論文の概要: Optimizing Quantum Search with a Binomial Version of Grover's Algorithm
- arxiv url: http://arxiv.org/abs/2007.10894v1
- Date: Tue, 21 Jul 2020 15:36:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 20:47:43.976231
- Title: Optimizing Quantum Search with a Binomial Version of Grover's Algorithm
- Title（参考訳）: Groverのアルゴリズムの2項バージョンによる量子探索の最適化
- Authors: Austin Gilliam, Marco Pistoia, and Constantin Gonciulea
- Abstract要約: Groverの検索アルゴリズムの重要なコンポーネントである振幅増幅は、1つまたは複数のターゲット状態の確率を体系的に増加させるために反復的アプローチを使用する。
状態をクラスに分割することで増幅手順を強化するための新しい戦略を提案する。
- 参考スコア（独自算出の注目度）: 4.220030262107688
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Amplitude Amplification -- a key component of Grover's Search algorithm --
uses an iterative approach to systematically increase the probability of one or
multiple target states. We present novel strategies to enhance the
amplification procedure by partitioning the states into classes, whose
probabilities are increased at different levels before or during amplification.
The partitioning process is based on the binomial distribution. If the classes
to which the search target states belong are known in advance, the number of
iterations in the Amplitude Amplification algorithm can be drastically reduced
compared to the standard version. In the more likely case in which the relevant
classes are not known in advance, their selection can be configured at run
time, or a random approach can be employed, similar to classical algorithms
such as binary search. In particular, we apply this method in the context of
our previously introduced Quantum Dictionary pattern, where keys and values are
encoded in two separate registers, and the value-encoding method is independent
of the type of superposition used in the key register. We consider this type of
structure to be the natural setup for search. We confirm the validity of our
new approach through experimental results obtained on real quantum hardware,
the Honeywell System Model H0 trapped-ion quantum computer.
- Abstract（参考訳）: Groverの検索アルゴリズムの重要なコンポーネントである振幅増幅は、1つまたは複数のターゲット状態の確率を体系的に増加させる反復的アプローチを使用する。
増幅前または増幅中、異なるレベルで確率が増大するクラスに分割することで増幅手順を強化する新しい戦略を提案する。
分割過程は二項分布に基づいている。
探索対象状態に属するクラスが予め知られている場合、振幅増幅アルゴリズムの反復回数を標準バージョンと比較して大幅に削減することができる。
関連クラスが事前に知られていない可能性の高い場合には、その選択を実行時に設定したり、バイナリ検索のような古典的なアルゴリズムのようにランダムなアプローチを適用できる。
特に,キーと値が2つの異なるレジスタにエンコードされる量子辞書パターンの文脈において,この手法を適用し,キーレジスタで使用される重ね合わせの種類に依存しない値符号化手法を提案する。
この種の構造は,探索の自然なセットアップであると考える。
実量子ハードウェアであるhoneywell system model h0 trap-ion quantum computerで得られた実験結果から,本手法の有効性を確認した。
関連論文リスト
- Generalized Hybrid Search and Applications to Blockchain and Hash
Function Security [50.16790546184646]
まず,ハイブリッド量子古典戦略を用いて,様々な探索問題を解くことの難しさについて検討する。
次に、ハイブリッド量子古典探索アルゴリズムを構築し、その成功確率を解析する。
論文 参考訳（メタデータ） (2023-11-07T04:59:02Z) - Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。
本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T16:04:06Z) - A hybrid quantum-classical classifier based on branching multi-scale
entanglement renormalization ansatz [5.548873288570182]
本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。
グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。
本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
論文 参考訳（メタデータ） (2023-03-14T13:46:45Z) - Quantum Speedup for Higher-Order Unconstrained Binary Optimization and
MIMO Maximum Likelihood Detection [2.5272389610447856]
実数値の高次非制約二項最適化問題をサポートする量子アルゴリズムを提案する。
提案アルゴリズムは,古典的領域におけるクエリの複雑さを低減し,量子領域における2次高速化を実現する。
論文 参考訳（メタデータ） (2022-05-31T00:14:49Z) - 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) - A quantum algorithm for gravitational wave matched filtering [0.0]
雑音データ中の未知信号の検出に量子アルゴリズムを適用することを提案する。
古典的手法と比較して、これはテンプレートの数の二乗根に比例するスピードアップを与える。
本稿では,基本量子回路の実装の実証と,第1次重力波信号GW150914の検出に対するアルゴリズムの適用のシミュレーションの両方を実証する。
論文 参考訳（メタデータ） (2021-09-03T13:58:58Z) - Determinantal Beam Search [75.84501052642361]
ビームサーチは、ニューラルシーケンスモデルをデコードするためのゴーツー戦略である。
複数のソリューションを要求するユースケースでは、多様あるいは代表的なセットがしばしば望まれる。
ビームサーチを一連の部分決定問題として繰り返し行うことにより、アルゴリズムを多種多様なサブセット選択プロセスに変換することができる。
論文 参考訳（メタデータ） (2021-06-14T13:01:46Z) - Quantum Inspired Adaptive Boosting [0.0]
量子アンサンブル法は古典的アルゴリズムに勝らないことを示す。
本稿では,量子アンサンブル法と適応的なブースティングを組み合わせた手法を提案する。
アルゴリズムはテストされ、公開データセット上のAdaBoostアルゴリズムに匹敵することがわかった。
論文 参考訳（メタデータ） (2021-02-01T16:33:14Z) - Efficient Algorithms for Causal Order Discovery in Quantum Networks [44.356294905844834]
入力および出力システムへのブラックボックスアクセスを前提として,最初の効率的な量子因果順序探索アルゴリズムを開発した。
我々は、量子コムを用いて因果順序をモデル化し、我々のアルゴリズムは、与えられたプロセスと互換性のある入力と出力の順序を出力する。
我々のアルゴリズムは、量子通信ネットワークで利用可能な伝送経路を効率的に検出し、最適化する方法を提供する。
論文 参考訳（メタデータ） (2020-12-03T07:12:08Z) - Quantum Search for Scaled Hash Function Preimages [1.3299507495084417]
本稿では,Groverのアルゴリズムを量子シミュレーターに実装し,2つのスケールしたハッシュ関数の前像の量子探索を行う。
我々は,Groverのアルゴリズムのいくつかのステップの後に量子レジスタをサンプリングしてショートカットを提案する戦略は,誤差軽減の観点からは限界的な実用的優位性しか得られないことを示した。
論文 参考訳（メタデータ） (2020-09-01T18:00:02Z) - Learning to Accelerate Heuristic Searching for Large-Scale Maximum
Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。
既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。
我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文 参考訳（メタデータ） (2020-05-09T02:48:23Z)
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。