論文の概要: Depth optimization of CZ, CNOT, and Clifford circuits

• arxiv url: http://arxiv.org/abs/2201.05215v2
• Date: Wed, 24 Aug 2022 22:23:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 06:27:29.472547
• Title: Depth optimization of CZ, CNOT, and Clifford circuits
• Title（参考訳）: CZ, CNOT, クリフォード回路の深さ最適化
• Authors: Dmitri Maslov and Ben Zindorf
• Abstract要約: 我々は、量子CZゲート、CNOTゲート、クリフォード回路の深さに関するより優れた上限保証を開発する。 CZ回路の深さの上限は$lfloor n/2 + 0.4993cdotlog2(n) + 3.0191cdotlog(n) - 10.9139rfloor$で、既知の深さはおよそ2。
• 参考スコア（独自算出の注目度）: 5.672898304129217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We seek to develop better upper bound guarantees on the depth of quantum CZ gate, CNOT gate, and Clifford circuits than those reported previously. We focus on the number of qubits $n\,{\leq}\,$1,345,000 [1], which represents the most practical use case. Our upper bound on the depth of CZ circuits is $\lfloor n/2 + 0.4993{\cdot}\log^2(n) + 3.0191{\cdot}\log(n) - 10.9139\rfloor$, improving best known depth by a factor of roughly 2. We extend the constructions used to prove this upper bound to obtain depth upper bound of $\lfloor n + 1.9496{\cdot}\log^2(n) + 3.5075{\cdot}\log(n) - 23.4269 \rfloor$ for CNOT gate circuits, offering an improvement by a factor of roughly $4/3$ over state of the art, and depth upper bound of $\lfloor 2n + 2.9487{\cdot}\log^2(n) + 8.4909{\cdot}\log(n) - 44.4798\rfloor$ for Clifford circuits, offering an improvement by a factor of roughly $5/3$.
• Abstract（参考訳）: 我々は, 量子CZゲート, CNOTゲート, クリフォード回路の深さに関する上界保証を, 以前報告したよりも向上させようとしている。 我々は、最も実用的なユースケースを表す qubits $n\,{\leq}\, $1,345,000 [1] の数に焦点を当てている。 CZ回路の深さ上の上限は$\lfloor n/2 + 0.4993{\cdot}\log^2(n) + 3.0191{\cdot}\log(n) - 10.9139\rfloor$で、おおよそ2。 我々は、cnotゲート回路の深さ上限である$\lfloor n + 1.9496{\cdot}\log^2(n) + 3.5075{\cdot}\log(n) - 23.4269 \rfloor$ を得るために、この上限を証明するために使用される構成を拡張して、cnotゲート回路に対して約$4/3$の改善と$\lfloor 2n + 2.9487{\cdot}\log^2(n) + 8.4909{\cdot}\log(n) - 44.4798\rfloor$ をクリフォード回路に与えた。

