論文の概要: Lower bounds for adiabatic quantum algorithms by quantum speed limit
- arxiv url: http://arxiv.org/abs/2207.01604v2
- Date: Mon, 22 Aug 2022 18:25:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 18:52:05.639898
- Title: Lower bounds for adiabatic quantum algorithms by quantum speed limit
- Title(参考訳): 量子速度制限による断熱量子アルゴリズムの下位境界
- Authors: Jyong-Hao Chen
- Abstract要約: 本稿では,アディバティック量子アルゴリズムのランタイム上での下位境界を推定するためのフレームワークを提案する。
ランダムグラフにおける$k$-cliqueを求めるために,アディバティックアルゴリズムの下位境界を解析的に取得する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a simple framework for estimating lower bounds on the runtime of
a broad class of adiabatic quantum algorithms. The central formula consists of
calculating the variance of the final Hamiltonian with respect to the initial
state. After examining adiabatic versions of certain keystone circuit-based
quantum algorithms, this technique is applied to adiabatic quantum algorithms
with undetermined speedup. In particular, we analytically obtain lower bounds
on adiabatic algorithms for finding $k$-clique in random graphs. Additionally,
for a particular class of Hamiltonian, it is straightforward to prove the
equivalence between our framework and the conventional approach based on
spectral gap analysis.
- Abstract(参考訳): 本稿では,広範囲の断熱量子アルゴリズムのランタイム上での下位境界を推定するための簡単なフレームワークを提案する。
中心公式は、初期状態に関する最終ハミルトン多様体の分散を計算することで構成される。
特定のキーストーン回路に基づく量子アルゴリズムの断熱バージョンを調べた後、この手法を未決定の高速化を伴う断熱量子アルゴリズムに適用する。
特に、確率グラフにおいて$k$-cliqueを求めるための断熱アルゴリズムの下限を解析的に求める。
さらに、ハミルトニアンの特定のクラスに対して、我々のフレームワークとスペクトルギャップ分析に基づく従来のアプローチとの等価性を証明することは容易である。
関連論文リスト
- Approximation Algorithms for Quantum Max-$d$-Cut [42.248442410060946]
量子Max-$d$-Cut問題(Quantum Max-$d$-Cut problem)は、プロジェクターに付随する期待エネルギーを、全ての局所相互作用上の2つの$d$-dimensional quditsの非対称部分空間に最大化する量子状態を見つけることである。
我々は,非自明な性能保証を実現するために,有界な純度を持つ混合状態の積状態解を求めるアルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-09-19T22:53:17Z) - Quantum speedup for combinatorial optimization with flat energy
landscapes [0.0]
我々は,最適化された量子断熱アルゴリズムと古典マルコフ連鎖モンテカルロアルゴリズムの相対的性能を解析するための理論的枠組みを開発する。
論文 参考訳(メタデータ) (2023-06-22T18:00:00Z) - A quantum advantage over classical for local max cut [48.02822142773719]
量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。
結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
論文 参考訳(メタデータ) (2023-04-17T16:42:05Z) - A Sublinear-Time Quantum Algorithm for Approximating Partition Functions [0.0]
本稿では,ギブス分割関数を線形時間で推定する新しい量子アルゴリズムを提案する。
これは、vStefankovivc, Vempala, Vigodaの半周期的なほぼ直線時間で得られる最初のスピードアップである。
論文 参考訳(メタデータ) (2022-07-18T14:41:48Z) - 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) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳(メタデータ) (2021-12-31T16:33:10Z) - 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) - Quantum Krylov subspace algorithms for ground and excited state energy
estimation [0.0]
量子クリロフ部分空間対角化(QKSD)アルゴリズムは、従来の量子位相推定アルゴリズムに代わる低コストな代替手段を提供する。
我々は、凝縮物質物理学と量子化学に関連するハミルトンの幅広いクラスが、アダマールテストの使用を避けるために活用できる対称性を含むことを示した。
我々は量子クリロフ部分空間アルゴリズムの統一理論を開発し、基底および励起状態エネルギー推定問題に対する3つの新しい量子古典的アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-14T17:56:53Z) - Quantum computing critical exponents [0.0]
逆場イジング連鎖の臨界点を対象とする場合,変分量子古典シミュレーションアルゴリズムは有限回路深度スケーリングの崩壊を許容することを示す。
秩序パラメータは、相転移を渡るときに量子アルゴリズムが遅くなるため、遷移の片側にしか崩壊しない。
論文 参考訳(メタデータ) (2021-04-02T17:38:20Z) - Adiabatic Spectroscopy and a Variational Quantum Adiabatic Algorithm [0.7734726150561088]
本稿では,アディバティック進化のスペクトルプロファイルに関する情報を得る方法を提案する。
本稿では、最適化された断熱経路に対する変分量子断熱アルゴリズム(VQAA)の概念を提案する。
論文 参考訳(メタデータ) (2021-03-01T19:00:00Z) - Momentum Q-learning with Finite-Sample Convergence Guarantee [49.38471009162477]
本稿では,有限サンプル保証を用いたモーメントに基づくQ-ラーニングアルゴリズムのクラスを解析する。
線形関数近似とマルコフサンプリングによるMomentumQの収束保証を確立する。
提案したMomentumQが他のモーメントベースのQ-ラーニングアルゴリズムより優れていることを示す。
論文 参考訳(メタデータ) (2020-07-30T12:27:03Z)
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。