論文の概要: Quantum Approximation of Normalized Schatten Norms and Applications to
Learning
- arxiv url: http://arxiv.org/abs/2206.11506v1
- Date: Thu, 23 Jun 2022 07:12:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-24 22:18:39.199837
- Title: Quantum Approximation of Normalized Schatten Norms and Applications to
Learning
- Title（参考訳）: 正規化Schattenノルムの量子近似と学習への応用
- Authors: Yiyou Chen and Hideyuki Miyahara and Louis-S. Bouchard and Vwani
Roychowdhury
- Abstract要約: 本稿では,テキスト効率よく推定できる量子演算の類似度尺度を定義する問題に対処する。
量子サンプリング回路を開発し、それらの差の正規化されたシャッテン 2-ノルムを推定し、サンプル複雑性の上限であるポリ$(frac1epsilon)$を証明した。
次に、そのような類似度計量は、量子状態の従来の忠実度計量を用いて、ユニタリ演算の類似度の関数的定義と直接関係していることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficient measures to determine similarity of quantum states, such as the
fidelity metric, have been widely studied. In this paper, we address the
problem of defining a similarity measure for quantum operations that can be
\textit{efficiently estimated}. Given two quantum operations, $U_1$ and $U_2$,
represented in their circuit forms, we first develop a quantum sampling circuit
to estimate the normalized Schatten 2-norm of their difference ($\| U_1-U_2
\|_{S_2}$) with precision $\epsilon$, using only one clean qubit and one
classical random variable. We prove a Poly$(\frac{1}{\epsilon})$ upper bound on
the sample complexity, which is independent of the size of the quantum system.
We then show that such a similarity metric is directly related to a functional
definition of similarity of unitary operations using the conventional fidelity
metric of quantum states ($F$): If $\| U_1-U_2 \|_{S_2}$ is sufficiently small
(e.g. $ \leq \frac{\epsilon}{1+\sqrt{2(1/\delta - 1)}}$) then the fidelity of
states obtained by processing the same randomly and uniformly picked pure
state, $|\psi \rangle$, is as high as needed ($F({U}_1 |\psi \rangle, {U}_2
|\psi \rangle)\geq 1-\epsilon$) with probability exceeding $1-\delta$. We
provide example applications of this efficient similarity metric estimation
framework to quantum circuit learning tasks, such as finding the square root of
a given unitary operation.
- Abstract（参考訳）: 忠実度計量のような量子状態の類似性を決定する効率的な尺度は広く研究されている。
本稿では,量子演算における類似度尺度の定義の問題に対処する。
u_1$ と $u_2$ という2つの量子演算が回路形式で表現されると、我々はまず、それらの差の正規化されたシャッテン2-ノルム(\| u_1-u_2 \|_{s_2}$)を精度$\epsilon$で推定する量子サンプリング回路を開発した。
量子系の大きさとは無関係に、サンプル複雑性の上限が poly$(\frac{1}{\epsilon})$ であることが証明される。
We then show that such a similarity metric is directly related to a functional definition of similarity of unitary operations using the conventional fidelity metric of quantum states ($F$): If $\| U_1-U_2 \|_{S_2}$ is sufficiently small (e.g. $ \leq \frac{\epsilon}{1+\sqrt{2(1/\delta - 1)}}$) then the fidelity of states obtained by processing the same randomly and uniformly picked pure state, $|\psi \rangle$, is as high as needed ($F({U}_1 |\psi \rangle, {U}_2 |\psi \rangle)\geq 1-\epsilon$) with probability exceeding $1-\delta$.
この効率的な類似度メトリック推定フレームワークを、与えられたユニタリ操作の平方根を見つけるなど、量子回路学習タスクに適用する例を示す。
関連論文リスト
- Pseudonorm Approachability and Applications to Regret Minimization [73.54127663296906]
我々は、高次元 $ell_infty$-approachability 問題を、低次元の擬ノルムアプローチ可能性問題に変換する。
我々は、$ell$や他のノルムに対するアプローチ可能性に関する以前の研究に類似した疑似ノルムアプローチ可能性のアルゴリズム理論を開発する。
論文 参考訳（メタデータ） (2023-02-03T03:19:14Z) - Fast Quantum Algorithms for Trace Distance Estimation [4.523089386111081]
本稿では, 加算誤差$varepsilon$内のトレース距離を, ランク$r$の混合量子状態間で推定する効率的な量子アルゴリズムを提案する。
どちらのアルゴリズムも、対数係数まで、クエリ/サンプルの複雑さと同じ量子時間複雑性を持つ。
論文 参考訳（メタデータ） (2023-01-17T10:16:14Z) - A Unified Quantum Algorithm Framework for Estimating Properties of
Discrete Probability Distributions [23.359007839448193]
離散確率分布の特性を推定するための統一量子アルゴリズムフレームワークを提案する。
我々のフレームワークは、$alpha$-R'enyi entropy $H_alpha(p)$を、少なくとも2/3$の確率で加算エラー$epsilon$内で推定する。
論文 参考訳（メタデータ） (2022-12-03T08:01:55Z) - Quantum Algorithms for Sampling Log-Concave Distributions and Estimating
Normalizing Constants [8.453228628258778]
我々は,対数凹分布をサンプリングし,正規化定数を推定するための量子アルゴリズムを開発した。
我々はモンテカルロ法と量子ウォークの量子アナログを利用する。
また、正規化定数を推定するための1/epsilon1-o(1)$量子下界も証明する。
論文 参考訳（メタデータ） (2022-10-12T19:10:43Z) - Quantum Semidefinite Programming with the Hadamard Test and Approximate
Amplitude Constraints [62.72309460291971]
半定値プログラムに対して最大$N=2n$変数と$M=2n$制約を持つ変分量子アルゴリズムを導入する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
本稿では,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳（メタデータ） (2022-06-30T03:15:23Z) - 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) - Multi-state Swap Test Algorithm [2.709321785404766]
2つの状態間の重なりを推定することは、量子情報におけるいくつかの応用において重要な課題である。
複数の量子状態の重なりを計測する量子回路を設計する。
論文 参考訳（メタデータ） (2022-05-15T03:31:57Z) - 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) - Quantum Approximate Counting for Markov Chains and Application to
Collision Counting [0.0]
我々は,ブラザード,ホイヤー,タップ(ICALP 1998)によって開発された量子近似計数法を一般化し,マルコフ連鎖のマーク状態の数を推定する方法を示す。
これにより、Magniez、Nayak、Roland、Santhaによって確立された強力な"量子ウォークベースサーチ"フレームワークに基づいて、量子検索アルゴリズムから量子近似カウントアルゴリズムを構築することができる。
論文 参考訳（メタデータ） (2022-04-06T03:04:42Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳（メタデータ） (2022-03-30T02:02:16Z) - 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)
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。