論文の概要: QuantumQUBO Agent: Automating Quadratic Unconstrained Binary Optimization (QUBO) Formulation Generation from Natural Language

• arxiv url: http://arxiv.org/abs/2609.10629v2
• Date: Fri, 11 Sep 2026 02:28:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.464236
• Title: QuantumQUBO Agent: Automating Quadratic Unconstrained Binary Optimization (QUBO) Formulation Generation from Natural Language
• Title（参考訳）: 量子QUBOエージェント:自然言語から2次非拘束バイナリ最適化(QUBO)を自動生成する
• Abstract要約: 本稿では,自然言語問題記述からQUBOの定式化を自動的に生成するエンドツーエンドのマルチエージェントフレームワークを提案する。 また、12のアプリケーションドメインに100の最適化問題を含むベンチマークであるQUBOBenchを紹介します。 本フレームワークは,QUBOBench上で68%の精度を実現し,直接単呼ベースラインを22%上回った。
• 参考スコア（独自算出の注目度）: 8.113418747367573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadratic Unconstrained Binary Optimization (QUBO) is a central formulation for combinatorial optimization and has gained increasing attention due to its compatibility with quantum, hybrid quantum-classical, and quantum-inspired solvers. However, translating natural-language problem descriptions into correct QUBO formulations remains difficult, requiring the identification of binary variables, constraints, objective functions, penalty terms, and suitable penalty weights. This process is time-consuming and often demands substantial domain expertise. To address this challenge, we propose an end-to-end multi-agent framework that automatically generates QUBO formulations from natural-language problem descriptions, supported by structured or unstructured test cases. To evaluate its performance, We also introduce QUBOBench, a benchmark containing 100 combinatorial optimization problems across 12 application domains, curated from peer-reviewed literature, competitions, and canonical NP-hard problems. Experimental results show that our framework achieves 68% accuracy on QUBOBench, outperforming a direct single-call baseline by 22%. Further analysis identifies iterative self-repair as the most important component contributing to improved performance. The data and code are open-sourced at https://quitttcat.github.io/QuantumQUBOAgent.
• Abstract（参考訳）: Quadratic Unconstrained Binary Optimization (QUBO) は組合せ最適化のための中心的な定式化であり、量子、ハイブリッド量子古典および量子に着想を得た解法との整合性から注目を集めている。 しかし、自然言語による問題記述を正しいQUBOの定式化に変換することは依然として困難であり、二変数変数、制約、目的関数、ペナルティ項、適切なペナルティ重みの識別が必要である。 このプロセスは時間がかかり、多くの場合、相当なドメインの専門知識を必要とします。 この課題に対処するため,自然言語問題記述からQUBOの定式化を自動的に生成するエンドツーエンドのマルチエージェントフレームワークを提案する。 また、その性能を評価するために、12のアプリケーションドメインに100の組合せ最適化問題を含むベンチマークであるQUBOBenchを導入し、ピアレビューされた文献、コンペティション、標準NPハード問題から算出した。 実験の結果,本フレームワークはQUBOBenchで68%の精度を達成し,直接単発ベースラインを22%上回った。 さらなる分析では、反復的自己修復がパフォーマンス向上に寄与する最も重要なコンポーネントであることが示された。 データとコードはhttps://quitttcat.github.io/QuantumQUBOAgent.comで公開されている。

