Fugu-MT 論文翻訳(概要): A Resource-Efficient Quantum Framework for Graph Coloring and Chromatic Number Estimation

論文の概要: A Resource-Efficient Quantum Framework for Graph Coloring and Chromatic Number Estimation

arxiv url: http://arxiv.org/abs/2608.08694v1
Date: Sun, 09 Aug 2026 13:15:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-11 19:16:36.918101
Title: A Resource-Efficient Quantum Framework for Graph Coloring and Chromatic Number Estimation
Title（参考訳）: グラフカラー化と色数推定のための資源効率の良い量子フレームワーク
Abstract要約: 量子符号化では、色数で対数的にスケールし、頂点で線形にスケールする量子ビットを必要とする。制約付きトラックの負荷問題を解くことにより,ロバスト性を実証する。
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: Many industrial optimization tasks can be modeled as graph coloring, where adjacent vertices must have different colors. This NP-hard problem is challenging for large graphs. We present a quantum encoding requiring qubits that scale logarithmically with the number of colors and linearly with vertices. Using adiabatic evolution with a novel mixer Hamiltonian and vertex terms, we compute the chromatic number and demonstrate robustness by solving constrained truck loading problems.
Abstract（参考訳）: 多くの産業最適化タスクはグラフカラー化としてモデル化でき、隣接する頂点は異なる色でなければならない。このNPハード問題は大きなグラフでは困難である。量子符号化では、色数で対数的にスケールし、頂点で線形にスケールする量子ビットを必要とする。新しいミキサーハミルトンと頂点の項による断熱的進化を用いて、色数を計算するとともに、制約されたトラックの積み込み問題を解くことでロバスト性を示す。

関連論文リスト

DiPhon: Diffusion on Graphons for Scalable Graph Generation [100.75398811422308]
拡散モデルはグラフ生成の主要なパラダイムであり、分子設計のような領域に顕著な影響を与えている。有限グラフ上のこれらのダイナミクスを模倣する離散化グラフレベルプロセスであるDiPhonを提案する。我々は、DiPhonが連続グラノン過程によって引き起こされる限界分布の第一モーメントと正確に一致することを証明し、第二モーメントを閉形式差まで近似する。
論文参考訳（メタデータ） (2026-07-08T10:15:17Z)
BBQ-mIS: a parallel quantum algorithm for graph coloring problems [0.11242503819703255]
本稿では,Rydberg 原子量子マシン上でのグラフカラー化問題を解くために,BBQ-mIS というハイブリッド量子古典アルゴリズムを提案する。我々は、実量子ハードウェアをIBM Power9ベースのクラスタにエミュレートし、32コア/ノードと256GB/ノードを持ち、MBI強化ライブラリを利用してBBQ-mISアルゴリズムの並列性を実装した。
論文参考訳（メタデータ） (2026-05-05T08:59:53Z)
Efficient hybrid variational quantum algorithm for solving graph coloring problem [4.4739537033766705]
本稿では,グラフ頂点の$k$-coloring問題を解くために,ハイブリッド変分量子アルゴリズムを提案する。フィードバック修正とコンフリクト解決を統合した階層的なフレームワークを使用して、$k$-coloringを実現しています。提案手法を用いて、地下鉄の交通ネットワークのスケジューリングを最適化し、高い公平性を実証する。
論文参考訳（メタデータ） (2025-04-30T05:45:15Z)
Graph Coloring via Quantum Optimization on a Rydberg-Qudit Atom Array [0.0]
本稿では,ネイティブ組込みグラフ着色問題の解法を提案する。色数に対する最適なグラフ色付けを、Rydberg状態の異なる数まで確実に見つける能力を示す。本稿では,本手法の実験的実現可能性について論じ,高い色数問題を解くための拡張法を提案する。
論文参考訳（メタデータ） (2025-04-11T14:55:35Z)
Deep Prompt Tuning for Graph Transformers [55.2480439325792]
ファインチューニングはリソース集約型であり、大きなモデルのコピーを複数保存する必要がある。ファインチューニングの代替として,ディープグラフプロンプトチューニングと呼ばれる新しい手法を提案する。事前学習したパラメータを凍結し、追加したトークンのみを更新することにより、フリーパラメータの数を減らし、複数のモデルコピーを不要にする。
論文参考訳（メタデータ） (2023-09-18T20:12:17Z)
Discrete Graph Auto-Encoder [52.50288418639075]
離散グラフオートエンコーダ(DGAE)という新しいフレームワークを導入する。まず、置換同変オートエンコーダを用いてグラフを離散潜在ノード表現の集合に変換する。 2番目のステップでは、離散潜在表現の集合をソートし、特別に設計された自己回帰モデルを用いてそれらの分布を学習する。
論文参考訳（メタデータ） (2023-06-13T12:40:39Z)
Graph Neural Network Bandits [89.31889875864599]
グラフ構造データ上で定義された報酬関数を用いた帯域最適化問題を考察する。この設定の主な課題は、大きなドメインへのスケーリングと、多くのノードを持つグラフへのスケーリングである。グラフニューラルネットワーク(GNN)を用いて報酬関数を推定できることを示す。
論文参考訳（メタデータ） (2022-07-13T18:12:36Z)
From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文参考訳（メタデータ） (2022-02-19T02:56:47Z)
Evolutionary Algorithm for Graph Coloring Problem [0.0]
グラフ色問題(GCP)は、コンピュータ科学において最も研究されているNP-HARD問題の一つである。本稿では、色数の理論上界、すなわち最大外度+1から始める。進化の過程で、いくつかの色は、世代ごとに動的に色の数を減らすために使われない。
論文参考訳（メタデータ） (2021-11-17T12:16:57Z)
Learning Graphon Autoencoders for Generative Graph Modeling [91.32624399902755]
Graphonは任意のサイズでグラフを生成する非パラメトリックモデルであり、グラフから簡単に誘導できる。解析可能でスケーラブルなグラフ生成モデルを構築するために,textitgraphon autoencoder という新しいフレームワークを提案する。線形グルーポン分解モデルはデコーダとして機能し、潜在表現を活用して誘導されたグルーポンを再構成する。
論文参考訳（メタデータ） (2021-05-29T08:11:40Z)
Quantum Optimization for the Graph Coloring Problem with Space-Efficient Embedding [0.0]
グラフ彩色問題に対する空間効率のよい量子最適化アルゴリズムを提案する。我々の回路は標準的アプローチよりも深い。現在利用可能な代替品を探索するために、量子アニール上でランダムなグラフ色付けの研究を行う。
論文参考訳（メタデータ） (2020-09-15T18:34:17Z)
Graph Ordering: Towards the Optimal by Learning [69.72656588714155]
グラフ表現学習は、ノード分類、予測、コミュニティ検出など、多くのグラフベースのアプリケーションで顕著な成功を収めている。しかし,グラフ圧縮やエッジ分割などのグラフアプリケーションでは,グラフ表現学習タスクに還元することは極めて困難である。本稿では,このようなアプリケーションの背後にあるグラフ順序付け問題に対して,新しい学習手法を用いて対処することを提案する。
論文参考訳（メタデータ） (2020-01-18T09:14:16Z)

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。