論文の概要: Towards Scalable Quantum Unit Commitment in Power Systems: Encoding and Complexity Reduction Techniques

• arxiv url: http://arxiv.org/abs/2609.36999v1
• Date: Tue, 29 Sep 2026 08:29:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.318579
• Title: Towards Scalable Quantum Unit Commitment in Power Systems: Encoding and Complexity Reduction Techniques
• Title（参考訳）: 電力系統における量子単位のスケーラブル化に向けて:エンコーディングと複雑度低減技術
• Abstract要約: 本稿では,パウリ相関の恩恵を受ける量子最適化ユニットコミット(UC)フレームワークを開発する。 UC問題は二項形式で定式化され、その後QUBO問題に変換され、断熱量子進化に適したIsing表現にマッピングされる。 その結果、PCEはエンコードされた問題の有効サイズを減らし、SQDは実現可能な最適解に対する確率の集中を改善し、それらの組み合わせはいくつかのケーススタディにおいて最高の全体的な振る舞いを提供することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper develops a Quantum optimisation Unit Commitment (UC) framework that benefits from Pauli Correlation Encoding (PCE) as a qubit reduction preprocessing technique and Sample-based Quantum Diagonalisation (SQD) as a hybrid post-processing refinement method. The UC problem is formulated in binary form, then transformed into a QUBO problem and mapped onto an Ising representation suitable for adiabatic quantum evolution within the Qibo framework. This study analyses how PCE and SQD techniques affect qubit scalability, computational effort, feasibility, and probability of recovering the optimal solution as the number of generators increases. The results show that PCE reduces the effective size of the encoded problem, SQD improves the concentration of probability on feasible and optimal solutions, and their combined application provides the best overall behaviour in several scalable case studies, achieving more reliable solutions with lower effective computational cost than the unreduced formulation. The repository is available open source in Github (link is not yet available until work is published. However, if requested by the reviewers, we can make it open for a scific time window, if requested).
• Abstract（参考訳）: 本稿では、量子相関符号化(PCE)を量子化前処理技術として活用する量子最適化ユニットコミット(UC)フレームワークと、ハイブリッド後処理手法としてサンプルベース量子対角化(SQD)を開発した。 UC問題は二項形式で定式化され、その後QUBO問題に変換され、Qiboフレームワーク内の断熱量子進化に適したIsing表現にマッピングされる。 本研究は,PCE と SQD 技術がキュービットのスケーラビリティ,計算作業,実現可能性,および生成器数の増加とともに最適解を回復する確率にどのように影響するかを解析する。 その結果、PCEはエンコードされた問題の有効サイズを減らし、SQDは実現可能な最適解に対する確率の集中を向上し、それらの組み合わせは複数のスケーラブルケーススタディにおいて最高の全体的な挙動を提供し、非還元式よりも高い効率な計算コストでより信頼性の高い解を実現する。 リポジトリはGithubでオープンソース公開されている(リンクは、作業が公開されるまで公開されていない)。しかし、レビュアーが要求すれば、リクエストがあれば、辛いタイムウィンドウで開くことができる。

関連論文リスト

• DQAOA-GPT: AI-Accelerated Distributed Quantum Optimization for Combinatorial Problems [1.0380578526859343]
  変分量子アルゴリズムは指数関数的に大きな探索空間に取り組むための有望な経路を提供する。 本稿では,分散量子近似最適化アルゴリズム(DQAOA)を統合するハイブリッドフレームワークDQAOA-GPTを紹介する。 提案手法は反復的変分最適化に頼るのではなく、訓練された生成モデルを用いて、サブプロブレムに対する高品質な量子回路を直接生成する。
  論文  参考訳（メタデータ） (2026-07-22T14:46:33Z)
• 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)
• 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)
• Is Quantum Optimization Ready? An Effort Towards Neural Network Compression using Adiabatic Quantum Computing [12.00374294991008]
  ディープラーニングでは、新しい予測機能をサポートするために、ディープニューラルネットワーク(DNN)が巨大なサイズに達した。 本研究では,畳み込みニューラルネットワークのきめ細かなプルーニングにAQC(adiabatic quantum computing)を採用する可能性について検討する。
  論文  参考訳（メタデータ） (2025-05-22T07:40:23Z)
• Qubit-Efficient Quantum Annealing for Stochastic Unit Commitment [4.2251752131402585]
  再生可能エネルギー源の統合によって引き起こされる不確実性を管理するため、ユニットコミット(SUC)が提案されている。 本稿では,スラック変数を不要にするために,パウエル・ヘステネス・ロッカフェラー拡張ラグランジアン乗算器(PHR-ALM)法を提案する。 さらに量子ADMMを適用して、大規模SUCを小さなブロックに分割し、シーケンシャルな解を可能にする。
  論文  参考訳（メタデータ） (2025-02-21T20:15:40Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• 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)
• 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)
• 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。

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。