A supervised hybrid quantum machine learning solution to the emergency escape routing problem

要約

自然災害への対応を効果的に管理することで、その壊滅的な影響を大幅に軽減できます。
この研究では、教師ありハイブリッド量子機械学習を使用して自然災害時の自動車の緊急避難計画を最適化する可能性を探ります。
この研究は地震緊急事態に焦点を当てており、地震が都市のエリアに被害を与える問題を動的計算グラフとしてモデル化しています。
住民は交通渋滞が発生する出口まで到達して市内から避難しようとしている。
この状況は、不確実で動的に進化する地図上の最短経路問題としてモデル化されています。
私たちは新しいハイブリッド教師あり学習アプローチを提案し、具体的な都市グラフ上の仮想状況でそれをテストします。
このアプローチでは、古典的な FiLM ネットワークと並行して、新しい量子特徴量線形変調 (FiLM) ニューラル ネットワークを使用して、決定論的な動的グラフ上でダイクストラのノードごとの最短パス アルゴリズムを模倣します。
量子ニューラル ネットワークを並行して追加すると、データセットの調和特徴と非調和特徴が量子コンポーネントと古典コンポーネントの間で分割されるため、モデル全体の表現力が向上します。
ハイブリッド教師あり学習エージェントは、ダイクストラの最短経路のデータセットでトレーニングされ、ナビゲーション タスクを正常に学習できます。
ハイブリッド量子ネットワークは、純粋に古典的な教師あり学習アプローチよりも精度が 7% 向上します。
量子部分が予測に対して 45.(3)% という大きな寄与を持ち、ネットワークがイオンベースの量子コンピューターで実行できることを示します。
この結果は、自然災害時の緊急避難計画の改善における教師ありハイブリッド量子機械学習の可能性を示しています。

要約(オリジナル)

Managing the response to natural disasters effectively can considerably mitigate their devastating impact. This work explores the potential of using supervised hybrid quantum machine learning to optimize emergency evacuation plans for cars during natural disasters. The study focuses on earthquake emergencies and models the problem as a dynamic computational graph where an earthquake damages an area of a city. The residents seek to evacuate the city by reaching the exit points where traffic congestion occurs. The situation is modeled as a shortest-path problem on an uncertain and dynamically evolving map. We propose a novel hybrid supervised learning approach and test it on hypothetical situations on a concrete city graph. This approach uses a novel quantum feature-wise linear modulation (FiLM) neural network parallel to a classical FiLM network to imitate Dijkstra’s node-wise shortest path algorithm on a deterministic dynamic graph. Adding the quantum neural network in parallel increases the overall model’s expressivity by splitting the dataset’s harmonic and non-harmonic features between the quantum and classical components. The hybrid supervised learning agent is trained on a dataset of Dijkstra’s shortest paths and can successfully learn the navigation task. The hybrid quantum network improves over the purely classical supervised learning approach by 7% in accuracy. We show that the quantum part has a significant contribution of 45.(3)% to the prediction and that the network could be executed on an ion-based quantum computer. The results demonstrate the potential of supervised hybrid quantum machine learning in improving emergency evacuation planning during natural disasters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google