論文の概要: Efficient approximation of experimental Gaussian boson sampling
- arxiv url: http://arxiv.org/abs/2109.11525v2
- Date: Wed, 2 Feb 2022 01:45:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 23:03:16.613116
- Title: Efficient approximation of experimental Gaussian boson sampling
- Title（参考訳）: 実験ガウス粒子サンプリングの効率的な近似
- Authors: Benjamin Villalonga, Murphy Yuezhen Niu, Li Li, Hartmut Neven, John C.
Platt, Vadim N. Smelyanskiy, and Sergio Boixo
- Abstract要約: 最近の2つの目覚しい実験は、最大144個の出力モードで、プログラム不可能な線形干渉計としきい値検出器を備えたガウスボソンサンプリング(GBS)を行った。
ここでは、これらの実験よりも全変動距離とクルバック・リーブラーの偏差がよい古典的なサンプリングアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 2.805766654291013
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Two recent landmark experiments have performed Gaussian boson sampling (GBS)
with a non-programmable linear interferometer and threshold detectors on up to
144 output modes (see Refs.~\onlinecite{zhong_quantum_2020,zhong2021phase}).
Here we give classical sampling algorithms with better total variation distance
and Kullback-Leibler divergence than these experiments and a computational cost
quadratic in the number of modes. Our method samples from a distribution that
approximates the single-mode and two-mode ideal marginals of the given Gaussian
boson sampler, which are calculated efficiently. One implementation sets the
parameters of a Boltzmann machine from the calculated marginals using a mean
field solution. This is a 2nd order approximation, with the uniform and thermal
approximations corresponding to the 0th and 1st order, respectively. The $k$th
order approximation reproduces Ursell functions (also known as connected
correlations) up to order $k$ with a cost exponential in $k$ and high
precision, while the experiment exhibits higher order Ursell functions with
lower precision. This methodology, like other polynomial approximations
introduced previously, does not apply to random circuit sampling because the
$k$th order approximation would simply result in the uniform distribution, in
contrast to GBS.
- Abstract（参考訳）: 最近の2つの目覚しい実験は、最大144個の出力モードで、プログラム不可能な線形干渉計としきい値検出器を備えたガウスボソンサンプリング(GBS)を行った(参照)。
~\onlinecite{zhong_quantum_2020,zhong2021phase})。
ここでは、これらの実験よりも全変動距離とクルバック・リーブラーのばらつきが良い古典的なサンプリングアルゴリズムと、モード数の2次計算コストを与える。
提案手法は, 与えられたガウス粒子サンプリング器の単一モードと2モードの理想限界を近似した分布からサンプリングし, 効率的に計算する。
1つの実装は平均場解を用いて計算された限界値からボルツマンマシンのパラメータを設定する。
これは第2次近似であり、それぞれ0位と第1位に対応する均一および熱近似である。
k$thの近似はウルセル関数(コネクテッド相関とも呼ばれる)を再現し、コスト指数的にk$と高い精度でk$を注文するが、実験はより精度の低い高次ウルセル関数を示す。
この手法は、以前に導入された他の多項式近似と同様に、$k$2次近似は、GBSとは対照的に単に均一分布をもたらすため、ランダム回路サンプリングには適用されない。
関連論文リスト
- Faster Diffusion Sampling with Randomized Midpoints: Sequential and Parallel [10.840582511203024]
我々のアルゴリズムは、$widetilde O(log2 d)$ parallel roundsでのみ実行できるように並列化可能であることを示す。
また、我々のアルゴリズムは、$widetilde O(log2 d)$ parallel roundsでしか実行できないことを示す。
論文 参考訳（メタデータ） (2024-06-03T01:34:34Z) - Double Variance Reduction: A Smoothing Trick for Composite Optimization Problems without First-Order Gradient [40.22217106270146]
ばらつき低減技術はサンプリングのばらつきを低減し、一階法(FO)とゼロ階法(ZO)の収束率を向上するように設計されている。
複合最適化問題において、ZO法は、ランダム推定から導かれる座標ワイド分散と呼ばれる追加の分散に遭遇する。
本稿では,ZPDVR法とZPDVR法を提案する。
論文 参考訳（メタデータ） (2024-05-28T02:27:53Z) - Faster Sampling via Stochastic Gradient Proximal Sampler [28.422547264326468]
非log-concave分布からのサンプリングのための近位サンプリング器 (SPS) について検討した。
対象分布への収束性は,アルゴリズムの軌道が有界である限り保証可能であることを示す。
我々は、Langevin dynamics(SGLD)とLangevin-MALAの2つの実装可能な変種を提供し、SPS-SGLDとSPS-MALAを生み出した。
論文 参考訳（メタデータ） (2024-05-27T00:53:18Z) - Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳（メタデータ） (2024-02-15T08:51:49Z) - Stochastic Optimization for Non-convex Problem with Inexact Hessian
Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。
TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文 参考訳（メタデータ） (2023-10-18T10:29:58Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳（メタデータ） (2022-11-17T13:01:26Z) - Maximizing the Validity of the Gaussian Approximation for the biphoton
State from Parametric Downconversion [0.0]
ガウス近似の妥当性を最大化する$alpha$を選択する。
また、実用的な代替手段として、いわゆるテキツペル・ガウシアンとテキツコシン・ガウシアン近似についても論じる。
論文 参考訳（メタデータ） (2022-10-05T15:47:04Z) - Beyond EM Algorithm on Over-specified Two-Component Location-Scale
Gaussian Mixtures [29.26015093627193]
負の対数様関数の曲率を効率的に探索するために,指数位置更新法(ELU)アルゴリズムを開発した。
ELUアルゴリズムは、対数的な反復数の後、モデルの最終的な統計的半径に収束することを示した。
論文 参考訳（メタデータ） (2022-05-23T06:49:55Z) - Reducing the Variance of Gaussian Process Hyperparameter Optimization
with Preconditioning [54.01682318834995]
プレコンディショニングは、行列ベクトル乗算を含む反復的な方法にとって非常に効果的なステップである。
プレコンディショニングには、これまで検討されていなかった付加的なメリットがあることを実証する。
基本的に無視可能なコストで、同時に分散を低減することができる。
論文 参考訳（メタデータ） (2021-07-01T06:43:11Z) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳（メタデータ） (2020-06-04T17:51:00Z) - Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。
我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
論文 参考訳（メタデータ） (2020-04-23T05:00:21Z)
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。