論文の概要: Quantum matching pursuit: A quantum algorithm for sparse representations
- arxiv url: http://arxiv.org/abs/2208.04145v1
- Date: Mon, 8 Aug 2022 13:50:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-01 21:41:11.742441
- Title: Quantum matching pursuit: A quantum algorithm for sparse representations
- Title(参考訳): 量子マッチング追跡:スパース表現のための量子アルゴリズム
- Authors: Armando Bellante and Stefano Zanero
- Abstract要約: 疎ベクトルによる信号の表現は、画像やビデオの符号化から形状表現や健康モニタリングまで幅広い用途がある。
量子コンピューティングは、最近多くの表現学習タスクにおいて有望なスピードアップを示している。
- 参考スコア(独自算出の注目度): 3.4376560669160394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Representing signals with sparse vectors has a wide range of applications
that range from image and video coding to shape representation and health
monitoring. In many applications with real-time requirements, or that deal with
high-dimensional signals, the computational complexity of the encoder that
finds the sparse representation plays an important role. Quantum computing has
recently shown promising speed-ups in many representation learning tasks. In
this work, we propose a quantum version of the well-known matching pursuit
algorithm. Assuming the availability of a fault-tolerant quantum random access
memory, our quantum matching pursuit lowers the complexity of its classical
counterpart of a polynomial factor, at the cost of some error in the
computation of the inner products, enabling the computation of sparse
representation of high-dimensional signals. Besides proving the computational
complexity of our new algorithm, we provide numerical experiments that show
that its error is negligible in practice. This work opens the path to further
research on quantum algorithms for finding sparse representations, showing
suitable quantum computing applications in signal processing.
- Abstract(参考訳): スパースベクトルによる信号の表現には、画像やビデオの符号化から形状表現、健康モニタリングまで幅広い応用がある。
リアルタイム要求を持つ多くのアプリケーションや高次元信号を扱うアプリケーションでは、スパース表現を見つけるエンコーダの計算複雑性が重要な役割を果たす。
量子コンピューティングは、多くの表現学習タスクで有望なスピードアップを示している。
本研究では,よく知られたマッチング追従アルゴリズムの量子版を提案する。
フォールトトレラントな量子ランダムアクセスメモリが利用可能であると仮定すると、量子マッチング追従は、内部積の計算における誤差を犠牲にして、従来の多項式係数の複雑性を低下させ、高次元信号のスパース表現の計算を可能にします。
新しいアルゴリズムの計算複雑性の証明に加えて,その誤差が実際に無視可能であることを示す数値実験も提供する。
この研究は、信号処理における適切な量子コンピューティング応用を示す、スパース表現を見つけるための量子アルゴリズムのさらなる研究への道を開く。
関連論文リスト
- Quantum Computing and Tensor Networks for Laminate Design: A Novel
Approach to Stacking Sequence Retrieval [1.7400502482492273]
この研究は主に量子計算に焦点をあて、テンソルネットワークアルゴリズムの適用により、シークエンス検索のための新しい量子インスパイアされたアプローチが提示される。
量子状態空間内の線形作用素、ハミルトニアンを導出し、積み重ねシーケンス検索問題に固有の損失関数をカプセル化する。
実演では、従来のテンソルネットワークアルゴリズムであるDMRGアルゴリズムを選択し、我々のアプローチを数値的に検証した。
論文 参考訳(メタデータ) (2024-02-09T15:01:56Z) - Taming Quantum Time Complexity [50.10645865330582]
時間複雑性の設定において、正確さと遠心性の両方を達成する方法を示します。
我々は、トランスデューサと呼ばれるものに基づく量子アルゴリズムの設計に新しいアプローチを採用する。
論文 参考訳(メタデータ) (2023-11-27T14:45:19Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - 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 communication complexity of linear regression [0.05076419064097732]
量子コンピュータは、いくつかの基本的な線形代数問題に対する通信の観点から、証明可能かつ指数関数的なスピードアップを持つことを示す。
本稿では,量子特異値変換のための効率的な量子プロトコルを提案する。
論文 参考訳(メタデータ) (2022-10-04T13:27:01Z) - Quantum Sparse Coding [5.130440339897477]
我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。
量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。
我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
論文 参考訳(メタデータ) (2022-09-08T13:00:30Z) - 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) - A quantum Fourier transform (QFT) based note detection algorithm [0.0]
量子情報処理において、量子変換(QFT)は多くの応用がある。
シミュレーションと実量子コンピュータの両方で量子音符検出アルゴリズムを作成する。
論文 参考訳(メタデータ) (2022-04-25T16:45:56Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳(メタデータ) (2021-12-22T06:19:36Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳(メタデータ) (2021-07-08T17:59:55Z)
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。
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。