Fugu-MT 論文翻訳(概要): Effects of Cosine Tapering Window on Quantum Phase Estimation

論文の概要: Effects of Cosine Tapering Window on Quantum Phase Estimation

arxiv url: http://arxiv.org/abs/2110.09590v1
Date: Mon, 18 Oct 2021 19:25:34 GMT
ステータス: 処理完了
システム内更新日: 2023-03-11 03:59:09.540712
Title: Effects of Cosine Tapering Window on Quantum Phase Estimation
Title（参考訳）: 量子位相推定におけるコサインテーパウィンドウの効果
Authors: Gumaro Rendon, Taku Izubuchi, Yuta Kikuchi
Abstract要約: スペクトル密度推定のための古典的ウィンドウリング法に着想を得た量子位相推定アルゴリズム(QPEA)を改良する。本稿では,進化演算子エラーではなく,状態誤差に対するコストスケーリングをより適切に見積もる方法について述べる。
参考スコア（独自算出の注目度）: 1.5791732557395552
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We provide a modification to the quantum phase estimation algorithm (QPEA) inspired on classical windowing methods for spectral density estimation. From this modification we obtain an upper bound in the cost that implies a cubic improvement with respect to the algorithm's error rate. Numerical evaluation of the costs also demonstrates an improvement. Moreover, with similar techniques, we detail an iterative projective measurement method for ground state preparation that gives an exponential improvement over previous bounds using QPEA. Numerical tests that confirm the expected scaling behavior are also obtained. For these numerical tests we have used a Lattice Thirring model as testing ground. Using well-known perturbation theory results, we also show how to more appropriately estimate the cost scaling with respect to state error instead of evolution operator error.
Abstract（参考訳）: スペクトル密度推定のための古典ウィンドウ法に触発された量子位相推定アルゴリズム(qpea)の改良を提案する。この修正から、アルゴリズムの誤差率に関して立方的な改善を意味するコストの上限を得る。コストの数値評価も改善を示している。さらに, 同様の手法を用いて, QPEAを用いて, 先行境界よりも指数関数的に向上した地盤状態予測法について述べる。期待されるスケーリング挙動を確認する数値試験も行われる。これらの数値実験では格子チリングモデルを用いて実験を行った。また,よく知られた摂動理論の結果を用いて,進化演算子の誤差ではなく,状態エラーに対するコストスケーリングをより適切に見積もる方法を示す。

関連論文リスト

Physics-Driven AI Correction in Laser Absorption Sensing Quantification [2.403858349180771]
レーザー吸収分光法(LAS)の定量化は、気体の温度と濃度を測定するのによく用いられるツールである。現在のMLベースのソリューションは、その測定信頼性を保証することはできない。この問題に対処するための新しいフレームワークSPECを提案する。
論文参考訳（メタデータ） (2024-08-20T10:29:41Z)
Pauli Check Extrapolation for Quantum Error Mitigation [8.436934066461625]
Pauli Check Extrapolation (PCE)はZero-Noise Extrapolation (ZNE)に似た外挿技術でPCSを統合する我々は,PCEが最先端のロバストシャドウ (RS) 推定方式よりも高い忠実性を実現できることを示す。
論文参考訳（メタデータ） (2024-06-20T22:07:42Z)
Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文参考訳（メタデータ） (2023-02-23T12:17:36Z)
The Implicit Delta Method [61.36121543728134]
本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
論文参考訳（メタデータ） (2022-11-11T19:34:17Z)
Deep Equilibrium Optical Flow Estimation [80.80992684796566]
最近のSOTA(State-of-the-art)光フローモデルでは、従来のアルゴリズムをエミュレートするために有限ステップの更新操作を使用する。これらのRNNは大きな計算とメモリオーバーヘッドを課し、そのような安定した推定をモデル化するために直接訓練されていない。暗黙的層の無限レベル固定点として直接流れを解く手法として,Deep equilibrium Flow estimatorを提案する。
論文参考訳（メタデータ） (2022-04-18T17:53:44Z)
The Accuracy vs. Sampling Overhead Trade-off in Quantum Error Mitigation Using Monte Carlo-Based Channel Inversion [84.66087478797475]
量子誤差緩和(Quantum error mitigation, QEM)は、変分量子アルゴリズムの計算誤差を低減するための有望な手法の1つである。我々はモンテカルロサンプリングに基づく実用的なチャネル反転戦略を考察し、さらなる計算誤差を導入する。計算誤差が誤差のない結果の動的範囲と比較して小さい場合、ゲート数の平方根でスケールすることを示す。
論文参考訳（メタデータ） (2022-01-20T00:05:01Z)
Quantifying the Impact of Precision Errors on Quantum Approximate Optimization Algorithms [0.24629531282150877]
本稿では,QAOA回路のアナログ実装における誤差が最適化アルゴリズムとしての性能を損なうことを示す。この大幅な削減にもかかわらず、変動パラメータのデジタル化により、QAOAにおける精度誤差を軽減できることが示されている。
論文参考訳（メタデータ） (2021-09-09T18:00:03Z)
Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文参考訳（メタデータ） (2021-08-25T21:30:27Z)
Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文参考訳（メタデータ） (2021-02-24T10:18:30Z)
Quantized Variational Inference [6.09170287691728]
ELBO最適化のために、量子変分推論が分散自由勾配をいかに生み出すかを示す。量子化変分推論フレームワークを用いることで、スコア関数と再パラメータ化勾配の両方に高速収束がもたらされることを示す。
論文参考訳（メタデータ） (2020-11-04T13:22:50Z)
Estimating Basis Functions in Massive Fields under the Spatial Mixed Effects Model [8.528384027684194]
大規模データセットでは、予測最大化(EM)アルゴリズムを用いた定位クリグが、通常の計算で禁止されるクリグ法に代わるものとして提案されている。本研究では,空間混合効果(SME)モデルを用いた代替手法を開発したが,観測値と結び目の間の空間依存性の範囲をAECMアルゴリズムを用いて推定することで,さらなる柔軟性を実現することができる。実験により,予測精度を犠牲にすることなく,余剰パラメータ推定の計算負担を最小化しながら,予測精度の向上を図っている。
論文参考訳（メタデータ） (2020-03-12T19:36:40Z)

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。