論文の概要: Spectral density estimation with the Gaussian Integral Transform
- arxiv url: http://arxiv.org/abs/2004.04889v2
- Date: Fri, 14 Aug 2020 17:02:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 06:24:56.241708
- Title: Spectral density estimation with the Gaussian Integral Transform
- Title(参考訳): ガウス積分変換を用いたスペクトル密度推定
- Authors: Alessandro Roggero
- Abstract要約: スペクトル密度作用素 $hatrho(omega)=delta(omega-hatH)$ は線形応答論において中心的な役割を果たす。
スペクトル密度を近似する近似量子アルゴリズムについて述べる。
- 参考スコア(独自算出の注目度): 91.3755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The spectral density operator $\hat{\rho}(\omega)=\delta(\omega-\hat{H})$
plays a central role in linear response theory as its expectation value, the
dynamical response function, can be used to compute scattering cross-sections.
In this work, we describe a near optimal quantum algorithm providing an
approximation to the spectral density with energy resolution $\Delta$ and error
$\epsilon$ using
$\mathcal{O}\left(\sqrt{\log\left(1/\epsilon\right)\left(\log\left(1/\Delta\right)+\log\left(1/\epsilon\right)\right)}/\Delta\right)$
operations. This is achieved without using expensive approximations to the
time-evolution operator but exploiting instead qubitization to implement an
approximate Gaussian Integral Transform (GIT) of the spectral density. We also
describe appropriate error metrics to assess the quality of spectral function
approximations more generally.
- Abstract(参考訳): スペクトル密度作用素 $\hat{\rho}(\omega)=\delta(\omega-\hat{H})$ はその期待値である動的応答関数として線形応答理論において中心的な役割を果たす。
本研究では、エネルギー分解能$\Delta$と誤差$\epsilon$を$\mathcal{O}\left(\sqrt{\log\left(1/\epsilon\right)\left(\log\left(1/\Delta\right)+\log\left(1/\epsilon\right)\right)}/\Delta\right)$演算を用いてスペクトル密度に近似を与える近似的最適量子アルゴリズムを記述する。
これは時間進化演算子に対する高価な近似を用いることなく実現されるが、代わりに量子化を利用してスペクトル密度の近似ガウス積分変換(GIT)を実装する。
また,スペクトル関数近似の質をより一般に評価するための適切な誤差指標について述べる。
関連論文リスト
- Efficient displacement convex optimization with particle gradient
descent [57.88860627977882]
粒子勾配降下は確率測度の関数の最適化に広く用いられている。
本稿では, 有限個の粒子による粒子勾配降下について考察し, その理論的保証を定式化して, 測度に置換凸となる関数を最適化する。
論文 参考訳(メタデータ) (2023-02-09T16:35:59Z) - CEDAS: A Compressed Decentralized Stochastic Gradient Method with
Improved Convergence [10.770843226843418]
本稿では,通信制限条件下でのマルチエージェントネットワークの分散最適化問題について考察する。
提案手法は,CEDAS (Convexizes) を圧縮し,滑らかな凸関連ステップの適応的なステップを実現する。
論文 参考訳(メタデータ) (2023-01-14T09:49:15Z) - ReSQueing Parallel and Private Stochastic Convex Optimization [59.53297063174519]
本稿では,BFG凸最適化(SCO: Reweighted Query (ReSQue) 推定ツールを提案する。
我々はSCOの並列およびプライベート設定における最先端の複雑さを実現するアルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-01-01T18:51:29Z) - Quantum state tomography via non-convex Riemannian gradient descent [13.100184125419691]
本研究では,kappa$のスケール依存性を改善する量子状態トモグラフィースキームを導出する。
この改良は、非多様体勾配(RGD)アルゴリズムの適用によるものである。
超高速収束とほぼ最適誤差境界の理論的結果は数値的な結果と相関する。
論文 参考訳(メタデータ) (2022-10-10T14:19:23Z) - Maximizing the Validity of the Gaussian Approximation for the biphoton
State from Parametric Downconversion [0.0]
ガウス近似の妥当性を最大化する$alpha$を選択する。
また、実用的な代替手段として、いわゆるテキツペル・ガウシアンとテキツコシン・ガウシアン近似についても論じる。
論文 参考訳(メタデータ) (2022-10-05T15:47:04Z) - Random quantum circuits transform local noise into global white noise [118.18170052022323]
低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。
十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。
ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
論文 参考訳(メタデータ) (2021-11-29T19:26:28Z) - Mean-Square Analysis with An Application to Optimal Dimension Dependence
of Langevin Monte Carlo [60.785586069299356]
この研究は、2-ワッサーシュタイン距離におけるサンプリング誤差の非同相解析のための一般的な枠組みを提供する。
我々の理論解析は数値実験によってさらに検証される。
論文 参考訳(メタデータ) (2021-09-08T18:00:05Z) - Improving the Transient Times for Distributed Stochastic Gradient
Methods [5.215491794707911]
拡散適応段階法(EDAS)と呼ばれる分散勾配アルゴリズムについて検討する。
EDASが集中勾配降下(SGD)と同じネットワーク独立収束率を達成することを示す。
我々の知る限り、EDASは$n$のコスト関数の平均が強い凸である場合に最も短い時間を達成する。
論文 参考訳(メタデータ) (2021-05-11T08:09:31Z) - Faster Convergence of Stochastic Gradient Langevin Dynamics for
Non-Log-Concave Sampling [110.88857917726276]
我々は,非log-concaveとなる分布のクラスからサンプリングするために,勾配ランゲヴィンダイナミクス(SGLD)の新たな収束解析を行う。
我々のアプローチの核心は、補助的時間反転型マルコフ連鎖を用いたSGLDのコンダクタンス解析である。
論文 参考訳(メタデータ) (2020-10-19T15:23:18Z) - Tight Nonparametric Convergence Rates for Stochastic Gradient Descent
under the Noiseless Linear Model [0.0]
このモデルに基づく最小二乗リスクに対する1パス, 固定段差勾配勾配の収束度を解析した。
特殊な場合として、ランダムなサンプリング点における値のノイズのない観測から単位区間上の実関数を推定するオンラインアルゴリズムを解析する。
論文 参考訳(メタデータ) (2020-06-15T08:25:50Z)
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。