論文の概要: More Practical and Adaptive Algorithms for Online Quantum State Learning
- arxiv url: http://arxiv.org/abs/2006.01013v1
- Date: Mon, 1 Jun 2020 15:17:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 07:53:46.028927
- Title: More Practical and Adaptive Algorithms for Online Quantum State Learning
- Title(参考訳): オンライン量子状態学習のためのより実践的で適応的なアルゴリズム
- Authors: Yifang Chen, Xin Wang
- Abstract要約: 本稿では,量子状態のオンライン学習を促進するアルゴリズムを開発する。
まず,Tallis-2エントロピーを用いた正規化Follow-the-Leader (RFTL) 法により,完全な後方視でO(sqrtMT)$の総損失が得られることを示す。
次に,古典的な調整学習率スケジュールに基づくパラメータフリーアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 11.836183463815653
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online quantum state learning is a recently proposed problem by Aaronson et
al. (2018), where the learner sequentially predicts $n$-qubit quantum states
based on given measurements on states and noisy outcomes. In the previous work,
the algorithms are worst-case optimal in general but fail in achieving tighter
bounds in certain simpler or more practical cases. In this paper, we develop
algorithms to advance the online learning of quantum states. First, we show
that Regularized Follow-the-Leader (RFTL) method with Tallis-2 entropy can
achieve an $O(\sqrt{MT})$ total loss with perfect hindsight on the first $T$
measurements with maximum rank $M$. This regret bound depends only on the
maximum rank $M$ of measurements rather than the number of qubits, which takes
advantage of low-rank measurements. Second, we propose a parameter-free
algorithm based on a classical adjusting learning rate schedule that can
achieve a regret depending on the loss of best states in hindsight, which takes
advantage of low noisy outcomes. Besides these more adaptive bounds, we also
show that our RFTL with Tallis-2 entropy algorithm can be implemented
efficiently on near-term quantum computing devices, which is not achievable in
previous works.
- Abstract(参考訳): オンライン量子状態学習はaaronson et al. (2018)によって最近提案された問題であり、学習者は状態と騒がしい結果の所定の測定値に基づいてn$-qubitの量子状態を逐次予測する。
以前の研究では、アルゴリズムは一般に最悪のケースで最適であるが、より単純な場合やより実用的な場合においてより厳密な境界を達成できない。
本稿では,量子状態のオンライン学習を促進するアルゴリズムを開発した。
まず,Tallis-2エントロピーを用いた正規化Follow-the-Leader (RFTL) 法により,最大階数$M$のT$測定値に対して,最大階数$O(\sqrt{MT})$の総損失が得られることを示す。
この後悔の束縛は、低ランクの測定を利用するキュービットの数ではなく、最大で$M$の計測にのみ依存する。
第二に、隠れた状態の損失に応じて後悔を達成できる古典的な調整学習率スケジュールに基づくパラメータフリーアルゴリズムを提案する。
これらより適応的な境界に加えて、taris-2エントロピーアルゴリズムを持つrftlは、従来の研究では実現不可能であった、短期量子コンピューティングデバイス上で効率的に実装できることも示します。
関連論文リスト
- Solving k-SAT problems with generalized quantum measurement [0.7373617024876725]
我々は、ベンジャミン、ザオ、フィッツシモンズのプロジェクションに基づく量子測定駆動の$k$-SATアルゴリズムを任意の強度量子測定に一般化する。
このアルゴリズムは連続極限において時間と測定資源が有限であれば最も効率的であると主張する。
解ける$k$-SAT問題に対して、アルゴリズムによって生成されるダイナミクスは、長期(ゼノ)限界におけるターゲットダイナミクスに決定論的に収束する。
論文 参考訳(メタデータ) (2024-06-19T15:05:18Z) - Efficient learning of quantum states prepared with few fermionic
non-Gaussian gates [0.0]
ガウスゲートの任意の数で用意された$n$フェルミオンモード上での学習状態の効率的なアルゴリズムを提案する。
我々の研究は、ガウス門をほとんど持たない状態の構造に光を当て、回路の複雑さを改良した上界を提供する。
論文 参考訳(メタデータ) (2024-02-28T19:18:27Z) - An adaptive Bayesian quantum algorithm for phase estimation [0.0]
平均絶対誤差と平均二乗誤差の最適2次スケーリングを実現するためのコヒーレンスに基づく位相推定アルゴリズムを提案する。
ノイズの存在下で、我々のアルゴリズムは理論的な下界に近づく誤差を生成する。
論文 参考訳(メタデータ) (2023-03-02T19:00:01Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳(メタデータ) (2022-06-30T03:15:23Z) - Deterministic and Entanglement-Efficient Preparation of
Amplitude-Encoded Quantum Registers [0.533024001730262]
古典ベクトル $mathbfb$ は量子状態の振幅で符号化される。
任意の状態の$Q$ qubitsは通常、約2Q$のエンタングゲートを必要とする。
状態準備に必要な量子資源を柔軟に削減できる決定論的(非変分法)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-10-26T07:37:54Z) - Double Coverage with Machine-Learned Advice [100.23487145400833]
オンラインの基本的な$k$-serverの問題を学習強化環境で研究する。
我々のアルゴリズムは任意の k に対してほぼ最適の一貫性-破壊性トレードオフを達成することを示す。
論文 参考訳(メタデータ) (2021-03-02T11:04:33Z) - Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。
シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。
これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
論文 参考訳(メタデータ) (2020-09-28T17:21:25Z) - Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth
Nonlinear TD Learning [145.54544979467872]
本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。
本研究の結果は, 同時一次および二重側収束の形で表される。
論文 参考訳(メタデータ) (2020-08-23T20:36:49Z) - Quantum Algorithm for Online Convex Optimization [4.702729080310267]
ゼロ階オンライン凸最適化問題に対して量子的優位性を求める。
本稿では,この問題に対する量子アルゴリズムを提案し,量子的優位性の可能性を示す。
論文 参考訳(メタデータ) (2020-07-29T18:34:05Z) - Quantum Gram-Schmidt Processes and Their Application to Efficient State
Read-out for Quantum Algorithms [87.04438831673063]
本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。
我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。
我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
論文 参考訳(メタデータ) (2020-04-14T11:05:26Z) - Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。
ラグランジアン分解に基づく新しい手法を提案する。
ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
論文 参考訳(メタデータ) (2020-02-24T17:55:10Z)
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。