論文の概要: Exact and approximate continuous-variable gate decompositions
- arxiv url: http://arxiv.org/abs/2010.07453v2
- Date: Fri, 5 Feb 2021 18:52:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-29 00:36:57.898913
- Title: Exact and approximate continuous-variable gate decompositions
- Title(参考訳): 実かつ近似的な連続変数ゲート分解
- Authors: Timjan Kalajdzievski and Nicol\'as Quesada
- Abstract要約: 正確な分解法と近似分解法の両方を研究し、いくつかの共通演算に対してゲート数を比較する。
正確な分解はゲート数が少ないのに対して、近似的手法は全ての連続変数演算の分解をカバーできるが、適度な精度では回路深さがかなり必要である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We gather and examine in detail gate decomposition techniques for
continuous-variable quantum computers and also introduce some new techniques
which expand on these methods. Both exact and approximate decomposition methods
are studied and gate counts are compared for some common operations. While each
having distinct advantages, we find that exact decompositions have lower gate
counts whereas approximate techniques can cover decompositions for all
continuous-variable operations but require significant circuit depth for a
modest precision.
- Abstract(参考訳): 我々は,連続変数量子コンピュータのゲート分解技術の詳細を収集・検討し,これらの手法を拡張する新しい手法を紹介する。
正確な分解法と近似分解法の両方を研究し、ゲート数を比較する。
それぞれ異なる利点があるが、正確な分解はより低いゲート数を持つのに対し、近似手法は全ての連続変数演算の分解をカバーできるが、控えめな精度では回路深度が必要となる。
関連論文リスト
- Last Iterate Convergence of Incremental Methods and Applications in
Continual Learning [12.772632966631623]
連続学習における応用により、漸進的勾配法と漸進的近位法の両方の最後の繰り返しに対する収束保証を得る。
以上の結果から, 段階的手法の繰り返し保証を, 最先端技術と比較して一般化した。
論文 参考訳(メタデータ) (2024-03-11T16:24:26Z) - Deep Hashing via Householder Quantization [3.106177436374861]
ハッシュは大規模な画像類似検索の中心にある。
一般的な解決策は、類似性学習項と量子化ペナルティ項を組み合わせた損失関数を採用することである。
本稿では,学習問題を2段階に分解する量子化戦略を提案する。
論文 参考訳(メタデータ) (2023-11-07T18:47:28Z) - Performance comparison of the two reconstruction methods for
stabilizer-based quantum secret sharing [2.2843885788439793]
ユニタリプロシージャは回路幅が小さいことが知られている。
一方,どの手法が深度が小さく,回路ゲートが小さいのかは不明である。
論文 参考訳(メタデータ) (2023-02-17T02:51:22Z) - Efficient quantum gate decomposition via adaptive circuit compression [0.0]
回路設計におけるパラメトリック2量子ゲートの利用により、回路合成の離散的な問題を連続変数に対する最適化問題に変換することができる。
このアルゴリズムをSQUANDERソフトウェアパッケージに実装し、最先端の量子ゲート合成ツールと比較した。
論文 参考訳(メタデータ) (2022-03-08T22:29:31Z) - Software mitigation of coherent two-qubit gate errors [55.878249096379804]
2量子ゲートは量子コンピューティングの重要な構成要素である。
しかし、量子ビット間の不要な相互作用(いわゆる寄生ゲート)は、量子アプリケーションの性能を低下させる。
寄生性2ビットゲート誤差を軽減するための2つのソフトウェア手法を提案する。
論文 参考訳(メタデータ) (2021-11-08T17:37:27Z) - Accurate methods for the analysis of strong-drive effects in parametric
gates [94.70553167084388]
正確な数値と摂動解析手法を用いて効率的にゲートパラメータを抽出する方法を示す。
我々は,$i$SWAP, Control-Z, CNOT など,異なる種類のゲートに対する最適操作条件を同定する。
論文 参考訳(メタデータ) (2021-07-06T02:02:54Z) - Efficient decomposition of unitary matrices in quantum circuit compilers [0.0]
ユニタリ分解は、量子アルゴリズムを任意の量子ゲートの集合にマッピングするのに広く用いられる方法である。
本実装では,CNOTゲート数の半分,回路長の3分の1の回路を生成する。
それに加えて、最大10倍高速である。
論文 参考訳(メタデータ) (2021-01-08T12:54:27Z) - Conditional gradient methods for stochastically constrained convex
minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。
私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。
提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文 参考訳(メタデータ) (2020-07-07T21:26:35Z) - Manifold Learning via Manifold Deflation [105.7418091051558]
次元削減法は、高次元データの可視化と解釈に有用な手段を提供する。
多くの一般的な手法は単純な2次元のマニフォールドでも劇的に失敗する。
本稿では,グローバルな構造を座標として組み込んだ,新しいインクリメンタルな空間推定器の埋め込み手法を提案する。
実験により,本アルゴリズムは実世界および合成データセットに新規で興味深い埋め込みを復元することを示した。
論文 参考訳(メタデータ) (2020-07-07T10:04:28Z) - Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。
提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
論文 参考訳(メタデータ) (2020-05-14T16:00:34Z) - 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。