qubo
PulseAugur coverage of qubo — every cluster mentioning qubo across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的Q-BIOLAT框架使用二元编码优化蛋白质适应性景观
研究人员开发了Q-BioLat，一个用于优化蛋白质适应性景观的新框架。该方法将蛋白质语言模型嵌入映射到紧凑的二元编码，从而能够使用二次无约束二元优化（QUBO）进行搜索。该框架强调了二元编码对优化过程的影响，表明即使在预测精度相似的情况下，不同的编码也会导致不同的搜索轨迹和局部最优解。使用ProteinGym的绿色荧光蛋白（GFP）和AAV适应性数据的实验表明，Q-BioLat，特别是与主成分分析（PCA）和中值阈值相结合时，在创建可…
-
新AI框架可自动从自然语言生成QUBO公式
研究人员开发了一个新颖的多智能体框架，能够从自然语言描述中自动生成二次无约束二元优化（QUBO）公式。该系统解决了此类翻译通常所需的难度和领域专业知识。为了评估其有效性，创建了一个名为QUBOBench的新基准，包含100个组合优化问题。所提出的框架在QUBOBench上表现出68%的准确率，显著优于基线方法22%，并且迭代自我修复被确定为关键性能驱动因素。
-
新的 QUBO 公式以更少的量子比特改进了货币套利检测
研究人员开发了一种更具资源效率的二次无约束二元优化 (QUBO) 公式，用于货币套利检测。这种新方法结合了从特定货币开始交易周期和考虑交易费用等现实约束，比以前的 QUBO 编码需要更少的逻辑变量。该公式包含汇率的精确锚定-量规重加权，以解决硬件精度限制。与经典模拟退火和先前 QUBO 方法的基准测试表明，它在寻找有利可图的、经过费用调整的交易周期方面是有效的。
-
AI框架解决机场交通拥堵，排队时间缩短高达30%
研究人员开发了一个受QUBO启发的计算框架，用于诊断和优化机场地面交通区域的交通流量。该模型使用上海浦东和杭州萧山国际机场的数据进行了测试，旨在缓解高峰期旅客到达造成的拥堵。在基线条件下，受QUBO启发的模型显著减少了旅客排队，上海浦东机场的排队人数从3445人减少到2477人，杭州萧山机场从2053人减少到1482人。该框架在面对需求、供应和容量的各种扰动时也表现出鲁棒性。
-
新的LC-Implicit-QAOA方法提高了量子优化算法的训练效率
研究人员开发了一种新颖的训练量子近似优化算法（QAOA）的方法LC-Implicit-QAOA，该方法解决了评估目标和梯度的计算瓶颈。该方法优化了有界工作空间内的内存使用和批处理策略，从而实现了更高效的QUBO问题训练。该方法在准确性方面与现有的伴随微分技术相当，并且在速度和计算调用方面显著优于特定QUBO成本函数的中心差分法。
-
量子 QUBO 框架提升医学图像分割可扩展性
研究人员开发了一种新颖的基于超像素的 QUBO 框架，以提高量子增强医学图像分割的可扩展性。该方法通过使用 SLIC 将像素分组为感知上有意义的区域，解决了 QUBO 公式中问题规模增长的重大挑战。新方法在 INbreast 乳腺钼靶图像上展示了 4.2% 的分割质量提升和 33 倍的加速，同时大幅减小了问题规模并符合当前量子退火器的连接限制。
-
新框架在量子退火器上自动调优 SVM
本文介绍了一种新颖的框架，用于优化在量子启发式退火器上使用二次无约束二元优化 (QUBO) 模型的支持向量机 (SVM)。该框架采用 Optuna 进行自动调优，处理与数值表示、核几何和约束惩罚相关的参数。该方法在 Fixstars Amplify 退火引擎、Toshiba SQBM+ 和 Fujitsu Digital Annealer 上进行了测试，在具有不同标签噪声水平的分类任务上，与传统的网格搜索相比，平均准确率提高了 0.8…
-
QUBO 优化解决了 RAG 问答中的证据选择问题
研究人员开发了一种新颖的证据选择方法，用于检索增强问答 (RAG)，将其表述为二次无约束二元优化 (QUBO) 问题。该方法旨在通过平衡相关性、需求覆盖率和其他因素，来改进互补证据段的选择，这对于复杂的多跳问题至关重要。QUBO 选择器提供了一种经济高效且可扩展的替代 LLM 选择器的方法，在 HotpotQA 基准测试上取得了有竞争力的性能，并指明了 RAG 管道的未来方向，即保留 LLM 用于语义处理，同时使用专用求解器进行上下文选择。
-
量子CT重建算法提升图像质量
研究人员开发了一种新颖的量子压缩感知CT重建算法，通过考虑光子计数统计和解剖学异质性来提高图像质量。所提出的PWLS-GTV方法结合了惩罚加权最小二乘（PWLS）和引导全变分（GTV），以增强边缘保持并减少噪声。实验表明，PWLS-GTV的性能显著优于传统方法，在重建中实现了更高的峰值信噪比。
-
新的 COMET 方法使用量子算法优化基因编辑
研究人员开发了一种名为 COMET 的新方法，该方法使用量子近似优化算法 (QAOA) 来解决基因编辑中的复杂组合优化问题。该方法解决了选择多重 CRISPR-Cas9 编辑的引导 RNA 的挑战，这涉及到管理跨基因的相互作用。COMET 比较了两种强制约束的策略：传统的惩罚项和使用 XY 混合器的结构化方法。在 IBM 的 ibm_kingston 处理器上进行的模拟和真实硬件测试表明，对于这种特定的生物学应用，XY 混合器比基于惩…
-
量子CT框架采用动态编码以改进重建
研究人员开发了一种新颖的量子计算机断层扫描（CT）重建框架，该框架利用动态区间编码和先验平衡优化。该方法通过动态编码局部灰度区间内的活动像素，解决了灰度CT中二元变量编码的局限性。该框架平衡了数据一致性与边缘保持先验，以增强优化稳定性。实验表明，与现有方法相比，该方法能更忠实地恢复结构和灰度分布，并且可以在混合量子经典后端上执行。
-
量子退火助力AI预测性维护 · 跟踪2个来源
研究人员开发了一种新颖的量子退火增强Q学习（QAQL）框架，以改进预测性维护中的剩余使用寿命（RUL）预测。该方法将量子退火的采样能力与Q学习的决策过程相结合，将Q值更新编码为在D-Wave Advantage系统上求解的QUBO问题。QAQL框架在NASA C-MAPSS涡轮风扇发动机数据集和设备集群预测性维护数据集上，均显示出比经典和量子基线具有统计学上的显著改进，表明其在工业RUL估算中的实际应用潜力。
-
量子算法优化铁路发车与股道分配
研究人员开发了一种新的方法，利用二次无约束二元优化（QUBO）模型来优化铁路发车时刻表和股道分配。该模型与仿真层集成，以评估各种条件下的运行性能，包括延误。混合量子算法，特别是QPSO-QAOA，表现最佳，与传统方法相比，降低了成本和延误。
-
量子退火器采用新的 PDQUBO 方法处理推荐系统
研究人员开发了一种名为 PDQUBO 的新方法，用于推荐系统中的特征选择，该方法专为在量子退火器上运行而设计。该方法通过量化特征组合的影响来直接优化推荐系统性能。PDQUBO 是模型无关的，并在实验中证明其性能优于现有的基于 QUBO 的方法和经典基线。