T-QARD Harbor

               

T-QARD Harbor

T-QARD Harborは東北大学量子アプリケーション研究開発センター学生チーム「T-QARD Crews」が運営する、 数理情報統計、量子情報、最適化、機械学習分野の情報を提供するWebサイトです                

活動報告

学会発表: STATPHYS28

T-QARDメンバーが第28回統計物理学国際会議 STATPHYS28 (STATPHYS28, 東京大学) で発表を行いました。

  • 高林泰成 (2023/8/8, Poster) “Improvement of Hybrid Scheme of Continuous Optimization and Simulated Annealing”
  • 平間草太 (2023/8/7, Poster) “Algorithm for Binary Quadratic Programming Problem by Column Generation and Quantum Annealing”
  • 丸山尚貴 (2023/8/9, Oral) “Interpretation of unfair sampling in quantum annealing by node centrality”
  • 森田圭祐 (2023/8/11, Oral) “A Simple Post-Processing Method for Improving Bayesian Optimization of Combinatorial Problems”

学会発表: 日本物理学会2023年春季大会

T-QARDメンバーが日本物理学会2023年春季大会 (オンライン) で発表しました。

  • 高林泰成 (2023/3/22, Poster)「分子動力学法によるハイブリッド量子アニーリングに対するリバースアニーリングの適用に関する検討」
  • 平間草太 (2023/3/22, Poster)「列生成法と量子アニーリングを用いた二次計画問題の効率的な処理の検証

(以上五十音順)

もっと見る »

解説記事

大関法に対する深層展開の適用

組合せ最適化問題の中には制約を持つ組合せ最適化問題が多く存在します。そのような制約付き最適化問題の解法として大関法と呼ばれる手法が知られています。大関法は、量子アニーリングやマルコフ連鎖モンテカルロ法のようなボルツマン分布からのサンプラーと勾配法を組み合わせた手法であり、サンプリングと勾配法によるボルツマン分布の更新を反復的に繰り返すアルゴリズムです。大関法によって得られる解の精度は、分布の更新の際に用いられるステップサイズと呼ばれるパラメータに大きく依存する一方、反復ごとのステップサイズの適切な調整は困難です。その問題に対処するために、本論文では深層展開と呼ばれる深層学習技術を大関法に適用しています。

read

量子アニーリングで電力ネットワークを最適化する

電力ネットワーク全体で電力を効率的に使用するためには電力の余剰の最適化が重要な要素です。本論文では、量子アニーリングを用いて電力余剰を最適に活用できるようなネットワークを探索する方法を示しました。そして、ドイツの送電ネットワークでの電力余剰を最適化するという問題に対して、量子と古典のハイブリッドソルバーと古典ソルバーのそれぞれで結果を出して、古典ソルバーに対して量子と古典のハイブリッドソルバーがコスト関数の値がより低い解を出すことを示しました。

read
もっと見る »

実践記事

もっと見る »