Fugu-MT 論文翻訳(概要): Block-Circulant Complex Hadamard Matrices

論文の概要: Block-Circulant Complex Hadamard Matrices

arxiv url: http://arxiv.org/abs/2204.11727v4
Date: Tue, 23 May 2023 10:13:18 GMT
ステータス: 処理完了
システム内更新日: 2023-05-25 02:01:15.151474
Title: Block-Circulant Complex Hadamard Matrices
Title（参考訳）: ブロック系複素アダマール行列
Authors: Wojciech Bruzda
Abstract要約: 次元$Ngeqslant 7$に対する孤立複素アダマール行列(CHM)の列を得る新しい方法を示す。本稿では,Sinkhornアルゴリズムの修正によるいくつかの解析例について論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: A new method of obtaining a sequence of isolated complex Hadamard matrices (CHM) for dimensions $N\geqslant 7$, based on block-circulant structures, is presented. We discuss, several analytic examples resulting from a modification of the Sinkhorn algorithm. In particular, we present new isolated matrices of orders $9$, $10$ and $11$, which elements are not roots of unity, and also several new multiparametric families of order $10$. We note novel connections between certain eight-dimensional matrices and provide new insights towards classification of CHM for $N\geqslant 7$. These contributions can find real applications in Quantum Information Theory and constructions of new families of Mutually Unbiased Bases or Unitary Error Bases.
Abstract（参考訳）: ブロック循環構造に基づく次元$N\geqslant 7$に対する孤立複素アダマール行列(CHM)の列を得る新しい方法を提案する。本稿では,Sinkhornアルゴリズムの修正によるいくつかの解析例について論じる。特に、新しく分離されたオーダーの行列を9ドル、10ドル、11ドルとし、要素はユニティのルーツではないし、新しい複数パラメトリックのオーダーのファミリも10ドルである。特定の8次元行列間の新しい接続に注目し、$N\geqslant 7$に対するCHMの分類に対する新しい洞察を提供する。これらのコントリビューションは、量子情報理論や、Mutually Unbiased Bases または Unitary Error Bases の新しいファミリーの構築において、実際の応用を見出すことができる。

関連論文リスト

Efficient Unitary T-designs from Random Sums [0.6640968473398456]
Unitary $T$-Designsは、量子アルゴリズム、ベンチマーク、トモグラフィ、通信における様々な応用において、量子情報において重要な役割を果たす。我々は、$tildeO(T2 n2)$量子ゲートを用いたランダム行列理論による$T$-designsの新たな構成を提供する。
論文参考訳（メタデータ） (2024-02-14T17:32:30Z)
Two-Unitary Complex Hadamard Matrices of Order $36$ [0.0]
特定の行列から派生した2単位の複素アダマール行列(CHM)の族が36ドルの大きさで構成されている。この軌道のすべての行列は部分転位と再シャッフルの操作の後に一元的に残る。これはオイラー問題の量子版に対する新しい解を提供し、グラエコ・ラテン四角形6のそれぞれの体は36ドルの士官の対称重ね合わせを含む。
論文参考訳（メタデータ） (2024-01-03T11:10:00Z)
Butson Hadamard matrices, bent sequences, and spherical codes [15.98720468046758]
複素ユニタリの$qth$ルート上で定義される位数$n$のアダマール行列からなるデータに付随する曲がり列の概念を探求する。特に、様々な$qle 60$と長さ$nle 21.$の構成法は、Groebner基底と固有空間計算によるシステムの分解を構成する。
論文参考訳（メタデータ） (2023-11-01T08:03:11Z)
Multi-Unitary Complex Hadamard Matrices [0.0]
実および複素アダマール行列の集合を追加の対称性制約で解析する。そのような行列は、量子多体理論、テンソルネットワーク、多部量子絡み合いの分類にいくつかの応用がある。
論文参考訳（メタデータ） (2023-05-30T20:11:18Z)
Geometric Clifford Algebra Networks [53.456211342585824]
本稿では,動的システムのモデリングのためのGeometric Clifford Algebra Networks (GCANs)を提案する。 GCANは幾何学的(クリフォード)代数を用いた対称性群変換に基づいている。
論文参考訳（メタデータ） (2023-02-13T18:48:33Z)
Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文参考訳（メタデータ） (2023-01-13T16:25:25Z)
Quantum Resources Required to Block-Encode a Matrix of Classical Data [56.508135743727934]
回路レベルの実装とリソース推定を行い、古典データの高密度な$Ntimes N$行列をブロックエンコードして$epsilon$を精度良くすることができる。異なるアプローチ間のリソーストレードオフを調査し、量子ランダムアクセスメモリ(QRAM)の2つの異なるモデルの実装を検討する。我々の結果は、単純なクエリの複雑さを超えて、大量の古典的データが量子アルゴリズムにアクセスできると仮定された場合のリソースコストの明確な図を提供する。
論文参考訳（メタデータ） (2022-06-07T18:00:01Z)
Bilinear Classes: A Structural Framework for Provable Generalization in RL [119.42509700822484]
Bilinear Classesは強化学習の一般化を可能にする新しい構造フレームワークである。このフレームワークは、サンプルの複雑さが達成可能な、ほとんどすべての既存のモデルを取り込んでいる。我々の主な成果は、双線形クラスのためのサンプル複雑性を持つRLアルゴリズムである。
論文参考訳（メタデータ） (2021-03-19T16:34:20Z)
Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-09-30T19:10:32Z)
Information-Theoretic Limits for the Matrix Tensor Product [8.206394018475708]
本稿では,ランダム行列の行列テンソル積を含む高次元推論問題について検討する。本稿では,高次元行列保存信号の解析のための新しい手法を紹介する。
論文参考訳（メタデータ） (2020-05-22T17:03:48Z)
Robustly Learning any Clusterable Mixture of Gaussians [55.41573600814391]
本研究では,高次元ガウス混合系の対向ロバスト条件下での効率的な学習性について検討する。理論的に最適に近い誤り証明である$tildeO(epsilon)$の情報を、$epsilon$-corrupted $k$-mixtureで学習するアルゴリズムを提供する。我々の主な技術的貢献は、ガウス混合系からの新しい頑健な識別可能性証明クラスターであり、これは正方形の定度証明システムによって捉えることができる。
論文参考訳（メタデータ） (2020-05-13T16:44:12Z)

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。