論文の概要: Machine Learning the period finding algorithm

• arxiv url: http://arxiv.org/abs/2103.05708v1
• Date: Tue, 9 Mar 2021 20:45:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-12 09:35:19.785824
• Title: Machine Learning the period finding algorithm
• Title（参考訳）: 時間探索アルゴリズムの機械学習
• Authors: John George Francis and Anil Shaji
• Abstract要約: 我々は、周期探索アルゴリズムで使用可能なユニタリ行列を見つけるために、微分可能プログラミングと勾配降下を用いる。 本研究では,周期探索アルゴリズムに適した単元行列はこれだけではないことを示唆した。
• 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 use differentiable programming and gradient descent to find unitary matrices that can be used in the period finding algorithm to extract period information from the state of a quantum computer post application of the oracle. The standard procedure is to use the inverse quantum Fourier transform. Our findings suggest that that this is not the only unitary matrix appropriate for the period finding algorithm, There exist several unitary matrices that can affect out the same transformation and they are significantly different from each other as well. These unitary matrices can be learned by an algorithm. Neural networks can be applied to differentiate such unitary matrices from randomly generated ones indicating that these unitaries do have characteristic features that cannot otherwise be discerned easily.
• Abstract（参考訳）: 我々は、微分可能プログラミングと勾配降下を用いて、オラクルの量子コンピュータのポストアプリケーションの状態から周期情報を抽出するための時間探索アルゴリズムで使用できるユニタリ行列を見つける。 標準的な手順は逆量子フーリエ変換を使うことである。 本研究では, 周期探索アルゴリズムに適した一元行列はこれが唯一のものではないことを示唆し, 同一の変換に影響を与えることができる複数の一元行列が存在し, それらも有意に異なる。 これらの一元行列はアルゴリズムによって学習することができる。 ニューラルネットワークは、そのようなユニタリ行列とランダムに生成された行列を区別するために適用することができ、これらのユニタリは容易に識別できない特徴を持っていることを示している。

関連論文リスト

• Improving Algorithmic Efficiency using Cryptography [11.496343300483904]
  計算問題を解く際の時間的複雑さを改善するために暗号を用いる方法を示す。 標準的な暗号仮定では、既存のアルゴリズムよりも高速なアルゴリズムを設計できることを示す。
  論文  参考訳（メタデータ） (2025-02-18T17:08:59Z)
• An alternative explicit circuit diagram for the quantum search algorithm by implementing a non-unitary gate [0.0]
  グロバー探索アルゴリズムにおける最後の量子状態はグラマーシュミット過程における正規化マーク量子状態であるため、非単位ゲートを用いてこのベクトルを生成することができる。 非ユニタリ行列の平方根とGram-Schmidt過程を模倣したユニタリ行列を用いて、複数の明示的なユニタリ実装を提案する。
  論文  参考訳（メタデータ） (2024-12-21T07:26:30Z)
• Quantum-inspired algorithm applied to extreme learning [0.6181093777643575]
  量子インスパイアされた特異値分解を極端な学習フレームワークに適用する。 スピードアップは、それらのノルムに従って行列要素の効率的なサンプリングによって可能である。 この研究は量子インスパイアされたアルゴリズムの実用化に向けた第一歩である。
  論文  参考訳（メタデータ） (2022-09-26T06:49:53Z)
• Quantum algorithms for matrix operations and linear systems of equations [65.62256987706128]
  本稿では,「Sender-Receiver」モデルを用いた行列演算のための量子アルゴリズムを提案する。 これらの量子プロトコルは、他の量子スキームのサブルーチンとして使用できる。
  論文  参考訳（メタデータ） (2022-02-10T08:12:20Z)
• Sublinear Time Approximation of Text Similarity Matrices [50.73398637380375]
  一般的なNystr"om法を不確定な設定に一般化する。 我々のアルゴリズムは任意の類似性行列に適用でき、行列のサイズでサブ線形時間で実行される。 本手法は,CUR分解の単純な変種とともに,様々な類似性行列の近似において非常によく機能することを示す。
  論文  参考訳（メタデータ） (2021-12-17T17:04:34Z)
• A Quantum Computer Amenable Sparse Matrix Equation Solver [0.0]
  本稿では,行列方程式の解法に関わる問題について検討する。 Harrow/Hassidim/Lloydアルゴリズムを固有位相推定のための代替ユニタリを提供することにより一般化する。 このユニタリは任意の行列方程式に対して十分に定義されているという利点があり、それによって解の手順を量子ハードウェアに直接実装することができる。
  論文  参考訳（メタデータ） (2021-12-05T15:42:32Z)
• Quantum query complexity with matrix-vector products [9.192149087264033]
  入力ベクトル上での動作を返すクエリを用いて,行列の性質を学習する量子アルゴリズムについて検討する。 行列のトレース、行列式、階数などの様々な問題に対して、量子コンピュータは古典計算の高速化を提供していないことを示す。
  論文  参考訳（メタデータ） (2021-02-22T20:42:17Z)
• Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
  ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。 我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-30T19:10:32Z)
• What if Neural Networks had SVDs? [66.91160214071088]
  様々なニューラルネットワークでは、行列反転のような時間を要する行列演算を採用している。 本稿では,行列演算を高速化するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-09-29T12:58:52Z)
• Sketching Transformed Matrices with Applications to Natural Language Processing [76.6222695417524]
  本稿では, 変換行列を用いて, 与えられた小さな行列の積を計算するための空間効率のよいスケッチアルゴリズムを提案する。 提案手法は誤差が小さく,空間と時間の両方で効率がよいことを示す。
  論文  参考訳（メタデータ） (2020-02-23T03:07:31Z)
• Optimal Iterative Sketching with the Subsampled Randomized Hadamard Transform [64.90148466525754]
  最小二乗問題に対する反復スケッチの性能について検討する。 本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。 これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
  論文  参考訳（メタデータ） (2020-02-03T16:17:50Z)

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。