論文の概要: Quantum Sampling Algorithms for Near-Term Devices
- arxiv url: http://arxiv.org/abs/2005.14059v3
- Date: Tue, 7 Sep 2021 11:42:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 02:49:55.676930
- Title: Quantum Sampling Algorithms for Near-Term Devices
- Title(参考訳): 近接デバイスのための量子サンプリングアルゴリズム
- Authors: Dominik S. Wild, Dries Sels, Hannes Pichler, Cristian Zanoci, Mikhail
D. Lukin
- Abstract要約: ギブス分布全体を符号化することで、偏りのないサンプルを提供する量子アルゴリズムのファミリを導入する。
このアプローチが従来のマルコフ連鎖アルゴリズムの高速化につながることを示す。
短期量子デバイス上で、潜在的に有用なサンプリングアルゴリズムを探索する扉を開く。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficient sampling from a classical Gibbs distribution is an important
computational problem with applications ranging from statistical physics over
Monte Carlo and optimization algorithms to machine learning. We introduce a
family of quantum algorithms that provide unbiased samples by preparing a state
encoding the entire Gibbs distribution. We show that this approach leads to a
speedup over a classical Markov chain algorithm for several examples including
the Ising model and sampling from weighted independent sets of two different
graphs. Our approach connects computational complexity with phase transitions,
providing a physical interpretation of quantum speedup. Moreover, it opens the
door to exploring potentially useful sampling algorithms on near-term quantum
devices as the algorithm for sampling from independent sets on certain graphs
can be naturally implemented using Rydberg atom arrays.
- Abstract(参考訳): 古典的なギブス分布からの効率的なサンプリングは、モンテカルロ上の統計物理学や最適化アルゴリズムから機械学習まで、重要な計算問題である。
ギブス分布全体をエンコードした状態を作成し、偏りのないサンプルを提供する量子アルゴリズムのファミリを紹介する。
このアプローチは、Isingモデルや2つの異なるグラフの重み付き独立集合からのサンプリングなど、古典マルコフ連鎖アルゴリズムの高速化につながることを示す。
本手法は計算複雑性を位相遷移と結びつけ,量子スピードアップの物理的解釈を提供する。
さらに、特定のグラフ上の独立集合からサンプリングするアルゴリズムは、Rydberg原子配列を用いて自然に実装できるため、短期量子デバイス上で潜在的に有用なサンプリングアルゴリズムを探索する扉を開く。
関連論文リスト
- Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。
我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。
以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
論文 参考訳(メタデータ) (2024-10-30T08:41:29Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph
Classification [0.9935277311162707]
2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。
ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。
本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-02-05T21:24:11Z) - Stochastic Quantum Sampling for Non-Logconcave Distributions and
Estimating Partition Functions [13.16814860487575]
非対数確率分布からサンプリングする量子アルゴリズムを提案する。
f$ は有限和 $f(x):= frac1Nsum_k=1N f_k(x)$ と書くことができる。
論文 参考訳(メタデータ) (2023-10-17T17:55:32Z) - Quantum Semidefinite Programming with Thermal Pure Quantum States [0.5639904484784125]
行列乗法重み付けアルゴリズムの量子化'''は、古典的アルゴリズムよりも2次的に高速なSDPの近似解が得られることを示す。
この量子アルゴリズムを改良し、ギブス状態サンプリング器を熱純量子(TPQ)状態に置き換えることで、同様のスピードアップが得られることを示す。
論文 参考訳(メタデータ) (2023-10-11T18:00:53Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳(メタデータ) (2022-05-26T20:32:36Z) - Quantum algorithm for stochastic optimal stopping problems with
applications in finance [60.54699116238087]
有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。
プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
論文 参考訳(メタデータ) (2021-11-30T12:21:41Z) - Quantum Sampling Algorithms, Phase Transitions, and Computational
Complexity [0.0]
確率分布から独立したサンプルを描画することはモンテカルロアルゴリズム、機械学習、統計物理学における重要な計算問題である。
この問題は原則として、確率分布全体を符号化した量子状態を作成し、続いて射影測定を行うことで、量子コンピュータ上で解決することができる。
本研究では,イジング連鎖,異なるグラフ上のハードスフィアモデル,非構造探索問題を符号化したモデルなど,様々なモデルのギブス分布に対して,そのような量子状態の漸近的準備の複雑さについて検討する。
論文 参考訳(メタデータ) (2021-09-07T11:43:45Z) - Nearly Linear Row Sampling Algorithm for Quantile Regression [54.75919082407094]
データの次元にほぼ線形なサンプル複雑性を持つ量子化損失関数の行サンプリングアルゴリズムを提案する。
行サンプリングアルゴリズムに基づいて、量子レグレッションの最も高速なアルゴリズムと、バランスの取れた有向グラフのグラフスペーシフィケーションアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-15T13:40:07Z)
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。