Fugu-MT 論文翻訳(概要): More Optimal Simulation of Universal Quantum Computers

論文の概要: More Optimal Simulation of Universal Quantum Computers

arxiv url: http://arxiv.org/abs/2202.01233v2
Date: Tue, 26 Apr 2022 19:51:54 GMT
ステータス: 処理完了
システム内更新日: 2023-02-27 00:54:39.274462
Title: More Optimal Simulation of Universal Quantum Computers
Title（参考訳）: ユニバーサル量子コンピュータのより最適なシミュレーション
Authors: Lucas Kocia, Genele Tulloch
Abstract要約: 最悪のサンプリングコストは$le(2+sqrt2)xi_t delta-1$であり、$t rightarrow infty$である。我々は、この68倍のプレファクタを、相関サンプリングにより$t$の先行値の低減により削減する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Validating whether a quantum device confers a computational advantage often requires classical simulation of its outcomes. The worst-case sampling cost of $L_1$-norm based simulation has plateaued at $\le(2+\sqrt{2})\xi_t \delta^{-1}$ in the limit that $t \rightarrow \infty$, where $\delta$ is the additive error and $\xi_t$ is the stabilizer extent of a $t$-qubit magic state. We reduce this prefactor 68-fold by a leading-order reduction in $t$ through correlated sampling. The result exceeds even the average-case of the prior state-of-the-art and current simulators accurate to multiplicative error. Numerical demonstrations support our proofs. The technique can be applied broadly to reduce the cost of $L_1$ minimization.
Abstract（参考訳）: 量子デバイスが計算上の利点を損なうかどうかを検証するには、しばしばその結果の古典的なシミュレーションが必要となる。 l_1$-normに基づく最悪のサンプリングコストは$\le(2+\sqrt{2})\xi_t \delta^{-1}$であり、$t \rightarrow \infty$、ただし$\delta$は加算誤差、$\xi_t$は$t$-qubitマジック状態の安定化範囲である。この68倍の因子を、相関サンプリングによりt$を先頭に減らすことで削減する。その結果は、先行技術と現在のシミュレータの平均値よりも、乗算誤差に正確である。数値的な実証は我々の証明を支持する。この手法は、l_1$最小化のコストを削減するために広く適用することができる。

関連論文リスト

Theoretical limits of descending $\ell_0$ sparse-regression ML algorithms [0.0]
本研究では,emphmaximum-likelihood (ML)デコーディングの性能解析プログラムを開発した。 ML性能パラメータの鍵となるのは、残留エンフェロ平均二乗誤差(textbfRMSE$)を発見し、いわゆるエンフェロ遷移(PT)現象を示す。 Fl RDTの具体的実装と実用的妥当性は、典型的には、基礎となる数値評価のサイズのセットを実行する能力に依存している。
論文参考訳（メタデータ） (2024-10-10T06:33:41Z)
Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文参考訳（メタデータ） (2024-01-17T18:59:38Z)
Minimax Optimal Quantization of Linear Models: Information-Theoretic Limits and Efficient Algorithms [59.724977092582535]
測定から学習した線形モデルの定量化の問題を考える。この設定の下では、ミニマックスリスクに対する情報理論の下限を導出する。本稿では,2層ReLUニューラルネットワークに対して,提案手法と上界を拡張可能であることを示す。
論文参考訳（メタデータ） (2022-02-23T02:39:04Z)
How to simulate quantum measurement without computing marginals [3.222802562733787]
量子状態$psi$を標準で計算するためのアルゴリズムを,古典的に記述し,解析する。我々のアルゴリズムはサンプリングタスクを$n$-qubit状態のポリ(n)$振幅の計算に還元する。
論文参考訳（メタデータ） (2021-12-15T21:44:05Z)
Improved Weak Simulation of Universal Quantum Circuits by Correlated $L_1$ Sampling [0.0]
弱シミュレーションはしばしば弱いシミュレーションと呼ばれ、量子的優位性をいつ求めるかを決定する方法である。最低の$L_$ノルムサンプリングコストの上限を$mathcal O(xit delta-2)$から$t$の次の順序に構築的に締め付ける。これは、我々の知識の最悪の場合において、この境界の有限t$への依存を下げた最初の弱いシミュレーションアルゴリズムである。
論文参考訳（メタデータ） (2021-04-15T05:50:11Z)
Improved Sample Complexity for Incremental Autonomous Exploration in MDPs [132.88757893161699]
我々は $epsilon$-optimal 目標条件付きポリシーのセットを学び、$ L$ ステップ内で段階的に到達可能なすべての状態を達成します。 DisCoは、コストに敏感な最短経路問題に対して$epsilon/c_min$-optimalポリシーを返すことができる最初のアルゴリズムです。
論文参考訳（メタデータ） (2020-12-29T14:06:09Z)
Early fault-tolerant simulations of the Hubbard model [3.988614978933934]
ハバードモデルのシミュレーションは、フォールトトレラント量子コンピュータの最初の有用な応用候補である。本稿では, 分割演算FFFT法に対して, より厳密な境界を与えるトロッタライゼーションによるシミュレーション誤差の有界化に関する新しい解析手法を提案する。約100万のToffoliゲートを使用して、フォールトトレラントな量子コンピュータに潜在的に有用な応用があることを発見した。
論文参考訳（メタデータ） (2020-12-16T20:07:54Z)
Optimal Robust Linear Regression in Nearly Linear Time [97.11565882347772]
学習者が生成モデル$Y = langle X,w* rangle + epsilon$から$n$のサンプルにアクセスできるような高次元頑健な線形回帰問題について検討する。 i) $X$ is L4-L2 hypercontractive, $mathbbE [XXtop]$ has bounded condition number and $epsilon$ has bounded variance, (ii) $X$ is sub-Gaussian with identity second moment and $epsilon$ is
論文参考訳（メタデータ） (2020-07-16T06:44:44Z)
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)
Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。