Fugu-MT 論文翻訳(概要): A quantum version of Pollard's Rho of which Shor's Algorithm is a particular case

論文の概要: A quantum version of Pollard's Rho of which Shor's Algorithm is a particular case

arxiv url: http://arxiv.org/abs/2011.05355v1
Date: Tue, 10 Nov 2020 19:11:37 GMT
ステータス: 処理完了
システム内更新日: 2023-04-24 18:56:51.551626
Title: A quantum version of Pollard's Rho of which Shor's Algorithm is a particular case
Title（参考訳）: ショアのアルゴリズムが特定の場合であるポラードのRhoの量子バージョン
Authors: Daniel Chicayban Bastos and Luis Antonio Kowada
Abstract要約: ポラードのRhoは整数分解問題の解法である。ポラードのRhoはショアのアルゴリズムの一般化であることを示す。
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: Pollard's Rho is a method for solving the integer factorization problem. The strategy searches for a suitable pair of elements belonging to a sequence of natural numbers that given suitable conditions yields a nontrivial factor. In translating the algorithm to a quantum model of computation, we found its running time reduces to polynomial-time using a certain set of functions for generating the sequence. We also arrived at a new result that characterizes the availability of nontrivial factors in the sequence. The result has led us to the realization that Pollard's Rho is a generalization of Shor's algorithm, a fact easily seen in the light of the new result.
Abstract（参考訳）: ポラードのRhoは整数分解問題の解法である。この戦略は、与えられた適切な条件が非自明な因子をもたらす自然数の列に属する適切な一対の要素を探索する。計算の量子モデルにアルゴリズムを翻訳すると、その実行時間は、シーケンスを生成する関数セットを用いて多項式時間に短縮されることがわかった。また、配列内の非自明な因子の可用性を特徴付ける新しい結果にも到達した。その結果、ポラードのRhoはショアのアルゴリズムの一般化であり、これは新しい結果の光で容易に見られるという認識に至った。

関連論文リスト

Bregman-divergence-based Arimoto-Blahut algorithm [53.64687146666141]
本稿では,Arimoto-BlahutアルゴリズムをBregman-Diversergenceシステム上で定義された一般関数に一般化する。本稿では,古典的および量子速度歪み理論に適用可能な凸最適化自由アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-08-10T06:16:24Z)
Quantum Algorithms for Representation-Theoretic Multiplicities [0.0]
我々は、Kostka、Littlewood-Richardson、Plethysm、Kronecker係数を計算するための量子アルゴリズムを提供する。リトルウッド・リチャードソン係数の計算に有効な古典的アルゴリズムが存在することを示す。量子アルゴリズムがスーパーポリノミカルなスピードアップにつながると推測する。
論文参考訳（メタデータ） (2024-07-24T21:34:05Z)
Extending Regev's factoring algorithm to compute discrete logarithms [0.0]
Regevは最近、Shorのファクタリングアルゴリズムの$d$次元のバリエーションとして認識される量子ファクタリングアルゴリズムを導入した。本研究では,Regevの分解アルゴリズムを自然に離散対数を計算するアルゴリズムに拡張する。
論文参考訳（メタデータ） (2023-11-09T17:45:28Z)
An Optimal Algorithm for the Real-Valued Combinatorial Pure Exploration of Multi-Armed Bandit [65.268245109828]
多武装バンディット(R-CPE-MAB)の真価純探査問題について検討する。既存のR-CPE-MABの手法は、いわゆるトランスダクティブ線形帯域の特殊な場合と見なすことができる。本稿では,差分探索アルゴリズム (CombGapE) を提案する。
論文参考訳（メタデータ） (2023-06-15T15:37:31Z)
Approximating a RUM from Distributions on k-Slates [88.32814292632675]
与えられた分布を平均で最もよく近似するRUMを求める一般化時間アルゴリズムを求める。我々の理論的結果は、実世界のデータセットに効果的でスケール可能なものを得るという、実践的な結果も得られます。
論文参考訳（メタデータ） (2023-05-22T17:43:34Z)
An efficient quantum algorithm for lattice problems achieving subexponential approximation factor [2.3351527694849574]
整数格子のクラスに対する指数近似係数を用いて,境界距離復号法(BDD)問題を解く量子アルゴリズムを提案する。量子アルゴリズムの実行時間は、近似因子の1つの範囲と、第2の範囲の近似因子のサブ指数時間である。この見解は、有限アーベル群の観点からクリーンな量子アルゴリズムを定め、格子理論から相対的にほとんど使用せず、次元以外のパラメータの格子問題に対する近似アルゴリズムを探求することを提案している。
論文参考訳（メタデータ） (2022-01-31T18:58:33Z)
Polynomial-Time Approximation of Zero-Free Partition Functions [9.153066211741356]
局所ハミルトニアンによって定義された古典的および量子的分割関数を推定するためのアルゴリズム時間アルゴリズムを提案する。この結果はPaterとRegtsのアプローチを拡張し、一般化する新しい抽象的なフレームワークに基づいています。
論文参考訳（メタデータ） (2022-01-30T09:54:45Z)
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)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)
Solving Satisfiability of Polynomial Formulas By Sample-Cell Projection [0.8702432681310401]
実数に対する公式の満足度を決定するアルゴリズムが提案されている。このアルゴリズムのキーポイントは、サンプルセルプロジェクション演算子と呼ばれる新しいプロジェクション演算子で、Conflict-Driven Clause Learning (CDCL)スタイルの検索用にカスタマイズされている。
論文参考訳（メタデータ） (2020-03-01T05:36:09Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。