論文の概要: Circuit-based quantum random access memory for classical data with continuous amplitudes

• arxiv url: http://arxiv.org/abs/2011.07977v1
• Date: Mon, 16 Nov 2020 14:17:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 23:52:44.691641
• Title: Circuit-based quantum random access memory for classical data with continuous amplitudes
• Title（参考訳）: 連続振幅を持つ古典データに対する回路ベース量子ランダムアクセスメモリ
• Authors: Tiago M. L. de Veras, Ismael C. S. de Araujo, Daniel K. Park and Adenilton J. da Silva
• Abstract要約: 計算コストO(Mn)によるポストセレクションなしで連続データをロードする手法を提案する。 提案手法は、確率的量子メモリ、量子デバイスにバイナリデータをロードする戦略、および標準量子ゲートを用いたFF-QRAMに基づく。
• 参考スコア（独自算出の注目度）: 2.9764834057085716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Loading data in a quantum device is required in several quantum computing applications. Without an efficient loading procedure, the cost to initialize the algorithms can dominate the overall computational cost. A circuit-based quantum random access memory named FF-QRAM can load M n-bit patterns with computational cost O(CMn) to load continuous data where C depends on the data distribution. In this work, we propose a strategy to load continuous data without post-selection with computational cost O(Mn). The proposed method is based on the probabilistic quantum memory, a strategy to load binary data in quantum devices, and the FF-QRAM using standard quantum gates, and is suitable for noisy intermediate-scale quantum computers.
• Abstract（参考訳）: いくつかの量子コンピューティングアプリケーションでは、量子デバイスにデータをロードする必要がある。 効率的なロード手順がなければ、アルゴリズムを初期化するコストが全体の計算コストを支配する。 FF-QRAMと呼ばれる回路ベースの量子ランダムアクセスメモリは、計算コストO(CMn)でMnビットパターンをロードし、Cがデータ分布に依存する連続データをロードすることができる。 本研究では,計算コストのO(Mn)を伴わずに連続データをロードする手法を提案する。 提案手法は、確率的量子メモリ、量子デバイスにバイナリデータをロードする戦略、および標準量子ゲートを用いたFF-QRAMに基づいており、ノイズの多い中間規模量子コンピュータに適している。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quadratic speed-ups in quantum kernelized binary classification [1.3812010983144802]
  量子カーネルをデータ間の類似性の尺度として使用するいくつかの量子機械学習アルゴリズムが登場し、量子状態として符号化されたデータセットのバイナリ分類を実行するようになった。 本稿では,QKCに対する新しい量子回路を提案し,量子ビットの数を1つ減らし,サンプルデータに対して回路深さを線形に減らした。 Irisデータセットの数値シミュレーションにより,従来の手法よりも2次的な高速化を検証した。
  論文  参考訳（メタデータ） (2024-03-26T07:39:48Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Data compression for quantum machine learning [2.119778346188635]
  量子コンピュータで使用する古典的データを効率よく圧縮・ロードする問題に対処する。 提案手法により,必要量子ビット数と量子回路の深さを調整できる。
  論文  参考訳（メタデータ） (2022-04-24T03:03:14Z)
• An Optimized Quantum Implementation of ISD on Scalable Quantum Resources [2.274915755738124]
  Prange の ISD アルゴリズムは量子コンピュータ上でより効率的に実装可能であることを示す。 我々は、古典的コプロセッサのアイデアを活用して、ハイブリッドな古典的量子トレードオフを設計する。
  論文  参考訳（メタデータ） (2021-12-12T06:01:10Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Classical variational simulation of the Quantum Approximate Optimization Algorithm [0.0]
  パラメタライズドゲートからなる層状量子回路をシミュレートする手法を提案する。 マルチキュービット波動関数のニューラルネットワークパラメトリゼーションを用いる。 シミュレーションした最大の回路では、4QAOA層で54量子ビットに達する。
  論文  参考訳（メタデータ） (2020-09-03T15:55:27Z)
• A divide-and-conquer algorithm for quantum state preparation [2.2596039727344457]
  本研究では,N次元ベクトルを多対数深度および絡み合った情報を持つ量子回路に負荷させることが可能であることを示す。 その結果,空間の計算時間を交換するために分割・対数戦略を用いて,量子デバイスに効率的にデータをロードできることが示唆された。
  論文  参考訳（メタデータ） (2020-08-04T13:26:07Z)

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。