasible Alternating Current Optimal Power Flow Solutions Under Constraints [4.1920378271058425]
本稿では,ACOPFネットワークに計算効率よく入力をマッピングする新しい計算学習ACOPFを提案する。提案手法は,既存のアプローチが失敗する状況において,優れた実現可能性率とコストを達成できることをシミュレーションにより示す。
論文参考訳（メタデータ） (2024-01-11T20:17:44Z)
Generalized Quantum Signal Processing [0.6768558752130311]
本稿では、一般的なSU(2)回転を信号処理演算子として用いた一般化量子信号処理手法を提案する。我々のアプローチは、達成可能な変換の族に対するすべての実用的な制限を持ち上げ、残りの唯一の条件は、$|P|leq 1$である。 P$しか知られていない場合、我々は1分以内で識別できる効率的なGPU最適化を提供し、それに対応する$Q$は107$である。
論文参考訳（メタデータ） (2023-08-03T01:51:52Z)
Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文参考訳（メタデータ） (2023-04-18T11:57:15Z)
Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
論文参考訳（メタデータ） (2022-11-18T20:31:10Z)
Towards Super-polynomial Quantum Speedup of Equivariant Quantum Algorithms with SU($d$) Symmetry [12.724648200604134]
本稿では,多数の機械学習タスクに適した等価畳み込み量子アルゴリズムの枠組みを提案する。これにより、置換量子コンピューティング(PQC)という量子計算の自然なモデルを強化し、より強力なモデル、PQC+を定義することができます。
論文参考訳（メタデータ） (2022-07-15T01:41:53Z)
Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits [15.279642278652654]
浅いQAOA回路の量子ビット数と線形にスケールするグラフ分解に基づく古典的アルゴリズムを提案する。我々の結果は、QAOAによる量子アドバンテージの探索だけでなく、NISQプロセッサのベンチマークにも有用である。
論文参考訳（メタデータ） (2021-12-21T12:41:31Z)
Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文参考訳（メタデータ） (2021-05-06T17:59:38Z)

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。