Fugu-MT 論文翻訳(概要): Quantifying $T$-gate-count improvements for ground-state-energy estimation with near-optimal state preparation

論文の概要: Quantifying $T$-gate-count improvements for ground-state-energy estimation with near-optimal state preparation

arxiv url: http://arxiv.org/abs/2210.10872v3
Date: Mon, 17 Apr 2023 17:03:15 GMT
ステータス: 処理完了
システム内更新日: 2023-04-18 23:57:53.059139
Title: Quantifying $T$-gate-count improvements for ground-state-energy estimation with near-optimal state preparation
Title（参考訳）: 準最適状態形成による地中エネルギー推定のための$t$-gate-count改良の定量化
Authors: Shivesh Pathak, Antonio Russo, Stefan Seritan, Andrew Baczewski
Abstract要約: 基底状態の準備に追加の量子資源を投資することで、そのエネルギーを見積もることに伴う集約ランタイムが向上するかどうかを考察する。我々はLin and Tongの準最適状態生成アルゴリズムを解析し、2次に近い基底状態エネルギー推定のランタイムのプロキシである$T$-gateカウントを削減可能であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the question of when investing additional quantum resources in preparing a ground state will improve the aggregate runtime associated with estimating its energy. We analyze Lin and Tong's near-optimal state preparation algorithm and show that it can reduce a proxy for the runtime, the $T$-gate count, of ground state energy estimation near quadratically. Resource estimates are provided that specify the conditions under which the added cost of state preparation is worthwhile.
Abstract（参考訳）: 基底状態の準備に追加の量子資源を投資することで、そのエネルギーを見積もることに伴う集約ランタイムが向上するかどうかを考察する。我々はLin and Tongの準最適状態生成アルゴリズムを解析し、2次に近い基底状態エネルギー推定のランタイムのプロキシである$T$-gateカウントを削減可能であることを示す。資源の見積もりは、追加の州準備コストが価値のある条件を指定するものである。

関連論文リスト

Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
論文参考訳（メタデータ） (2024-10-02T08:46:34Z)
Rapid initial state preparation for the quantum simulation of strongly correlated molecules [4.639143844012453]
Toffoliの複雑性でユニタリ合成を実現する方法を示す。フィルタリングにはサンプリングとバイナリ検索の2つのアプローチを提案する。
論文参考訳（メタデータ） (2024-09-18T07:04:32Z)
Probabilistic energy forecasting through quantile regression in reproducing kernel Hilbert spaces [0.0]
本研究では、エネルギー予測のために、カーネル量子レグレッション(カーネル量子レグレッション)として知られる、エンフレ生成カーネルヒルベルト空間(RKHS)に基づく非パラメトリック手法について検討する。実験では信頼性とシャープさを実証し,最先端の手法と比較した。
論文参考訳（メタデータ） (2024-08-08T12:14:17Z)
Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach [3.124884279860061]
大規模容量拡大問題(CEP)は、地域エネルギーシステムのコスト効率の高い脱炭の中心である。本稿では,2段階のCEPを抽出する学習支援近似解法を提案する。本手法では, 直列集約法と比較して最大3.8%のコスト削減効果が得られた。
論文参考訳（メタデータ） (2024-01-19T01:40:58Z)
Initial state preparation for quantum chemistry on quantum computers [1.4336086085916357]
化学系の基底状態エネルギー推定のための量子アルゴリズムは、高品質な初期状態を必要とする。本稿では、初期状態の質を準備し定量化するエンドツーエンドアルゴリズムを用いて初期状態準備問題に対処する。我々は、エネルギー分布が潜在的な量子的優位性を特定するのにどのように役立つかを示す。
論文参考訳（メタデータ） (2023-10-27T18:00:59Z)
Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文参考訳（メタデータ） (2023-07-14T06:50:02Z)
Accelerating Reinforcement Learning with Value-Conditional State Entropy Exploration [97.19464604735802]
探索のための有望な技術は、訪問状態分布のエントロピーを最大化することである。エージェントが高価値の状態を訪問することを好むような、タスク報酬を伴う教師付きセットアップで苦労する傾向があります。本稿では,値条件のエントロピーを最大化する新しい探索手法を提案する。
論文参考訳（メタデータ） (2023-05-31T01:09:28Z)
Nearly Optimal Latent State Decoding in Block MDPs [74.51224067640717]
エピソードブロック MDP では、意思決定者は少数の潜在状態から生成される豊富な観測やコンテキストにアクセスすることができる。まず、固定動作ポリシーに基づいて生成されたデータに基づいて、潜時状態復号関数を推定することに興味がある。次に、報酬のないフレームワークにおいて、最適に近いポリシーを学習する問題について研究する。
論文参考訳（メタデータ） (2022-08-17T18:49:53Z)
Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
論文参考訳（メタデータ） (2022-03-14T16:51:36Z)
Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。どちらの手法もエネルギーと基底状態の優れた推定値を提供する。勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文参考訳（メタデータ） (2020-11-02T19:52:04Z)
Near-optimal ground state preparation [3.7747526957907303]
ハミルトンの基底エネルギーを推定する量子古典的アルゴリズムを提案する。所望の精度に対する初期状態へのクエリ数の依存は、現在の最先端アルゴリズムと比較して指数関数的に改善される。また,非構造探索問題や量子近似計数問題に適用することにより,アルゴリズムが複雑性の低い境界に達することを証明した。
論文参考訳（メタデータ） (2020-02-28T01:46:25Z)

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。