Fugu-MT 論文翻訳(概要): Ancilla-free certification of unitary quantum processes

論文の概要: Ancilla-free certification of unitary quantum processes

arxiv url: http://arxiv.org/abs/2211.15647v1
Date: Mon, 28 Nov 2022 18:53:11 GMT
ステータス: 処理完了
システム内更新日: 2023-01-17 14:50:03.303155
Title: Ancilla-free certification of unitary quantum processes
Title（参考訳）: ユニタリ量子過程のアンシラフリー証明
Authors: Wei Xie
Abstract要約: 我々は、アンシラを使わずに、ユニタリ量子プロセスの効率的な量子認証アルゴリズムについて検討した。我々は2つのケースを$O(varepsilon-1)$で区別するアルゴリズムを提案し、アンシラが少ないか存在しないかを用いてユニタリを使用する。
参考スコア（独自算出の注目度）: 2.3889084213601346
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study efficient quantum certification algorithms for unitary quantum process using no ancilla. Previous study showed that one can distinguish whether an unknown unitary $U$ is equal to or $\varepsilon$-far from a known or unknown unitary $V$ in fixed dimension with $O(\varepsilon^{-2})$ uses of the unitary, in which the Choi state is used and thus a high dimensional ancilla system is always needed. We give an algorithm that distinguishes the two cases with $O(\varepsilon^{-1})$ uses of the unitary, using fewer or no ancilla, outperforming previous relevant results.
Abstract（参考訳）: 我々は,ユニタリ量子プロセスのための効率的な量子認証アルゴリズムを,アンシラを使わずに研究する。以前の研究では、未知のユニタリ$u$が既知のユニタリ$v$と同一か、または、未知のユニタリ$v$を固定次元で、o(\varepsilon^{-2})$で、choi状態が使われ、高次元のアンシラシステムが必要であるかを区別できることを示した。 2つのケースを1つのユニタリの$o(\varepsilon^{-1})$で区別するアルゴリズムを与える。

関連論文リスト

Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文参考訳（メタデータ） (2024-01-17T18:59:38Z)
Succinct quantum testers for closeness and $k$-wise uniformity of probability distributions [2.3466828785520373]
確率分布の近さ特性と$k$-wise均一性をテストする基本的な問題に対する潜在的な量子スピードアップについて検討する。我々は、$ell1$-および$ell2$-closenessテストの量子クエリ複雑性が$O(sqrtn/varepsilon)$と$O(sqrtnk/varepsilon)$であることを示す。クエリ複雑性を$O(sqrtnk/varepsilon)で表した最初の量子アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-25T15:32:37Z)
Spacetime-Efficient Low-Depth Quantum State Preparation with Applications [93.56766264306764]
任意の量子状態を作成するための新しい決定論的手法は、以前の方法よりも少ない量子資源を必要とすることを示す。我々は、量子機械学習、ハミルトンシミュレーション、方程式の線形系を解くことなど、この能力が役立ついくつかのアプリケーションを強調した。
論文参考訳（メタデータ） (2023-03-03T18:23:20Z)
Unitarity estimation for quantum channels [7.323367190336826]
ユニタリティ推定は、量子デバイス認証とベンチマークにおいて基礎的で重要な問題である。我々は、アンシラ効率のアルゴリズムを誘導するユニタリティ推定のための統一的なフレームワークを提供する。アルゴリズムの$d$-dependenceと$epsilon$-dependenceの両方が最適であることを示す。
論文参考訳（メタデータ） (2022-12-19T09:36:33Z)
Quantum Approximation of Normalized Schatten Norms and Applications to Learning [0.0]
本稿では,テキスト効率よく推定できる量子演算の類似度尺度を定義する問題に対処する。量子サンプリング回路を開発し、それらの差の正規化されたシャッテン 2-ノルムを推定し、サンプル複雑性の上限であるポリ$(frac1epsilon)$を証明した。次に、そのような類似度計量は、量子状態の従来の忠実度計量を用いて、ユニタリ演算の類似度の関数的定義と直接関係していることを示す。
論文参考訳（メタデータ） (2022-06-23T07:12:10Z)
Quantum Resources Required to Block-Encode a Matrix of Classical Data [56.508135743727934]
回路レベルの実装とリソース推定を行い、古典データの高密度な$Ntimes N$行列をブロックエンコードして$epsilon$を精度良くすることができる。異なるアプローチ間のリソーストレードオフを調査し、量子ランダムアクセスメモリ(QRAM)の2つの異なるモデルの実装を検討する。我々の結果は、単純なクエリの複雑さを超えて、大量の古典的データが量子アルゴリズムにアクセスできると仮定された場合のリソースコストの明確な図を提供する。
論文参考訳（メタデータ） (2022-06-07T18:00:01Z)
Quantum Algorithm for Fidelity Estimation [8.270684567157987]
2つの未知の混合量子状態 $rho$ と $sigma$ に対して、それらの忠実度 $F(rho,sigma)$ は基本的な問題である。我々は、この問題を$namepoly(log (N), r, 1/varepsilon)$ timeで解く量子アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-16T13:57:01Z)
Quantum certification of state set and unitary channel [2.3889084213601346]
量子状態集合とユニタリ量子チャネルの効率的な量子認証アルゴリズムについて検討する。未知の状態が有限集合に含まれるかどうかを識別するために、未知状態の$O(varepsilon-4ln |mathcalP|)$コピーを使用するアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-04T05:17:49Z)
Linear-Sample Learning of Low-Rank Distributions [56.59844655107251]
ktimes k$, rank-r$, matrices to normalized $L_1$ distance requires $Omega(frackrepsilon2)$ sample。我々は、$cal O(frackrepsilon2log2fracepsilon)$ sample, a number linear in the high dimension, and almost linear in the matrices, usually low, rank proofs.というアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-09-30T19:10:32Z)
Finite-Time Analysis for Double Q-learning [50.50058000948908]
二重Q-ラーニングのための非漸近的有限時間解析を初めて提供する。同期と非同期の二重Q-ラーニングの両方が,グローバル最適化の$epsilon$-accurate近辺に収束することが保証されていることを示す。
論文参考訳（メタデータ） (2020-09-29T18:48:21Z)
Second-Order Information in Non-Convex Stochastic Optimization: Power and Limitations [54.42518331209581]
私たちは発見するアルゴリズムを見つけます。 epsilon$-approximate stationary point ($|nabla F(x)|le epsilon$) using $(epsilon,gamma)$surimateランダムランダムポイント。ここでの私たちの下限は、ノイズのないケースでも新規です。
論文参考訳（メタデータ） (2020-06-24T04:41:43Z)

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。