[論文レビュー] Optimizing traffic flow using quantum annealing and classical machine learning

Florian Neukart, G. Compostella+4 more|arXiv (Cornell University)|Aug 4, 2017

Quantum Computing Algorithms and Architecture被引用数 1

ひとこと要約

本論文は、D-Waveの量子処理ユニットと古典的機械学習を用いて、量子アニーリングハードウェアに交通再配分問題をマッピングすることで、密集した道路網におけるリアルタイム交通流最適化のためのハイブリッド量子古典的アプローチを提案する。qubit数と接続性の制限があるにもかかわらず、時間的に制限のある最適化を効率的に行うことができ、大規模都市交通管理における量子インスパイアドソリューションの実現可能性を示している。

ABSTRACT

Quantum annealing algorithms belong to the class of meta-heuristic tools, applicable for solving binary optimization problems. Hardware implementations of quantum annealing, such as the quantum processing units (QPUs) produced by D-Wave Systems, have been subject to multiple analyses in research, with the aim of characterizing the technology's usefulness for optimization and sampling tasks. In this paper, we present a real-world application that uses quantum technologies. Specifically, we show how to map certain parts of the real-world traffic flow optimization problem to be suitable for quantum annealing. We show that time-critical optimization tasks, such as continuous redistribution of position data for cars in dense road networks, are suitable candidates for quantum applications. Due to the limited size and connectivity of current-generation D-Wave QPUs, we use a hybrid quantum and classical approach to solve the traffic flow problem.

研究の動機と目的

• 量子アニーリングが現実世界の交通流最適化問題に適用可能かどうかを調査すること。
• qubit数や接続性に制限のある現在のD-Wave量子処理ユニット（QPUs）の課題を、ハイブリッド量子古典的フレームワークによって解決すること。
• 量子インスパイアド最適化を用いて、動的で変化し続ける道路網における車両位置データの時間的に制限のある再配分を可能にすること。
• 量子アニーリングが現実の都市移動応用において、古典的機械学習と効果的に統合可能であることを実証すること。

提案手法

• 量子アニーリングに適したバイナリ二次最適化形式に、交通流最適化問題を定式化すること。
• D-Waveの量子処理ユニット（QPUs）を用いて、量子アニーリングによりバイナリ最適化問題を解くこと。
• ハードウェア制約を克服するため、量子処理と古典的機械学習を組み合わせたハイブリッドアプローチを実装すること。
• スケーラビリティと精度を向上させるために、古典的アルゴリズムを用いてデータの前処理および後処理を実施すること。
• 古典的モデルを用いて、反復的に問題定式化を改善し、量子ハードウェア上での解の品質を向上させること。
• リアルタイムの車両位置データを最適化パイプラインに統合し、動的で継続的な更新を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 量子アニーリングは、密集した道路網における現実世界の交通流最適化に効果的に適用可能か？
• RQ2 qubit数や接続性に制限のある現在のD-Wave QPUsの課題を、実用的応用においてどのように軽減できるか？
• RQ3 時間的に制限のある交通最適化において、ハイブリッド量子古典的アプローチの性能は、完全に古典的な手法と比べてどうか？
• RQ4 量子アニーリングは、都市交通システムにおける車両位置再配分の動的でリアルタイムの性質をどの程度適応できるか？

主な発見

• ハイブリッド量子古典的フレームワークは、現在の世代のD-Wave QPUs上で交通流最適化問題を効果的にマッピングおよび解決できた。
• 量子アニーリングは、時間的に制限のある交通シナリオにおいて、複雑な解空間の効率的探索を可能にした。
• 古典的機械学習の統合により、純粋な量子ハードウェアの制限を超えて、解の品質とスケーラビリティが向上した。
• 本アプローチは、都市交通管理システムにおける現実世界の導入可能性を示した。
• ハードウェアの制限があるにもかかわらず、動的交通データ再配分タスクにおいて、競争力のある性能を達成した。