論文の概要: Optimizing Drilling Trajectories in Multi-Material Structures Using Quantum Annealers
- arxiv url: http://arxiv.org/abs/2611.18121v1
- Date: Fri, 13 Nov 2026 12:50:28 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:29:14.341045
- Title: Optimizing Drilling Trajectories in Multi-Material Structures Using Quantum Annealers
- Title(参考訳): 量子アニールを用いた多層構造における掘削軌道の最適化
- Abstract要約: マルチマテリアル構造上の掘削軌道計画のための量子ハイブリッド最適化手法を提案する。
提案した定式化法は掘削過程を各穴を訪れる制約付き経路問題としてモデル化する。
提案手法は, オープンパスルーティングや同一材料に属するホールの強制的グループ化など, 現実的な産業制約を含む。
- 参考スコア(独自算出の注目度): 0.15469452301122175
- License:
- Abstract: In this work we present a quantum-hybrid optimization approach for planning drilling trajectories on multi-material structures, with the objective of minimizing total energy consumption. The proposed formulation models the drilling process as a constrained routing problem in which each hole must be visited while accounting for heterogeneous material properties, material-dependent drilling costs and displacement energy, as well as tool-wear penalties. Our method incorporates realistic industrial constraints, including open-path routing and mandatory grouping of holes belonging to the same material to avoid frequent tool-bit changes. The modeled problem is solved using D-Wave's Leap Constrained Quadratic Model Hybrid Solver. To evaluate performance, we benchmark instances ranging from 10 to 55 holes with varying material distributions and cost matrices. The results highlight the capability of quantum-hybrid optimization to handle complex multi-physics constraints and to generate energy-efficient drilling sequences under realistic manufacturing conditions.
- Abstract(参考訳): 本研究は,全エネルギー消費を最小化する目的で,多物質構造上に掘削軌道を計画するための量子ハイブリッド最適化手法を提案する。
提案した定式化法は, 掘削工程を異質な材料特性, 材料依存の掘削コスト, 変位エネルギー, ツールウェアのペナルティを考慮しつつ, それぞれの穴を通さなければならない制約付き経路問題としてモデル化した。
提案手法は, オープンパスルーティングや同一材料に属するホールの強制的グループ化など, 現実的な産業制約を取り入れて, 頻繁なツールビット変化を回避する。
モデル化された問題は、D-WaveのLeap Constrained Quadratic Model Hybrid Solverを用いて解決される。
性能評価のために, 材料分布やコスト行列の異なる10から55孔のインスタンスをベンチマークした。
その結果、複雑な多物理制約を処理し、現実的な製造条件下でエネルギー効率の良いドリルシーケンスを生成する量子ハイブリッド最適化の能力を強調した。
関連論文リスト
- Solve Crude Oil Scheduling Problems by Using Quantum-Classical Hybrid Algorithms [21.36249008423304]
フロントエンド原油のスケジューリングは、精製利益率と運転安定の重要な決定要因である。
本研究では、これらの計算ボトルネックに対処する新しいハイブリッド量子古典的枠組みを提案する。
論文 参考訳(メタデータ) (2026-04-29T09:15:06Z) - Constraint-Aware Quantum Optimization via Hamming Weight Operators [1.1463843149836523]
厳密な線形制約を伴う制約付き最適化は、薬物発見、電力グリッド、物流、金融の応用を支えている。
ハミングウェイト作用素(ハミングウェイト作用素、Hamming Weight Operators)は、量子進化を、実現可能な部分空間内で厳密に定義する制約対応作用素のクラスである。
我々は,金融と高エネルギー物理学のベンチマークタスク,特にポートフォリオ最適化とエネルギーバランスを伴う2ジェットクラスタリングのアプローチを検証した。
論文 参考訳(メタデータ) (2026-01-04T12:58:04Z) - Multi-objective Bayesian Optimization with Human-in-the-Loop for Flexible Neuromorphic Electronics Fabrication [0.704888060188677]
ニューロモルフィックコンピューティングハードウェアはエッジコンピューティングを可能にし、新しい応用のためにフレキシブルエレクトロニクスで実装することができる。
金属酸化物材料は、柔軟なニューロモルフィックエレクトロニクスを製造する上で有望な候補であるが、処理の制約に悩まされている。
フォトニックカーリングを用いて, 可溶性酸化アルミニウム誘電体を用いたフレキシブル金属絶縁体-金属コンデンサを作製し, ニューロモルフィックに応用した。
論文 参考訳(メタデータ) (2025-10-08T18:28:28Z) - Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。
BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。
我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
論文 参考訳(メタデータ) (2024-12-03T19:20:08Z) - Harnessing the Power of Gradient-Based Simulations for Multi-Objective Optimization in Particle Accelerators [5.565261874218803]
本稿では, 粒子加速器の深部微分可能強化学習アルゴリズムを用いてMOO問題の解法における微分可能性の効果を示す。
基礎となる問題は、個々の状態と行動の両方に厳密な制約を課し、ビームのエネルギー要求に対する累積的(グローバル)制約を課している。
論文 参考訳(メタデータ) (2024-11-07T15:55:05Z) - Constrained multi-objective optimization of process design parameters in
settings with scarce data: an application to adhesive bonding [48.7576911714538]
接着プロセスに最適なプロセスパラメータを見つけることは困難である。
遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。
本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
論文 参考訳(メタデータ) (2021-12-16T10:14:39Z) - Multi-Objective Constrained Optimization for Energy Applications via
Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。
場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。
本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文 参考訳(メタデータ) (2021-11-04T20:18:55Z) - An even-load-distribution design for composite bolted joints using a
novel circuit model and artificial neural networks [1.8472148461613158]
最適化手法として機械学習に基づくフレームワークを提案する。
人工ネットワークのトレーニングのためのデータサンプルを生成するための新しい回路モデルが確立された。
設計空間におけるすべての入力のデータベースは、機械学習モデルを通じて構築される。
論文 参考訳(メタデータ) (2021-05-15T10:10:47Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳(メタデータ) (2021-05-06T02:22:23Z)
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。