論文の概要: Quantum-enhanced Markov chain Monte Carlo

• arxiv url: http://arxiv.org/abs/2203.12497v1
• Date: Wed, 23 Mar 2022 15:50:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 16:23:43.274846
• Title: Quantum-enhanced Markov chain Monte Carlo
• Title（参考訳）: 量子強化マルコフ連鎖モンテカルロ
• Authors: David Layden, Guglielmo Mazzola, Ryan V. Mishmash, Mario Motta, Pawel Wocjan, Jin-Sung Kim, Sarah Sheldon
• Abstract要約: いくつかのアプリケーションにおいてボトルネックとなる分布のサンプリングに量子アルゴリズムを導入する。 それぞれのステップで、量子プロセッサは重ね合わせのモデルを探索し、ランダムな動きを提案し、古典的なコンピュータで受け入れられるか拒否される。 この量子アルゴリズムは、関連する問題インスタンス上の典型的なMCMC代替よりも少ないイテレーションで収束する。
• 参考スコア（独自算出の注目度）: 0.22166578153935784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sampling from complicated probability distributions is a hard computational problem arising in many fields, including statistical physics, optimization, and machine learning. Quantum computers have recently been used to sample from complicated distributions that are hard to sample from classically, but which seldom arise in applications. Here we introduce a quantum algorithm to sample from distributions that pose a bottleneck in several applications, which we implement on a superconducting quantum processor. The algorithm performs Markov chain Monte Carlo (MCMC), a popular iterative sampling technique, to sample from the Boltzmann distribution of classical Ising models. In each step, the quantum processor explores the model in superposition to propose a random move, which is then accepted or rejected by a classical computer and returned to the quantum processor, ensuring convergence to the desired Boltzmann distribution. We find that this quantum algorithm converges in fewer iterations than common classical MCMC alternatives on relevant problem instances, both in simulations and experiments. It therefore opens a new path for quantum computers to solve useful--not merely difficult--problems in the near term.
• Abstract（参考訳）: 複雑な確率分布からのサンプリングは、統計物理学、最適化、機械学習など、多くの分野で生じる難しい計算問題である。 量子コンピュータは最近、古典的にサンプリングするのが難しい複雑な分布からサンプルを取るのに使われてきたが、アプリケーションではほとんど使われない。 本稿では,超伝導量子プロセッサ上で実装するいくつかのアプリケーションにおいてボトルネックとなる分布からサンプルする量子アルゴリズムを提案する。 このアルゴリズムは、古典的なイジングモデルのボルツマン分布からサンプリングするために、人気のある反復サンプリング技法であるマルコフ連鎖モンテカルロ(mcmc)を実行する。 各ステップにおいて、量子プロセッサは重ね合わせでモデルを探索し、ランダムな動きを提案し、古典的コンピュータによって受け入れられ、拒否され、量子プロセッサに戻され、所望のボルツマン分布に収束する。 この量子アルゴリズムは、シミュレーションと実験の両方において、関連する問題インスタンスの一般的なmcmc代替品よりも少ないイテレーションで収束する。 そのため、量子コンピュータが有用である--単に難しいだけでなく--を短期的に解決する新たな道を開く。

関連論文リスト

• Bounding speedup of quantum-enhanced Markov chain Monte Carlo [0.0]
  最悪ケースの非構造サンプリング問題に対して,古典的なサンプリングよりも高速であることを示す。 我々は、任意のユニタリ量子提案のスピードアップを規定するマルコフギャップに上限を与える。
  論文  参考訳（メタデータ） (2024-03-05T16:20:01Z)
• Quantum Dynamical Hamiltonian Monte Carlo [0.0]
  機械学習におけるユビキタスな問題は、ログの確率を通してのみアクセス可能な確率分布からサンプリングすることである。 我々は、チェインモンテカルロ(MCMC)サンプリングのための有名なハミルトンモンテカルロ法を拡張し、ハイブリッド方式で量子計算を利用する。
  論文  参考訳（メタデータ） (2024-03-04T07:08:23Z)
• Accelerating variational quantum Monte Carlo using the variational quantum eigensolver [0.0]
  変分モンテカルロ法(VMC)は量子状態に対応する分布から古典的にサンプリングするために用いられる。 本稿では,この初期分布を量子コンピュータを用いて生成したサンプルに置き換えることを提案する。
  論文  参考訳（メタデータ） (2023-07-15T05:45:55Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
  量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。 量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
  論文  参考訳（メタデータ） (2022-12-06T22:01:49Z)
• Quantum-assisted Monte Carlo algorithms for fermions [5.625946422295428]
  本稿では,量子コンピュータを最小限のコストで使用する,スケーラブルな量子支援モンテカルロアルゴリズムのファミリーを提案する。 モンテカルロハイブリッドフレームワークは,古典的アルゴリズムから得られる基底状態の誤差を抑える一般的な方法であることを示す。
  論文  参考訳（メタデータ） (2022-05-30T07:49:22Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Quantum algorithm for stochastic optimal stopping problems with applications in finance [60.54699116238087]
  有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。 プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
  論文  参考訳（メタデータ） (2021-11-30T12:21:41Z)
• Every Classical Sampling Circuit is a Quantum Sampling Circuit [0.8122270502556371]
  このノートは、ある確率分布を符号化する量子状態である「Q-marginals」を紹介している。 これは、興味の確率分布の古典的な回路サンプリングから直接作成できることを示している。
  論文  参考訳（メタデータ） (2021-09-10T12:52:23Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs. Coded Systems [69.33243249411113]
  パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。 我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
  論文  参考訳（メタデータ） (2020-12-15T15:51:27Z)

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。