論文の概要: Nesting in additive manufacturing using quantum annealing
- arxiv url: http://arxiv.org/abs/2611.18447v1
- Date: Fri, 13 Nov 2026 17:22:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.400791
- Title: Nesting in additive manufacturing using quantum annealing
- Title(参考訳): 量子アニールを用いた添加物製造におけるネスティング
- Abstract要約: パウダーベッド融合(PBF)におけるネスティングは、ビルド空間内の部品の位置と方向を決定する。
部品数や実現可能な部品数が増えるにつれて、ネストの問題が要求されるようになる。
AM部品の幾何学的特性を考慮した反復二分法モデル計算手法 (IBQM) を開発した。
- 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: Nesting in powder bed fusion (PBF), an additive manufacturing (AM) process, determines the positions and orientations of parts within the build space and influences build height and build time. As the number of parts and feasible placements increases, the nesting problem becomes computationally demanding. Exact approaches are limited to small problem sizes as computational effort increases rapidly with the problem size, while heuristic and metaheuristic approaches involve a trade-off between solution quality and computation time. Quantum annealing (QA) offers an alternative for solving combinatorial optimization problems, but its application to nesting in AM remains largely unexplored. This paper presents a QA-based approach for nesting in AM to investigate its feasibility and its scaling behavior across three problem sizes. An iterative binary quadratic model based approach (IBQM) is developed to minimize build height while considering the geometric characteristics of AM parts. Geometric abstraction, iterative decomposition, and variable pruning are applied to address the computational complexity of the nesting problem. The approach is evaluated using three cases with increasing problem sizes and compared to a classical approach combining tabu search and simulated annealing (TBSA). Compared with TBSA, IBQM reduces the build height of the original parts by up to 13.32% and the computation time by up to 74.27%.
- Abstract(参考訳): 粉末層融合(PBF)プロセスは, 製造空間内の部品の位置と配向を決定し, 施工高さと施工時間に影響を与える。
部品の数や実現可能な配置が増加するにつれて、ネスト問題は計算的に要求されるようになる。
計算の労力が問題のサイズとともに急速に増加する一方、ヒューリスティックでメタヒューリスティックなアプローチは、解の品質と計算時間の間のトレードオフを伴う。
量子アニーリング(QA)は組合せ最適化問題の解決の代替手段であるが、AMのネストへの応用はほとんど未検討のままである。
本稿では,AMにおけるネストに対するQAに基づくアプローチを提案し,その実現可能性と3つの問題サイズにわたるスケーリング挙動について検討する。
AM部品の幾何学的特性を考慮して, 建築高さを最小化するために, 繰り返し2次モデルに基づくアプローチ (IBQM) を開発した。
ネスト問題の計算複雑性に対処するために、幾何学的抽象化、反復分解、可変プルーニングを適用する。
本手法は,問題サイズが増大する3症例を用いて評価し,タブサーチとシミュレート・アニーリング(TBSA)を組み合わせた古典的アプローチと比較した。
IBQMはTBSAと比較すると、オリジナルの部品のビルド高さを最大13.32%、計算時間を最大74.27%削減する。
関連論文リスト
- Quantum iterative approach to the Traveling Salesman Problem [0.6741942263052466]
トラベリングセールスマン問題(TSP)は、最適化における古典的なNPハード問題であり、問題の規模が大きくなるにつれて、一組の都市で最短ルートを決定することは、計算的に禁止される。
この研究は、この複雑さに対処するための代替アプローチとして量子コンピューティングを探求する。
経路コストは量子位相として符号化され、QPEはそれらを効率的に評価できる一方、振幅増幅はGrover-Longアルゴリズムによって実装され、最適経路に向けた解空間を反復的に洗練する。
論文 参考訳(メタデータ) (2026-06-10T09:21:15Z) - Learning Intersections of Two Margin Halfspaces under Factorizable Distributions [56.51474048985742]
ハーフスペースの交叉学習は計算学習理論における中心的な問題である。
たった2つのハーフスペースであっても、学習が時間内に可能かどうかという大きな疑問が残る。
本稿ではCSQ硬度障壁を確実に回避する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2025-11-13T00:28:24Z) - Improving QAOA to find approximate QUBO solutions in O(1) shots [0.0]
本稿では,目標近似比(AR)を達成する確率を,正確な最適化を必要とせず考慮した修正fpQAOA方式を提案する。
この組み合わせは、問題の大きさが大きくなるにつれて、近似解を得るために必要なショットの中央値の減少につながることを実証する。
論文 参考訳(メタデータ) (2025-09-23T14:07:55Z) - Towards Quantum Accelerated Large-scale Topology Optimization [0.0]
本稿では,TO問題を効率的に解き,量子コンピューティングを利用して潜在的な量子優位性を利用するための実践的な方法を提案する。
本研究は,3次元連続体構造における大規模・多材料TO課題を対象としている。
論文 参考訳(メタデータ) (2025-07-19T04:30:14Z) - Distributed Quantum Approximate Optimization Algorithm on a Quantum-Centric Supercomputing Architecture [1.953969470387522]
量子近似最適化アルゴリズム(QAOA)は、ゲートベースの量子コンピューティングシステムに量子スピードアップを提供することで、最適化問題を解くことを約束している。
しかしQAOAは、大量の量子ビットと深部回路の複雑さのため、高次元問題に対する課題に直面している。
本稿では,分散QAOA(DQAOA)を,より少ないキュービットと浅い回路を必要とするタスクに分割する。
論文 参考訳(メタデータ) (2024-07-29T17:42:25Z) - CBQ: Cross-Block Quantization for Large Language Models [66.82132832702895]
ポストトレーニング量子化(PTQ)は、超低コストで大規模言語モデル(LLM)を圧縮する上で重要な役割を果たしている。
LLMのためのクロスブロック再構成に基づくPTQ手法CBQを提案する。
CBQはリコンストラクションスキームを使用してクロスブロック依存関係を採用し、エラーの蓄積を最小限に抑えるために複数のブロックにまたがる長距離依存関係を確立する。
論文 参考訳(メタデータ) (2023-12-13T07:56:27Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - 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。