論文の概要: Global multipartite entanglement dynamics in Grover's search algorithm
- arxiv url: http://arxiv.org/abs/2003.03483v1
- Date: Sat, 7 Mar 2020 01:41:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 06:58:34.002061
- Title: Global multipartite entanglement dynamics in Grover's search algorithm
- Title(参考訳): Groverの探索アルゴリズムにおける大域多部絡み合いのダイナミクス
- Authors: Minghua Pan, Daowen Qiu, Shenggen Zheng
- Abstract要約: エンタングルメントは、量子アルゴリズムがある種の計算タスクにおいて古典的なアルゴリズムよりも効率的である理由の1つであると考えられている。
Groverの探索アルゴリズムにおける多ビット状態の大域的多部絡み合いは、幾何的絡み合い(GME)を用いて定量化することができる。
GMEの曲線中に、マーク状態の数とハミング重みから計算できる旋回点が一般に存在することを示す。
- 参考スコア(独自算出の注目度): 1.9551668880584971
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Entanglement is considered to be one of the primary reasons for why quantum
algorithms are more efficient than their classical counterparts for certain
computational tasks. The global multipartite entanglement of the multiqubit
states in Grover's search algorithm can be quantified using the geometric
measure of entanglement (GME). Rossi {\em et al.} (Phys. Rev. A \textbf{87},
022331 (2013)) found that the entanglement dynamics is scale invariant for
large $n$. Namely, the GME does not depend on the number $n$ of qubits; rather,
it only depends on the ratio of iteration $k$ to the total iteration. In this
paper, we discuss the optimization of the GME for large $n$. We prove that
``the GME is scale invariant'' does not always hold. We show that there is
generally a turning point that can be computed in terms of the number of marked
states and their Hamming weights during the curve of the GME. The GME is scale
invariant prior to the turning point. However, the GME is not scale invariant
after the turning point since it also depends on $n$ and the marked states.
- Abstract(参考訳): エンタングルメントは、量子アルゴリズムが古典的な計算タスクよりも効率的である理由の1つであると考えられている。
グローバーの探索アルゴリズムにおける多ビット状態の大域的多部絡み合いは、幾何的絡み合い(GME)を用いて定量することができる。
Rossi et al. (英語)
は (Phys)。
rev. a \textbf{87}, 022331 (2013) は、エンタングルメントダイナミクスが大きな$n$に対してスケール不変であることを示した。
すなわち、GMEはキュービットの$n$に依存せず、その代わりに全反復に対する$k$の比率にのみ依存する。
本稿では,大規模$n$に対するGMEの最適化について論じる。
GME is scale invariant'' が常に成り立つとは限らないことを証明します。
gmeの曲線の間には、マーキング状態の数とそのハミング重みの項で計算できる転回点が一般に存在することを示す。
GMEは回転点の前にスケール不変である。
しかし、GMEは、$n$とマークされた状態にも依存するため、ターンポイントの後にスケール不変ではない。
関連論文リスト
- Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳(メタデータ) (2024-01-31T15:50:50Z) - Multi-copy activation of genuine multipartite entanglement in
continuous-variable systems [0.0]
真のマルチパートエンタングルメント(GME)の活性化は、2つの分離可能だが完全に分離不能な状態の複数のコピーがGMEとなる現象である。
GME-activatable non-Gaussian state の例を示す。
CMバイセパビリティ基準はガウス状態においても不十分であることを示す。
論文 参考訳(メタデータ) (2023-12-27T13:35:35Z) - Renormalization group for measurement and entanglement phase transitions [0.0]
2つの有効ラグランジアンの再正規化群(RG)の流れを解析する。
ランダムテンソルネットワークの理論は、ランダムフィールドイジングモデルに類似した次元還元特性を持つことを示す。
論文 参考訳(メタデータ) (2023-03-14T12:40:03Z) - Coherence and entanglement in Grover and Harrow-Hassidim-Lloyd algorithm [7.3497729809589]
エンタングルメントのコヒーレンス、不協和、幾何学的測定は、物理的資源を測定するための重要なツールである。
それらをGroverのアルゴリズムのすべてのステップで計算する。
論文 参考訳(メタデータ) (2022-12-28T16:37:20Z) - Threshold size for the emergence of a classical-like behaviour [68.8204255655161]
システムを古典的な記述に適応できる最小サイズを推定する手法を設計する。
磁気システムの特定のケースについて検討し、ゲダンケン実験の詳細を提示し、徹底的にコメントする。
論文 参考訳(メタデータ) (2022-03-25T11:31:14Z) - A Post-Quantum Associative Memory [5.2178708158547025]
連想記憶(Associative memory)は、その部分的開示によって完全に検索できる情報を記憶する装置である。
本稿では, 一般確率論の枠組みの中で, 連想記憶のおもちゃモデルとその限界について検討する。
論文 参考訳(メタデータ) (2022-01-28T18:10:19Z) - Quantum double aspects of surface code models [77.34726150561087]
基礎となる量子double $D(G)$対称性を持つ正方格子上でのフォールトトレラント量子コンピューティングの北エフモデルを再検討する。
有限次元ホップ代数$H$に基づいて、我々の構成がどのように$D(H)$モデルに一般化するかを示す。
論文 参考訳(メタデータ) (2021-06-25T17:03:38Z) - Correcting Momentum with Second-order Information [50.992629498861724]
最適積に$O(epsilon)$epsilon点を求める非臨界最適化のための新しいアルゴリズムを開発した。
我々は、さまざまな大規模ディープラーニングベンチマークとアーキテクチャで結果を検証する。
論文 参考訳(メタデータ) (2021-03-04T19:01:20Z) - AdamP: Slowing Down the Slowdown for Momentum Optimizers on
Scale-invariant Weights [53.8489656709356]
正規化技術は現代の深層学習の恩恵である。
しかし、運動量を導入することで、スケール不変の重みに対する効果的なステップサイズが急速に小さくなることがしばしば見過ごされる。
本稿では,この2つの材料の組み合わせが,有効ステップサイズと準最適モデル性能の早期劣化につながることを検証した。
論文 参考訳(メタデータ) (2020-06-15T08:35:15Z) - Inherent Noise in Gradient Based Methods [3.0712335337791288]
騒音と摂動に対するロバスト性への影響は一般化と関係している。
このノイズは重みの摂動に敏感なモデルにペナルティを与える。
ペナルティは、現在更新に使用中のバッチに対して最も顕著であり、より大きなモデルでは高くなっています。
論文 参考訳(メタデータ) (2020-05-26T14:12:22Z) - Fast and Robust Comparison of Probability Measures in Heterogeneous
Spaces [62.35667646858558]
本稿では, アンカー・エナジー (AE) とアンカー・ワッサースタイン (AW) 距離を紹介する。
我々の主な貢献は、素案実装が立方体となる対数四重項時間でAEを正確に計算するスイープラインアルゴリズムを提案することである。
AE と AW は,一般的な GW 近似の計算コストのごく一部において,様々な実験環境において良好に動作することを示す。
論文 参考訳(メタデータ) (2020-02-05T03:09:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。