Fugu-MT 論文翻訳(概要): Quantum Dictionaries without QRAM

論文の概要: Quantum Dictionaries without QRAM

arxiv url: http://arxiv.org/abs/2204.13835v1
Date: Fri, 29 Apr 2022 00:36:57 GMT
ステータス: 処理完了
システム内更新日: 2023-02-15 04:06:47.150990
Title: Quantum Dictionaries without QRAM
Title（参考訳）: QRAMのない量子辞書
Authors: Craig Gidney
Abstract要約: 辞書はソートされたアドレスと値のペアの固定長リストとして格納され、リストの長さは辞書に格納できるエントリの最大数である。 C cdot (V + 2.5A) + O(V + A + C)$ expected Toffoli gates および $O(V + A)$ secondary qubits を用いて、アドレス付き値を辞書から抽出(または挿入)することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents an efficient gate-level implementation of a quantum dictionary: a data structure that can store a superposition of mappings from keys to values. The dictionary is stored as a fixed-length list of sorted address-value pairs, where the length of the list is the maximum number of entries that can be put in the dictionary. An addressed value can be extracted from (or injected into) the dictionary using $C \cdot (V + 2.5A) + O(V + A + C)$ expected Toffoli gates and $O(V + A)$ auxiliary qubits (where $C$ is the maximum capacity, $A$ is the address width, and $V$ is the value width).
Abstract（参考訳）: 本稿では、キーから値へのマッピングの重ね合わせを格納できるデータ構造である量子辞書の効率的なゲートレベル実装を提案する。辞書はソートされたアドレスと値のペアの固定長リストとして格納され、リストの長さは辞書に格納できるエントリの最大数である。アドレスの値は、$C \cdot (V + 2.5A) + O(V + A + C)$ expected Toffoli gates and $O(V + A)$ secondary qubits ($C$は最大容量、$A$はアドレス幅、$V$は値幅)を使って辞書から抽出(または注入)することができる。

関連論文リスト

Sketching Algorithms for Sparse Dictionary Learning: PTAS and Turnstile Streaming [48.18845814885398]
本研究は,スプリス辞書学習とユークリッド語$k$-meansクラスタリング問題に対するスケッチベースアプローチの適用性を高めるための新しい手法を開発した。高速アルゴリズムでは、$k$-meansクラスタリング問題に対してPTASを設計するための新しいアプローチを得る。ストリーミングアルゴリズムの分野では、辞書学習と$k$-meansクラスタリングのための新しい上限と下位境界を得る。
論文参考訳（メタデータ） (2023-10-29T16:46:26Z)
Efficient Algorithms for Recognizing Weighted Tree-Adjoining Languages [104.90415092306219]
4つの形式は、ツリー随伴文法(TAG)、線形指数文法(LIG)、プッシュダウン随伴オートマトン(PAA)、組込みプッシュダウンオートマトン(EPDA)に相当する。我々は,文字列の導出量(文字列のすべてのオートマトン重み)と全導出量(全ての導出量重み)を計算するための新しいアルゴリズムを設計する。 EPDA の場合、我々のアルゴリズムは、$mathcalO(|Gamma|2)$ および $ の因子による Alonso et al. (2001) のアルゴリズムよりも空間効率と時間効率が良い。
論文参考訳（メタデータ） (2023-10-23T18:26:00Z)
Efficient Quantum State Preparation with Walsh Series [0.0]
Walsh Series Loader (WSL) と呼ばれる新しい近似量子状態準備法が導入された。 WSLは1つの実変数の実数値関数によって定義される量子状態に近似し、深さは数$n$の量子ビットとは独立である。
論文参考訳（メタデータ） (2023-07-17T10:44:28Z)
Supervised Training of Conditional Monge Maps [107.78770597815242]
最適輸送(OT)理論は、多くの可能な選択の中から確率測度を他のものにマッピングする最も効率的な方法を定義し、選択する一般的な原理を記述している。本研究では,コンテキスト変数に条件付きOTマップの族を推定するマルチタスク手法であるCondOTを紹介する。本研究では,CondOTの遺伝的・治療的摂動の任意の組み合わせが単一細胞に与える影響を推測する能力を示す。
論文参考訳（メタデータ） (2022-06-28T19:34:44Z)
Exponential Separation between Quantum and Classical Ordered Binary Decision Diagrams, Reordering Method and Hierarchies [68.93512627479197]
量子順序付き二項決定図($OBDD$)モデルについて検討する。入力変数の任意の順序で、OBDDの下位境界と上位境界を証明します。 read$k$-times Ordered Binary Decision Diagrams (k$-OBDD$)の幅の階層を拡張します。
論文参考訳（メタデータ） (2022-04-22T12:37:56Z)
Dictionary Learning with Convex Update (ROMD) [6.367823813868024]
ROMDと呼ばれる新しいタイプの辞書学習アルゴリズムを提案する。 ROMDは凸行列を使って辞書全体を一度に更新する。その結果、辞書更新の保証と辞書学習全体の高速化の両方が利点である。
論文参考訳（メタデータ） (2021-10-13T11:14:38Z)
When Dictionary Learning Meets Deep Learning: Deep Dictionary Learning and Coding Network for Image Recognition with Limited Data [74.75557280245643]
本稿では,限られたデータを用いた画像認識タスクのための新しいDeep Dictionary Learning and Coding Network(DDLCN)を提案する。 DDLCNをいくつかの主要な辞書学習手法と深層学習モデルと比較した。 5つの一般的なデータセットに対する実験結果から,DDLCNはトレーニングデータに制限がある場合の最先端手法と比較して,競合的な結果が得られることが示された。
論文参考訳（メタデータ） (2020-05-21T23:12:10Z)
Variational Quantum State Eigensolver [0.0]
変分量子状態固有解法(VQSE)について紹介する。 VQSEは最大固有値$rho$と対応する固有ベクトルを準備するゲートシーケンス$V$を変動的に学習する。 VQSEの応用として,(1)主成分分析,(2)誤差軽減の2つを挙げる。
論文参考訳（メタデータ） (2020-04-03T04:54:46Z)
Pruned Wasserstein Index Generation Model and wigpy Package [0.0]
本稿では,WIGモデルに適合する前処理ステップとして,語彙の次元性を低減するためのラッソに基づく縮小法を提案する。両方のフレーバーで計算を実行するために、Pythonのtextitwigpyモジュールも提供しています。
論文参考訳（メタデータ） (2020-03-30T18:26:24Z)
Agnostic Q-learning with Function Approximation in Deterministic Systems: Tight Bounds on Approximation Error and Sample Complexity [94.37110094442136]
本稿では,決定論的システムにおける関数近似を用いたQ$学習の問題について検討する。もし$delta = Oleft(rho/sqrtdim_Eright)$なら、$Oleft(dim_Eright)$を使って最適なポリシーを見つけることができる。
論文参考訳（メタデータ） (2020-02-17T18:41:49Z)
VC-dimensions of nondeterministic finite automata for words of equal length [2.099922236065961]
NFA_b(q)$ は、非決定論的有限オートマトンで許容される言語の集合を、$b$文字のアルファベット上の$q$状態とする。 B_n$ は長さ $n$ の単語の集合を表す。
論文参考訳（メタデータ） (2020-01-07T22:49:55Z)

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。