Fugu-MT 論文翻訳(概要): Towards Super-polynomial Quantum Speedup of Equivariant Quantum Algorithms with SU($d$) Symmetry

論文の概要: Towards Super-polynomial Quantum Speedup of Equivariant Quantum Algorithms with SU($d$) Symmetry

arxiv url: http://arxiv.org/abs/2207.07250v2
Date: Sun, 06 Apr 2025 04:25:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-08 14:08:15.253171
Title: Towards Super-polynomial Quantum Speedup of Equivariant Quantum Algorithms with SU($d$) Symmetry
Title（参考訳）: SU($d$)対称性を持つ等変量子アルゴリズムの超多項式量子高速化に向けて
Authors: Han Zheng, Zimu Li, Sergii Strelchuk, Risi Kondor, Junyu Liu,
Abstract要約: 本稿では,多数の機械学習タスクに適した等価畳み込み量子アルゴリズムの枠組みを提案する。これにより、置換量子コンピューティング(PQC)という量子計算の自然なモデルを強化し、より強力なモデル、PQC+を定義することができます。
参考スコア（独自算出の注目度）: 12.724648200604134
License:
Abstract: We introduce a framework of the equivariant convolutional quantum algorithms which is tailored for a number of machine-learning tasks on physical systems with arbitrary SU$(d)$ symmetries. It allows us to enhance a natural model of quantum computation -- permutational quantum computing (PQC) [Quantum Inf. Comput., 10, 470-497 (2010)] -- and define a more powerful model: PQC+. While PQC was shown to be efficiently classically simulatable, we exhibit a problem which can be efficiently solved on PQC+ machine, whereas no classical polynomial time algorithm is known; thus providing evidence against PQC+ being classically simulatable. We further discuss practical quantum machine learning algorithms which can be carried out in the paradigm of PQC+.
Abstract（参考訳）: 我々は、任意のSU$(d)$対称性を持つ物理系上の多数の機械学習タスクに適した等変畳み込み量子アルゴリズムの枠組みを導入する。これにより、量子計算の自然なモデル、置換量子コンピューティング(PQC) [Quantum Inf.Comput. 10, 470-497 (2010)] を強化し、より強力なモデル、PQC+を定義することができます。 PQCは効率よく古典的シミュラブルであることが示されているが、古典的多項式時間アルゴリズムは知られておらず、PQC+が古典的シミュラブルであることを証明している。さらに、PQC+のパラダイムで実行可能な実用的な量子機械学習アルゴリズムについても論じる。

関連論文リスト

Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
The Power of Lorentz Quantum Computer [6.9754404995027794]
本稿では,最近提案されたローレンツ量子コンピュータ(LQC)の,従来の量子コンピュータと比較して優れた性能を示す。計算複雑性クラス$text Psharp textP$を導入し、複雑性クラス$text Psharp textP$と等価性を実証する。 Aaronsonが提案したポストセレクションによる量子コンピューティングはLQCで効率的にシミュレートできるが、その逆ではない。
論文参考訳（メタデータ） (2024-03-07T03:00:09Z)
QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-14T08:03:20Z)
Quantum computing quantum Monte Carlo with hybrid tensor network for electronic structure calculations [3.642843803494657]
本稿では,QC-QMCとハイブリッドテンソルネットワークを組み合わせて,QC-QMCの適用性を1つの量子デバイスサイズを超えて拡張するアルゴリズムを提案する。本アルゴリズムは, ハイゼンベルク連鎖モデル, グラファイト系ハバードモデル, 水素平面モデル, モノアリルビイミダゾールをフル構成相互作用QMCを用いて評価した。
論文参考訳（メタデータ） (2023-03-31T14:38:40Z)
TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [48.491303218786044]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文参考訳（メタデータ） (2023-01-13T09:35:05Z)
Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。我々は距離の計算を高速化するために量子現象を利用する。我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文参考訳（メタデータ） (2022-12-13T16:04:16Z)
Quantum Machine Learning for Software Supply Chain Attacks: How Far Can We Go? [5.655023007686363]
本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
論文参考訳（メタデータ） (2022-04-04T21:16:06Z)
Oracle separations of hybrid quantum-classical circuits [68.96380145211093]
量子計算の2つのモデル: CQ_dとQC_d。 CQ_dは、d-d-deepth量子コンピュータのシナリオを何度も捉え、QC_dは測定ベースの量子計算に類似している。 CQ_dとQC_dの類似性にもかかわらず、2つのモデルは本質的にはCQ_d $nsubseteq$QC_dとQC_d $nsubseteq$CQ_dである。
論文参考訳（メタデータ） (2022-01-06T03:10:53Z)
An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
論文参考訳（メタデータ） (2021-08-06T19:38:03Z)
Fast-Forwarding with NISQ Processors without Feedback Loop [0.0]
量子シミュレーションのための代替対角化アルゴリズムとして古典量子高速フォワード法(CQFF)を提案する。 CQFFは古典的量子フィードバックループと制御されたマルチキュービットユニタリの必要性を取り除く。私たちの仕事は、以前の記録よりも104ドルの改善を提供します。
論文参考訳（メタデータ） (2021-04-05T14:29:33Z)
NISQ Algorithm for Hamiltonian Simulation via Truncated Taylor Series [0.0]
ノイズの多い中間スケール量子(NISQ)アルゴリズムは、現在利用可能な量子ハードウェアを効果的に利用することを目的としている。我々は既存のアルゴリズムの利点を共有し、いくつかの欠点を緩和する新しいアルゴリズムであるTorylor量子シミュレータ(TTQS)を提案する。我々のアルゴリズムは古典的量子フィードバックループを持たず、建設によって不規則な高原問題をバイパスする。
論文参考訳（メタデータ） (2021-03-09T15:48:48Z)

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。