論文の概要: Success-or-Draw: A Strategy Allowing Repeat-Until-Success in Quantum
Computation
- arxiv url: http://arxiv.org/abs/2011.01055v2
- Date: Sun, 18 Apr 2021 08:36:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-26 01:38:45.506023
- Title: Success-or-Draw: A Strategy Allowing Repeat-Until-Success in Quantum
Computation
- Title(参考訳): Success-or-Draw:量子計算における再試行可能な戦略
- Authors: Qingxiuxiong Dong, Marco T\'ulio Quintino, Akihito Soeda, Mio Murao
- Abstract要約: 本稿では,確率的高次変換手法であるMuccess-or-drawを提案する。
次に、最適な成功または引き込みプロトコルを得るための半確定的なプログラミング手法を提案し、一般的なユニタリ演算を反転させる問題について詳細に分析する。
- 参考スコア(独自算出の注目度): 4.014524824655106
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Repeat-until-success strategy is a standard method to obtain success with a
probability which grows exponentially in the number of iterations. However,
since quantum systems are disturbed after a quantum measurement, it is not
straightforward how to perform repeat-until-success strategies in certain
quantum algorithms. In this paper, we propose a new structure for probabilistic
higher-order transformation named success-or-draw, which allows a
repeat-until-success implementation. For that we provide a universal
construction of success-or-draw structure which works for any probabilistic
higher-order transformation on unitary operations. We then present a
semidefinite programming approach to obtain optimal success-or-draw protocols
and analyze in detail the problem of inverting a general unitary operation.
- Abstract(参考訳): Repeat-until-success戦略は、反復数で指数関数的に増加する確率で成功を得るための標準的な方法である。
しかし、量子系は量子測定後に乱れてしまうため、特定の量子アルゴリズムにおいて再帰的成功戦略を実行する方法が簡単ではない。
本稿では,再帰的不成功実装を可能にする,success-or-drawと呼ばれる確率的高階変換のための新しい構造を提案する。
そのため、単項演算に対する確率的高次変換に作用する成功または引き込み構造を普遍的に構築する。
次に, 最適なサクセス・オ・ドロープロトコルを得るための半定値プログラミング手法を提案し, 一般的なユニタリ操作を反転する問題を詳細に解析する。
関連論文リスト
- Quantum Advantage in Reversing Unknown Unitary Evolutions [9.259390080722206]
我々は、任意の未知のユニタリ変換を普遍的に逆転する決定論的かつ正確なアプローチである量子ユニタリ逆アルゴリズム(QURA)を導入する。
QURAは正確なユニタリ・インバージョンを保証するが、古典的なインバージョンは、有限個のユニタリ・コールを使用して正確なインバージョンを達成できない。
論文 参考訳(メタデータ) (2024-03-07T17:59:11Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Quantum process tomography of continuous-variable gates using coherent
states [49.299443295581064]
ボソニックモード超伝導回路におけるコヒーレント状態量子プロセストモグラフィ(csQPT)の使用を実証する。
符号化量子ビット上の変位とSNAP演算を用いて構築した論理量子ゲートを特徴付けることにより,本手法の結果を示す。
論文 参考訳(メタデータ) (2023-03-02T18:08:08Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳(メタデータ) (2022-09-12T15:47:44Z) - Improvement of quantum walk-based search algorithms in single marked
vertex graphs [0.0]
増幅増幅は通常、成功確率を増幅するために使用されるが、サッフル問題は続く。
本研究では,探索アルゴリズムの成功確率の向上とソッフル問題回避を両立できる一般化補間量子ウォークを定義する。
論文 参考訳(メタデータ) (2022-09-09T07:43:46Z) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳(メタデータ) (2022-08-01T12:48:48Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳(メタデータ) (2022-03-30T02:02:16Z) - Gaussian initializations help deep variational quantum circuits escape
from the barren plateau [87.04438831673063]
近年、変分量子回路は量子シミュレーションや量子機械学習に広く用いられている。
しかし、ランダムな構造を持つ量子回路は、回路深さと量子ビット数に関して指数関数的に消える勾配のため、トレーニング容易性が低い。
この結果、ディープ量子回路は実用的なタスクでは実現できないという一般的な信念が導かれる。
論文 参考訳(メタデータ) (2022-03-17T15:06:40Z) - Preparation of quantum superposition using partial negation [1.911678487931003]
準備過程の速度と準備された重ね合わせの精度は、任意の量子アルゴリズムの成功に特に重要である。
提案手法は、$mathcalO(n)$のステップで必要となる量子重ね合わせを準備するために使用できる。
論文 参考訳(メタデータ) (2021-09-29T11:57:44Z) - Simple upper and lower bounds on the ultimate success probability for
discriminating arbitrary finite-dimensional quantum processes [2.538209532048866]
任意の量子過程を識別する際の最終的な成功確率の単純な上限を示す。
マルチショットチャネル判別の特別な場合において、最終的な成功確率は、与えられたチャネルによって決定される少なくとも定数因子によって増加することを示すことができる。
また,計算コストの低いベイズ更新に基づく下限も提示する。
論文 参考訳(メタデータ) (2020-12-27T01:14:23Z) - Revisiting Shor's quantum algorithm for computing general discrete
logarithms [0.0]
一般的な離散対数計算のためのShorのアルゴリズムは、1回のランで約60%から82%の成功確率を達成できることを示す。
量子的に評価されるグループ演算数をわずかに増加させることで、このアルゴリズムが1回の実行で99%を超える成功確率を達成するために、さらにどのように修正されるかを示す。
論文 参考訳(メタデータ) (2019-05-22T11:47:38Z)
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。