論文の概要: On the quantum simulation of complex networks
- arxiv url: http://arxiv.org/abs/2212.06126v1
- Date: Mon, 12 Dec 2022 18:55:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 14:05:00.779687
- Title: On the quantum simulation of complex networks
- Title(参考訳): 複雑なネットワークの量子シミュレーションについて
- Authors: Duarte Magano and Jo\~ao Moutinho and Bruno Coutinho
- Abstract要約: 連続時間量子ウォークアルゴリズムは、ハミルトニアンがグラフの隣接行列によって与えられる量子系の力学をシミュレートできると仮定する。
我々は、量子シミュレーションの最先端の結果を、少数のハブを含むグラフにまで拡張するが、それ以外はスパースである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum walks provide a natural framework to approach graph problems with
quantum computers, exhibiting speedups over their classical counterparts for
tasks such as the search for marked nodes or the prediction of missing links.
Continuous-time quantum walk algorithms assume that we can simulate the
dynamics of quantum systems where the Hamiltonian is given by the adjacency
matrix of the graph. It is known that such can be simulated efficiently if the
underlying graph is row-sparse and efficiently row-computable. While this is
sufficient for many applications, it limits the applicability for this class of
algorithms to study real world complex networks, which, among other properties,
are characterized by the existence of a few densely connected nodes, called
hubs. In other words, complex networks are typically not row-sparse, even
though the average connectivity over all nodes can be very small. In this work,
we extend the state-of-the-art results on quantum simulation to graphs that
contain a small number of hubs, but that are otherwise sparse. Hopefully, our
results may lead to new applications of quantum computing to network science.
- Abstract(参考訳): 量子ウォークは、量子コンピュータでグラフ問題にアプローチするための自然なフレームワークを提供し、マークされたノードの探索や欠落したリンクの予測といったタスクに対して、従来のものよりもスピードアップを示す。
連続時間量子ウォークアルゴリズムは、ハミルトニアンがグラフの隣接行列によって与えられる量子システムのダイナミクスをシミュレートできると仮定する。
グラフが行スパースで効率よく行計算可能であれば、これを効率的にシミュレートできることが知られている。
これは多くのアプリケーションに十分であるが、このタイプのアルゴリズムが実世界の複雑なネットワークを研究するための適用性を制限する。
言い換えれば、複雑なネットワークは通常、すべてのノード間の平均接続が非常に小さいとしても、行スパースではない。
本研究では、量子シミュレーションの最先端結果を、少数のハブを含むグラフに拡張するが、それ以外はスパースである。
私たちの結果は、量子コンピューティングのネットワーク科学への新しい応用に繋がるかもしれません。
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) - A quantum walk-based scheme for distributed searching on arbitrary
graphs [0.0]
離散時間量子ウォークは、量子セルオートマトンの一粒子セクターとして知られている。
この研究は、任意のグラフ上のノードやエッジを探索するために設計された新しい量子ウォークベースの探索スキームを導入する。
論文 参考訳(メタデータ) (2023-10-16T14:35:05Z) - 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) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - 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) - 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) - Demonstrating robust simulation of driven-dissipative problems on
near-term quantum computers [53.20999552522241]
量子コンピュータは物理学と化学における量子力学系のシミュレーションに革命をもたらす。
現在の量子コンピュータは、訂正されていないノイズ、ゲートエラー、デコヒーレンスのためにアルゴリズムを不完全に実行している。
ここでは、量子力学における最も難しい問題の1つとして、駆動散逸多体問題の解法が本質的にエラーに対して堅牢であることを示す。
論文 参考訳(メタデータ) (2021-08-02T21:36:37Z) - Simple heuristics for efficient parallel tensor contraction and quantum
circuit simulation [1.4416132811087747]
本稿では,確率モデルを用いたテンソルネットワークの縮約のための並列アルゴリズムを提案する。
結果のアルゴリズムをランダム量子回路のシミュレーションに適用する。
論文 参考訳(メタデータ) (2020-04-22T23:00:42Z) - Realising and compressing quantum circuits with quantum reservoir
computing [2.834895018689047]
量子ノードのランダムネットワークが量子コンピューティングの堅牢なハードウェアとしてどのように使用できるかを示す。
我々のネットワークアーキテクチャは、量子ノードの単一層のみを最適化することで量子演算を誘導する。
数量子状態においては、量子回路内の複数の量子ゲートのシーケンスは単一の演算で圧縮することができる。
論文 参考訳(メタデータ) (2020-03-21T03:29:16Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。