論文の概要: A Quantum Optimization Framework for Data-Assimilation-Augmented Parameter Estimation

• arxiv url: http://arxiv.org/abs/2608.13614v1
• Date: Wed, 12 Aug 2026 19:12:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.164774
• Title: A Quantum Optimization Framework for Data-Assimilation-Augmented Parameter Estimation
• Title（参考訳）: データ同化拡張パラメータ推定のための量子最適化フレームワーク
• Abstract要約: 非線形力学系におけるパラメータ推定に量子アルゴリズムが有効かどうかを検討する。 我々は,データ同化拡張パラメータ推定問題を最適化タスクとして再構成するフレームワークを開発する。 本フレームワークをSISおよびSIR流行モデル、高次元2層ロレンツ-96システムに適用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Parameter estimation is a fundamental challenge in the calibration of ordinary differential equation (ODE) models, where repeated numerical integration can lead to high computational cost. In this work, we investigate whether quantum algorithms can be leveraged to assist parameter estimation in nonlinear dynamical systems. We develop a hybrid classical-quantum framework that reformulates a data-assimilation-augmented parameter estimation problem as a combinatorial optimization task. Model dynamics and data assimilation are enforced entirely on the classical side, while the resulting parameter estimation cost functional is discretized and approximated by a quadratic unconstrained binary optimization (QUBO) surrogate. This surrogate is mapped to an Ising Hamiltonian, and quantum optimizers are used to search for low-energy configurations corresponding to candidate parameter estimates. We apply the framework to SIS and SIR epidemic models, the chaotic Lorenz-63 system, and a high-dimensional two-layer Lorenz-96 system. In this setting, the method is used to recover classical system parameters from partial state observations across steady-state, chaotic, and high-dimensional multiscale dynamical systems. Numerical experiments with synthetic data show that the proposed approach accurately recovers parameters while requiring data-assimilation solves only on a prescribed coarse grid. The framework avoids quantum state tomography, illustrating a viable pathway for integrating quantum optimization into data-driven parameter estimation for nonlinear dynamical systems.
• Abstract（参考訳）: パラメータ推定は常微分方程式(ODE)モデルのキャリブレーションにおいて基本的な課題であり、数値積分を繰り返すと計算コストが高くなる。 本研究では,非線形力学系におけるパラメータ推定を支援するために量子アルゴリズムを活用できるかどうかを検討する。 本稿では,データ同化拡張パラメータ推定問題を組合せ最適化タスクとして再構成する古典量子ハイブリッドフレームワークを開発する。 モデル力学とデータ同化は古典的側面に完全に適用され、パラメータ推定コスト関数は2次非制約バイナリ最適化(QUBO)サロゲートによって離散化され近似される。 このサロゲートはIsing Hamiltonianにマッピングされ、量子オプティマイザは、候補パラメータ推定に対応する低エネルギーな構成を探索するために使用される。 本稿では、SISおよびSIR流行モデル、カオスロレンツ-63システム、高次元ロレンツ-96システムに適用する。 本手法は, 定常, カオスおよび高次元多次元力学系における部分状態観測から古典的システムパラメータを復元するために用いられる。 合成データを用いた数値実験により, 提案手法は, 所定の粗い格子上でのみ, パラメータを正確に復元することを示した。 このフレームワークは量子状態トモグラフィーを回避し、非線形力学系のデータ駆動パラメータ推定に量子最適化を統合するための実行可能な経路を記述している。

関連論文リスト

• Equation Recast for Canonical Operator Learning Across Parametric PDEs [59.44573033543284]
  本稿では,パラメトリック演算子学習を単一正規作用素の学習として再構成する方程式再キャストを提案する。 核融合のための高忠実トカマクシミュレーションにおいて、このフレームワークは4つのデバイス領域にまたがる電子-温度データを統一する。
  論文  参考訳（メタデータ） (2026-09-02T13:15:50Z)
• Regularised Iterative Generalised Least Squares with Optimal Selection of the Hyper-Parameter for Identifying Nonlinear Phenomenological Models [0.0]
  リチウムイオン電池の健康状態(SoH)予測など、いくつかの分野では、現象学モデルは実験データから推定されるパラメータを含む。 所望のモデルの定式化を保存し,問題に対する数値条件付けを同時に改善するためのリッジ回帰方式を提案する。 各イテレーションにおけるリッジ回帰ハイパーパラメータを最適化するモデル性能の情報理論測度に基づいて、自動化された方法が提供される。
  論文  参考訳（メタデータ） (2026-08-19T09:50:46Z)
• Utilization of SU(2) Symmetry for Efficient Simulation of Quantum Systems [0.0]
  本研究では、内部のSU(2)対称性を持つ量子系をシミュレートするための変分コンパイル法について検討する。 この研究の中心的な構成要素は、トレーニングされた変動回路パラメータを外挿する動的モード分解法(DMD)の適用である。 外挿パラメータを用いて、より多くのトロッターステップを用いて、変動的にコンパイルされた量子状態を予測する手法を提案し、再学習の必要性を排除した。
  論文  参考訳（メタデータ） (2025-06-23T16:17:56Z)
• KO: Kinetics-inspired Neural Optimizer with PDE Simulation Approaches [45.173398806932376]
  本稿では、運動理論と偏微分方程式(PDE)シミュレーションにインスパイアされた新しい神経勾配であるKOを紹介する。 我々は、ネットワークパラメータの力学を、運動原理によって支配される粒子系の進化として再想像する。 この物理駆動のアプローチは、パラメータ凝縮の現象を緩和し、最適化中のパラメータの多様性を本質的に促進する。
  論文  参考訳（メタデータ） (2025-05-20T18:00:01Z)
• Transferring linearly fixed QAOA angles: performance and real device results [0.0]
  線形パラメータ化とパラメータ転送を組み合わせ,パラメータ空間を4次元に減らした簡易な手法について検討する。 本稿では,この手法と標準QAOAと,逐次層ごとの最適化を必要とするInterfacePやFOURIERなどのパラメータ設定手法を比較した。 我々の実験は古典シミュレーションからIBMのイーグルプロセッサ上での実際の量子ハードウェア実装まで拡張し、現在のNISQデバイス上でのアプローチの可能性を実証した。
  論文  参考訳（メタデータ） (2025-04-17T04:17:51Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Reduced order modeling of parametrized systems through autoencoders and SINDy approach: continuation of periodic solutions [0.0]
  本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。 提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。 これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
  論文  参考訳（メタデータ） (2022-11-13T01:57:18Z)
• A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
  本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。 一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T23:31:25Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• An Asymptotically Optimal Multi-Armed Bandit Algorithm and Hyperparameter Optimization [48.5614138038673]
  本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。 また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。 実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
  論文  参考訳（メタデータ） (2020-07-11T03:15:21Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)
• Accurate Parameter Estimation for Risk-aware Autonomous Systems [0.0]
  本稿では,自律システムの動的モデルのパラメータを推定するためのスペクトル線に基づくアプローチについて述べる。 既存の文献では、力学系のすべての非モデル化された成分をガウス下雑音として扱っている。 提案手法は既存の文献と一致して$tildeO(sqrtT)$ regretを保証できることを示す。
  論文  参考訳（メタデータ） (2020-06-23T01:20:44Z)

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。