論文の概要: Amplitude Estimation from Quantum Signal Processing
- arxiv url: http://arxiv.org/abs/2207.08628v2
- Date: Thu, 1 Sep 2022 19:32:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-04 15:49:32.374433
- Title: Amplitude Estimation from Quantum Signal Processing
- Title(参考訳): 量子信号処理による振幅推定
- Authors: Patrick Rall and Bryce Fuller
- Abstract要約: 振幅推定アルゴリズムはGroverのアルゴリズムに基づいており、入力状態と所望の結果に関する反射を交互に行う。
量子信号処理により、より柔軟な方法で振幅を推定できることがわかった。
- 参考スコア(独自算出の注目度): 0.30458514384586405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Amplitude estimation algorithms are based on Grover's algorithm: alternating
reflections about the input state and the desired outcome. But what if we are
given the ability to perform arbitrary rotations, instead of just reflections?
In this situation, we find that quantum signal processing lets us estimate the
amplitude in a more flexible way. We leverage this technique to give improved
and simplified algorithms for many amplitude estimation tasks: we perform
non-destructive estimation without any assumptions on the amplitude, develop an
algorithm with improved performance in practice, present a new method for
unbiased amplitude estimation, and finally give a simpler method for trading
quantum circuit depth for more repetitions of short circuits.
- Abstract(参考訳): 振幅推定アルゴリズムはgroverのアルゴリズムに基づいている:入力状態と所望の結果に関する交互反射である。
しかし、ただの反射ではなく、任意の回転を行う能力が与えられたらどうだろうか?
この状況では、量子信号処理により、より柔軟な方法で振幅を推定できることがわかった。
我々はこの手法を利用して、多くの振幅推定タスクに改良された単純化されたアルゴリズムを提供し、振幅の仮定なしに非破壊的な推定を行い、実際に性能を向上したアルゴリズムを開発し、非バイアスの振幅推定の新しい手法を提案し、最後に、短い回路のより反復的な量子回路深さの交換方法を提案する。
関連論文リスト
- Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳(メタデータ) (2023-02-13T19:57:17Z) - Few Quantum Algorithms on Amplitude Distribution [0.5584060970507505]
振幅フィルタリングは、振幅が指定されたしきい値より大きい重ね合わせにおける基底状態の同定に関係している。
量子ビットの不足を考えると、この研究の焦点はログ空間のアルゴリズムを設計することである。
論文 参考訳(メタデータ) (2022-07-30T08:11:29Z) - Adaptive Algorithm for Quantum Amplitude Estimation [13.82667502131475]
振幅の間隔推定のための適応アルゴリズムを提案する。
提案アルゴリズムは、同じレベルの精度を達成するために、同じ数の量子クエリを使用する。
我々は,古典モンテカルロサンプリングに対する2次高速化として,オラクルクエリの数が$O(1/epsilon)$に達することを厳密に証明する。
論文 参考訳(メタデータ) (2022-06-16T21:11:15Z) - Low depth amplitude estimation on a trapped ion quantum computer [5.443245599372994]
振幅推定は、量子コンピュータが二次的なスピードアップを達成できる基本的な量子アルゴリズムプリミティブである。
近年の研究は、低深さ回路の高速化と引き換えに、そのようなアルゴリズムに必要な資源を幾らか削減することに成功している。
我々は,最先端のイオン量子コンピュータにおける振幅推定実験の結果を報告する。
論文 参考訳(メタデータ) (2021-09-20T16:57:19Z) - Grover search revisited; application to image pattern matching [0.8367938108534343]
本稿では,Groverデータベース全体の探索やパターンマッチングを行う量子アルゴリズムを提案する。
鍵となる考え方は、最近提案された近似振幅符号化法を浅い量子回路で使用することである。
論文 参考訳(メタデータ) (2021-08-24T17:30:41Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳(メタデータ) (2020-12-07T09:27:16Z) - Solving Sparse Linear Inverse Problems in Communication Systems: A Deep
Learning Approach With Adaptive Depth [51.40441097625201]
疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。
提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
論文 参考訳(メタデータ) (2020-10-29T06:32:53Z) - Activation Relaxation: A Local Dynamical Approximation to
Backpropagation in the Brain [62.997667081978825]
活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。
我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
論文 参考訳(メタデータ) (2020-09-11T11:56:34Z) - Nearly Linear Row Sampling Algorithm for Quantile Regression [54.75919082407094]
データの次元にほぼ線形なサンプル複雑性を持つ量子化損失関数の行サンプリングアルゴリズムを提案する。
行サンプリングアルゴリズムに基づいて、量子レグレッションの最も高速なアルゴリズムと、バランスの取れた有向グラフのグラフスペーシフィケーションアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-15T13:40:07Z) - Optimizing Quantum Search Using a Generalized Version of Grover's
Algorithm [4.220030262107688]
グローバーの検索アルゴリズムは当時としては画期的なものだった。
アルゴリズムのインバージョン・バイ・ザ・平均ステップの最適化を導入する。
集合と探索に対する我々のアプローチを検証し、実量子ハードウェア上で実験的に結果を確認する。
論文 参考訳(メタデータ) (2020-05-13T16:33:03Z) - Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。
マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文 参考訳(メタデータ) (2020-03-06T16:17:24Z)
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。