論文の概要: Resonant Quantum Principal Component Analysis
- arxiv url: http://arxiv.org/abs/2104.02476v2
- Date: Tue, 25 Jan 2022 12:29:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 06:19:39.110051
- Title: Resonant Quantum Principal Component Analysis
- Title（参考訳）: 共鳴量子主成分分析
- Authors: Zhaokai Li, Zihua Chai, Yuhang Guo, Wentao Ji, Mengqi Wang, Fazhan
Shi, Ya Wang, Seth Lloyd and Jiangfeng Du
- Abstract要約: 主成分分析は、情報を保存しながらデータの次元を小さくするために広く採用されている。
この研究は、データ次元の削減における量子アルゴリズムの高速化能力を示し、将来量子人工知能アルゴリズムの一部として利用することができる。
- 参考スコア（独自算出の注目度）: 15.518068174135761
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Principal component analysis has been widely adopted to reduce the dimension
of data while preserving the information. The quantum version of PCA (qPCA) can
be used to analyze an unknown low-rank density matrix by rapidly revealing the
principal components of it, i.e. the eigenvectors of the density matrix with
largest eigenvalues. However, due to the substantial resource requirement, its
experimental implementation remains challenging. Here, we develop a resonant
analysis algorithm with the minimal resource for ancillary qubits, in which
only one frequency scanning probe qubit is required to extract the principal
components. In the experiment, we demonstrate the distillation of the first
principal component of a 4$\times$4 density matrix, with the efficiency of
86.0% and fidelity of 0.90. This work shows the speed-up ability of quantum
algorithm in dimension reduction of data and thus could be used as part of
quantum artificial intelligence algorithms in the future.
- Abstract（参考訳）: 主成分分析は、情報を保存しながらデータの次元を減らすために広く採用されている。
pca (qpca) の量子バージョンは、その主要な成分、すなわち最大の固有値を持つ密度行列の固有ベクトルを迅速に明らかにすることにより、未知の低ランク密度行列を分析するのに使うことができる。
しかし、十分な資源要求があるため、実験的な実装はいまだに困難である。
そこで我々は,主成分を抽出するために1つの周波数走査プローブキュービットしか必要としない,補助量子ビットの最小リソースを持つ共振解析アルゴリズムを開発した。
実験では,4$\times$4密度行列の最初の主成分を86.0%,忠実度0.90で蒸留した。
この研究は、データ次元の削減における量子アルゴリズムの高速化能力を示し、将来量子人工知能アルゴリズムの一部として利用することができる。
関連論文リスト
- Quantum Simulation of Realistic Materials in First Quantization Using Non-local Pseudopotentials [1.3166122476354067]
本稿では、電子構造の量子シミュレーションにおける第1の量子化平面波アルゴリズムの有用性を改良し、実証する。
我々は、最も正確で広く使われている偽ポテンシャルの1つである、Goedecker-Tetter-Hutter(GTH)擬ポテンシャルに焦点をあてる。
GTH擬ポテンシャルの複雑な形式にもかかわらず、量子シミュレーションの全体的なコストを大幅に増大させることなく、関連する演算子のエンコードをブロックすることができる。
論文 参考訳（メタデータ） (2023-12-12T19:00:01Z) - Quantum tomography of helicity states for general scattering processes [55.2480439325792]
量子トモグラフィーは、物理学における量子系の密度行列$rho$を計算するのに欠かせない道具となっている。
一般散乱過程におけるヘリシティ量子初期状態の再構成に関する理論的枠組みを提案する。
論文 参考訳（メタデータ） (2023-10-16T21:23:42Z) - Harnessing high-dimensional temporal entanglement using limited interferometric setups [41.94295877935867]
偏極時間領域における高次元エンタングルメントの最初の完全解析法を開発した。
本稿では,量子鍵分布において,関連する密度行列要素とセキュリティパラメータを効率的に認証する方法を示す。
自由空間量子通信の耐雑音性をさらに高める新しい構成を提案する。
論文 参考訳（メタデータ） (2023-08-08T17:44:43Z) - Fermionic reduced density low-rank matrix completion, noise filtering,
and measurement reduction in quantum simulations [1.897832473739845]
電子系では、2粒子還元密度行列(2-RDM)は、興味のあるエネルギーと最も物理的に観測可能なものを決定するのに十分である。
本研究では, 2粒子還元密度行列を部分情報から化学的精度に再構成するために, 行列補完を用いることの可能性を検討する。
論文 参考訳（メタデータ） (2023-06-09T02:59:41Z) - Hybrid Quantum Singular Spectrum Decomposition for Time Series Analysis [0.0]
特異スペクトル分解(英: singular spectrum decomposition, SSD)は、非定常および非線形時系列から狭帯域成分を抽出する適応法である。
本稿では,SVDサブルーチンを量子コンピュータに割り当てることにより,量子SSDを提案する。
乱数化SVDを用いることで、回路の1つに量子ビット制限を課すことで、可視性を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-12-17T10:05:59Z) - End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。
アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
論文 参考訳（メタデータ） (2022-11-22T18:54:48Z) - Quantum speedup for track reconstruction in particle accelerators [51.00143435208596]
我々は,各局所追跡法に存在する基本ルーチンを4つ同定し,標準追跡アルゴリズムの文脈でどのようにスケールするかを解析する。
発見された量子スピードアップは穏やかだが、これは私たちの知識の中でも最高のものであり、高エネルギーの物理データ処理タスクに対する量子上の優位性の最初の厳密な証拠である。
論文 参考訳（メタデータ） (2021-04-23T13:32:14Z) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳（メタデータ） (2021-04-19T00:41:43Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - A Low Complexity Quantum Principal Component Analysis Algorithm [18.697990741989717]
本稿では,低複雑性量子主成分分析(qPCA)アルゴリズムを提案する。
これは、データマトリックスのすべてのコンポーネントではなく、データマトリックスの主成分を量子レジスタに抽出することで、次元の縮小を実現する。
提案したqPCAをIBM量子コンピューティングプラットフォーム上に実装し,実験結果と期待値が一致した。
論文 参考訳（メタデータ） (2020-10-02T07:52:39Z) - Analysis of a density matrix renormalization group approach for
transport in open quantum systems [0.0]
密度行列再正規化群に基づくツールは閉系の研究に広く利用されている。
本稿では,MPS(State-of-the-art matrix Product State)とテンソルネットワーク手法に基づく実装を提案する。
この実装は, 1次元システムにおける熱輸送の研究に適していることを示す。
論文 参考訳（メタデータ） (2020-09-17T10:37:49Z)
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。