関連論文リスト

• Learning Discrete Decisions for MIPs with Constraint-Aware Diffusion [40.25954048196068]
  本稿では,混合整数最適化問題の事例を大まかに解くための,学習に基づく新しい手法を提案する。 提案手法は,混合整数最適化問題の離散成分を学習するグラフベース生成拡散モデルに依存する。 Constrained Graph Diffusion (CGD) という名前のフレームワークは問題に依存しず、様々な混合整数最適化問題に対応できる。
  論文  参考訳（メタデータ） (2026-08-13T10:46:18Z)
• CVaR-Assisted Custom Penalty Function for Constrained Optimization [3.652509571098291]
  制約付き最適化問題は2次非制約二元最適化(QUBO)モデルとして頻繁に修正される。 標準QUBOの定式化は、スラック変数と二次罰則を通じて不等式制約を強制する。 補助スラック変数を除去する制約付きバイナリ最適化のためのスラックフリーペナルティの定式化を提案する。
  論文  参考訳（メタデータ） (2026-04-22T01:08:38Z)
• Quantum Optimization in Loc(Q)ation Science: QUBO Formulations, Benchmark Problems, and a Computational Study [0.0]
  Quadratic Unconstrained Binary Optimizationは、$mathbfNP$-hardの幅広いクラスのための統一モデリングフレームワークを提供する。 我々は、位置科学、ネットワーク設計、ロジスティクスにおけるいくつかの基本的な問題に対するQUBOの定式化を開発する。 これらのQUBOの定式化は、量子アルゴリズムと量子ハードウェアを評価するための代表的なベンチマーク問題として機能する。
  論文  参考訳（メタデータ） (2026-02-11T15:39:26Z)
• Encoding Matters: Benchmarking Binary and D-ary Representations for Quantum Combinatorial Optimization [1.3824488054100907]
  本研究では,D-ary Optimization (QUDO) を,高次元ヒルベルト空間において決定変数を直接符号化する代替の定式化として検討する。 本研究では,QUDOがトラベリングセールスマン問題,グラフカラー化,ジョブスケジューリング,Max-K-Cutなど,広範なペナルティ構築を必要とせずに,様々な問題クラスにおいて構造的制約を自然に捉えていることを示す。 本研究は、量子最適化のためのスケーラブルで表現力のある表現としてQUDOを強調し、近似比を一貫して改善し、等価回路深さでの計算オーバーヘッドを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2026-02-07T04:37:32Z)
• BONO-Bench: A Comprehensive Test Suite for Bi-objective Numerical Optimization with Traceable Pareto Sets [0.0]
  本稿では,二目的数値最適化問題に対する広範囲な問題生成手法を提案する。 決定変数の数などのテスト問題プロパティの設定をサポートする。 提案するジェネレータの一般的なアプローチは,再現可能なベンチマークを容易にするために,Pythonパッケージの textttbonobench でリリースされている。
  論文  参考訳（メタデータ） (2026-01-23T18:42:20Z)
• Closing the Generalization Gap in Parameter-efficient Federated Edge Learning [43.00634399799955]
  フェデレーションエッジラーニング(FEEL)は人工知能(AI)のための有望な基盤を提供する 限定的で異種なローカルデータセット、およびリソース制限されたデプロイメントは、モデル一般化とリソース利用の両方を著しく低下させる。 本稿では,モデル最小化と一般化選択を併用して,このような課題に対処するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-28T15:34:09Z)
• An Introduction to the Quantum Approximate Optimization Algorithm [51.56484100374058]
  チュートリアルは変分量子回路とQUBO問題の概要から始まる。 次に、ハミルトンの定式化、ゲート分解、サンプル応用など、QAOAの詳細を探索する。 このチュートリアルはこれらの概念を高階ハミルトニアンに拡張し、関連する対称性と回路構成について議論する。
  論文  参考訳（メタデータ） (2025-11-23T09:54:20Z)
• Learning Feasible Quantum States for Quadratic Constrained Binary Optimization Problems [41.23247424467223]
  我々はQCBOの制約を満たす量子状態の同値重ね合わせを生成する変動的アプローチを開発する。 結果として生じる同値な重ね合わせは、QUBO/QCBOを解く量子アルゴリズムの初期状態として使用できる。
  論文  参考訳（メタデータ） (2025-08-04T16:44:53Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Towards an Automatic Framework for Solving Optimization Problems with Quantum Computers [2.9730678241643815]
  従来の最適化問題を量子解法に自動的に変換するフレームワークが提案されている。 このフレームワークは、ソリューションの妥当性と品質を分析するための手段を提供する。 これは量子コンピューティングソリューションの自動化に向けた大きな進歩を表している。
  論文  参考訳（メタデータ） (2024-06-18T17:56:10Z)
• Evidence that PUBO outperforms QUBO when solving continuous optimization problems with the QAOA [4.670374869377859]
  量子アルゴリズムによる最適化問題の解決における中核的なステップは、問題の定式化である。 近年の研究では、多くの問題を自然の多項式非制約最適化形式でより効率的に解けることが示されている。 適切なベンチマーク関数の評価では、PUBOの定式化は一般により良い結果をもたらすが、キュービットは少ない。
  論文  参考訳（メタデータ） (2023-05-05T09:37:48Z)
• Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization [44.96576908957141]
  本稿では,量子コンピュータ上での2次線形反復問題を解くために,フランク・ウルフアルゴリズム(Q-FW)に基づく古典量子ハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-23T18:00:03Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)

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。