関連論文リスト

• Gradient Compressed Sensing: A Query-Efficient Gradient Estimator for High-Dimensional Zeroth-Order Optimization [48.84672493756553]
  我々は,1ステップあたり$Obig(slogfrac dsbig)$クエリのみを使用する勾配のクエリ効率と精度の高い推定器を提案する。 Indyk-Price-Woodruff (IPW) アルゴリズムを線形測定から非線形関数への圧縮センシングにおいて一般化した。
  論文  参考訳（メタデータ） (2024-05-27T03:52:53Z)
• Spacetime-Efficient Low-Depth Quantum State Preparation with Applications [93.56766264306764]
  任意の量子状態を作成するための新しい決定論的手法は、以前の方法よりも少ない量子資源を必要とすることを示す。 我々は、量子機械学習、ハミルトンシミュレーション、方程式の線形系を解くことなど、この能力が役立ついくつかのアプリケーションを強調した。
  論文  参考訳（メタデータ） (2023-03-03T18:23:20Z)
• CNOT circuits need little help to implement arbitrary Hadamard-free Clifford transformations they generate [5.672898304129217]
  アダマール自由クリフォード変換(Adamard-free Clifford transformation)は、量子相(P)、CZ、CNOTゲートからなる回路である。 本稿では,ゲートの絡み合いによる回路深さの最小化とデコヒーレンスによるノイズ低減に着目した。
  論文  参考訳（メタデータ） (2022-10-28T15:04:55Z)
• Near-Optimal Regret Bounds for Multi-batch Reinforcement Learning [54.806166861456035]
  本研究では,有限水平マルコフ決定過程(MDP)によってモデル化されたエピソディック強化学習(RL)問題をバッチ数に制約を加えて検討する。 我々は,$tildeO(sqrtSAH3Kln (1/delta))$tildeO(cdot)をほぼ最適に後悔するアルゴリズムを設計し,$(S,A,H,K)$の対数項を$K$で隠蔽する。 技術的貢献は2つある: 1) 探索のためのほぼ最適設計スキーム
  論文  参考訳（メタデータ） (2022-10-15T09:22:22Z)
• The First Optimal Algorithm for Smooth and Strongly-Convex-Strongly-Concave Minimax Optimization [88.91190483500932]
  本稿では,スムーズで強靭なミニマックス最適化問題を再考する。 既存の最先端メソッドは、下限の$Omegaleft(sqrtkappa_xkappa_ylog3 (kappa_xkappa_y)logfrac1epsilonright)$にマッチしない。 我々は、$mathcalOleft( sqrtkappa_xkappa_ylog)で最初のアルゴリズムを提供することで、この根本的な問題を解決する。
  論文  参考訳（メタデータ） (2022-05-11T17:33:07Z)
• Escape saddle points by a simple gradient-descent based algorithm [6.7298812735467095]
  非最適化において、サドルポイントのエスケープは中心的な研究トピックである。 滑らかな関数 $fcolonmathbbRntomathbbR$ に対して、$epsilonO(log n)2/epsilon4)$ を出力する。 技術的に、我々の主な貢献は勾配のみを用いたロバストなヘッセンパワー手法の実装である。
  論文  参考訳（メタデータ） (2021-11-28T07:32:54Z)
• Improved upper bounds on the stabilizer rank of magic states [0.0]
  改良は、マジック状態 $|Trangle=sqrt2-1(|0rangle+eipi/4|1rangle)$ の安定化ランクに $m$ の上限で新しい上限を設定することで得られる。 Clifford ゲートと$m$のインスタンスからなる回路に対して,実行時 $textpoly(n,m) 2m/2$ のシングルキュービット $Z$-rotation ゲートの強いシミュレーションアルゴリズムを得る。
  論文  参考訳（メタデータ） (2021-06-14T20:20:51Z)
• Efficient reconstruction of depth three circuits with top fan-in two [0.0]
  有限体上のブラックボックス再構成問題を解くための効率的なランダム化アルゴリズムを開発した。 この回路クラスの最初のブラックボックス再構成アルゴリズムは、$log |mathbbF|$で実行されます。
  論文  参考訳（メタデータ） (2021-03-12T18:19:34Z)
• Private Stochastic Convex Optimization: Optimal Rates in $\ell_1$ Geometry [69.24618367447101]
  対数要因まで $(varepsilon,delta)$-differently private の最適過剰人口損失は $sqrtlog(d)/n + sqrtd/varepsilon n.$ です。 損失関数がさらなる滑らかさの仮定を満たすとき、余剰損失は$sqrtlog(d)/n + (log(d)/varepsilon n)2/3で上界(対数因子まで)であることが示される。
  論文  参考訳（メタデータ） (2021-03-02T06:53:44Z)
• Revisiting EXTRA for Smooth Distributed Optimization [70.65867695317633]
  改良された$Oleft(left(fracLmu+frac11-sigma_2(W)right)logfrac1epsilon (1-sigma_2(W))right)$。 高速化されたEXTRAの通信複雑性は、$left(logfracLmu (1-sigma_2(W))right)$と$left(logfrac1epsilon (1。
  論文  参考訳（メタデータ） (2020-02-24T08:07:08Z)

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。