Initialization Method for Factorization Machine Based on Low-Rank Approximation for Constructing a Corrected Approximate Ising Model

要約

本稿では、機械学習モデルである Factorization Machine (FM) を用いて、与えられた近似イジングモデルを高精度に近似できる初期化手法を紹介します。
FM を使用したイジング モデルの構築は、量子アニーリングを備えた因数分解マシンを使用した組み合わせ最適化問題に適用されます。
ウォームスタート方式の導入により、FMQAの最適化性能が向上することが期待されます。
それにもかかわらず、FMQA でウォーム スタート アプローチを活用するための最適な初期化方法はまだ決定されていません。
したがって、本研究では、いくつかの初期化方法を比較し、数値実験を通じて FMQA のウォーム スタートでの使用に最も適した方法を特定します。
さらに、提案された FM 初期化方法の特性がランダム行列理論を使用して分析され、提案された方法の近似精度が検討中の特定のイジング モデルによって大きく影響されないことが実証されました。
この研究の結果は、イジング マシンの使用による組み合わせ最適化問題解決の進歩を促進するでしょう。

要約(オリジナル)

This paper presents an initialization method that can approximate a given approximate Ising model with a high degree of accuracy using the Factorization Machine (FM), a machine learning model. The construction of Ising models using FM is applied to the combinatorial optimization problem using the factorization machine with quantum annealing. It is anticipated that the optimization performance of FMQA will be enhanced through the implementation of the warm-start method. Nevertheless, the optimal initialization method for leveraging the warm-start approach in FMQA remains undetermined. Consequently, the present study compares a number of initialization methods and identifies the most appropriate for use with a warm-start in FMQA through numerical experimentation. Furthermore, the properties of the proposed FM initialization method are analyzed using random matrix theory, demonstrating that the approximation accuracy of the proposed method is not significantly influenced by the specific Ising model under consideration. The findings of this study will facilitate the advancement of combinatorial optimization problem-solving through the use of Ising machines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google