論文の概要: Experimentally finding dense subgraphs using a time-bin encoded Gaussian boson sampling device

• arxiv url: http://arxiv.org/abs/2204.05254v2
• Date: Mon, 20 Jun 2022 21:44:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-17 08:12:07.854681
• Title: Experimentally finding dense subgraphs using a time-bin encoded Gaussian boson sampling device
• Title（参考訳）: 時間ビン符号化ガウス粒子サンプリング装置を用いた高密度サブグラフの試作
• Authors: S. Sempere-Llagostera, R. B. Patel, I. A. Walmsley and W. S. Kolthammer
• Abstract要約: 我々は、時間ビン符号化干渉計を用いて、GBSを実験的に実装し、サンプルを抽出し、グラフ内の高密度部分グラフの探索を強化する。 その結果,10個のノードを含むグラフにおいて,3と4のサブグラフの古典的手法よりも改善が見られた。 我々は、光回路における不完全性の役割と、アルゴリズムの性能について数値的に検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian Boson Sampling (GBS) is a quantum computing concept based on drawing samples from a multimode nonclassical Gaussian state using photon-number resolving detectors. It was initially posed as a near-term approach aiming to achieve quantum advantage, but several applications have been proposed ever since, such as the calculation of graph features or molecular vibronic spectra, among others. For the first time, we use a time-bin encoded interferometer to implement GBS experimentally and extract samples to enhance the search for dense subgraphs in a graph. Our results indicate an improvement over classical methods for subgraphs of sizes three and four in a graph containing ten nodes. In addition, we numerically explore the role of imperfections in the optical circuit and on the performance of the algorithm.
• Abstract（参考訳）: gaussian boson sampling (gbs) は、光子数分解検出器を用いたマルチモード非古典ガウス状態からのサンプルの描画に基づく量子コンピューティングの概念である。 当初は量子優位性を達成するための短期的アプローチとして提案されていたが、グラフ特徴の計算や分子ビブロニックスペクトルなどのいくつかの応用が提案されている。 初めて、時間ビン符号化干渉計を用いてGBSを実験的に実装し、サンプルを抽出してグラフ内の高密度部分グラフの探索を強化する。 その結果,10個のノードを含むグラフにおいて,3と4のサブグラフの古典的手法よりも改善が見られた。 さらに、光回路における不完全性の役割とアルゴリズムの性能について数値的に検討する。

関連論文リスト

• Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph Classification [0.9935277311162707]
  2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。 ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。 本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-05T21:24:11Z)
• Solving Graph Problems Using Gaussian Boson Sampling [22.516585968074146]
  ノイズの多い中間スケールの量子コンピュータを用いてグラフ問題を解く。 我々は,大きな光子クリック数を持つGBS増幅の存在と,特定の雑音下での強化を実験的に観察した。 我々の研究は、既存の中間スケール量子コンピュータを用いて現実の問題をテストするためのステップである。
  論文  参考訳（メタデータ） (2023-02-02T08:25:47Z)
• Gaussian-boson-sampling-enhanced dense subgraph finding shows limited advantage over efficient classical algorithms [0.0]
  本研究では,高密度サブグラフ探索アルゴリズムに適用したGBSに対する損失やスペクトル不純物を含む誤差源の影響について検討する。 これらのアルゴリズムの有効性は誤りに対して極めて堅牢であり、基礎となるGBSをシミュレートできる効率的な古典的アルゴリズムが存在することが判明した。
  論文  参考訳（メタデータ） (2023-01-30T19:00:03Z)
• Certification of Gaussian Boson Sampling via graph theory [4.063872661554895]
  実ガウスボソンサンプリング装置の光子計数とグラフ中の完全マッチング数との接続を利用する。 本フレームワークでは,グラフ特徴ベクトルとグラフカーネルの分布を利用した2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2022-02-15T20:22:28Z)
• Dual-Frequency Quantum Phase Estimation Mitigates the Spectral Leakage of Quantum Algorithms [76.15799379604898]
  量子位相推定は、レコード長の逆数が未知の位相の整数倍でない場合にスペクトルリークに悩まされる。 複数のサンプルが利用できるとき,クレーマー・ラオ境界に近づいた二重周波数推定器を提案する。
  論文  参考訳（メタデータ） (2022-01-23T17:20:34Z)
• Enhanced detection techniques of Orbital Angular Momentum states in the classical and quantum regimes [48.7576911714538]
  Orbital Angular Momentum(OAM)状態に固有の複雑な構造は、それらの検出と分類を非自明にする。 現在の検出方式のほとんどは、ラゲール・ガウスモードを用いて構築されたOAM状態のモデルに基づいている。 我々は、OAM検出技術を改善するために(特定のシナリオにおいて)洗練されたモデルの基礎状態として、ハイパー幾何-ガウスモードを用いる。
  論文  参考訳（メタデータ） (2022-01-19T18:46:34Z)
• Sigma-Delta and Distributed Noise-Shaping Quantization Methods for Random Fourier Features [73.25551965751603]
  我々は、量子化 RFF が基礎となるカーネルの高精度な近似を可能にすることを証明した。 量子化 RFF はさらに圧縮され,メモリ使用量と精度のトレードオフに優れることを示す。 本手法は,この文脈におけるアート量子化手法の他の状態と比較し,いくつかの機械学習タスクにおいて,提案手法の性能を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-04T17:24:47Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Nearly Linear Row Sampling Algorithm for Quantile Regression [54.75919082407094]
  データの次元にほぼ線形なサンプル複雑性を持つ量子化損失関数の行サンプリングアルゴリズムを提案する。 行サンプリングアルゴリズムに基づいて、量子レグレッションの最も高速なアルゴリズムと、バランスの取れた有向グラフのグラフスペーシフィケーションアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-15T13:40:07Z)
• Quantum Sampling Algorithms for Near-Term Devices [0.0]
  ギブス分布全体を符号化することで、偏りのないサンプルを提供する量子アルゴリズムのファミリを導入する。 このアプローチが従来のマルコフ連鎖アルゴリズムの高速化につながることを示す。 短期量子デバイス上で、潜在的に有用なサンプリングアルゴリズムを探索する扉を開く。
  論文  参考訳（メタデータ） (2020-05-28T14:46:20Z)

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。