論文の概要: Hybrid Quantum Singular Spectrum Decomposition for Time Series Analysis
- arxiv url: http://arxiv.org/abs/2212.08831v1
- Date: Sat, 17 Dec 2022 10:05:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 07:32:38.829938
- Title: Hybrid Quantum Singular Spectrum Decomposition for Time Series Analysis
- Title（参考訳）: 時系列解析のためのハイブリッド量子特異スペクトル分解
- Authors: Jasper Johannes Postema, Pietro Bonizzi, Gideon Koekoek, Ronald L.
Westra, Servaas J.J.M.F. Kokkelmans
- Abstract要約: 特異スペクトル分解(英: singular spectrum decomposition, SSD)は、非定常および非線形時系列から狭帯域成分を抽出する適応法である。
本稿では,SVDサブルーチンを量子コンピュータに割り当てることにより,量子SSDを提案する。
乱数化SVDを用いることで、回路の1つに量子ビット制限を課すことで、可視性を向上させることができることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical data analysis requires computational efforts that become
intractable in the age of Big Data. An essential task in time series analysis
is the extraction of physically meaningful information from a noisy time
series. One algorithm devised for this very purpose is singular spectrum
decomposition (SSD), an adaptive method that allows for the extraction of
narrow-banded components from non-stationary and non-linear time series. The
main computational bottleneck of this algorithm is the singular value
decomposition (SVD). Quantum computing could facilitate a speedup in this
domain through superior scaling laws. We propose quantum SSD by assigning the
SVD subroutine to a quantum computer. The viability for implementation and
performance of this hybrid algorithm on a near term hybrid quantum computer is
investigated. In this work we show that by employing randomised SVD, we can
impose a qubit limit on one of the circuits to improve scalibility. Using this,
we efficiently perform quantum SSD on simulations of local field potentials
recorded in brain tissue, as well as GW150914, the first detected gravitational
wave event.
- Abstract（参考訳）: 古典的なデータ分析は、ビッグデータの時代に難航する計算努力を必要とする。
時系列分析における重要なタスクは、ノイズの多い時系列から物理的意味のある情報を抽出することである。
この目的のために考案された1つのアルゴリズムは特異スペクトル分解(SSD)であり、これは非定常および非線形時系列からの狭帯域成分の抽出を可能にする適応的手法である。
このアルゴリズムの主な計算ボトルネックは特異値分解(SVD)である。
量子コンピューティングは、優れたスケーリング法則によって、この分野のスピードアップを促進することができる。
本稿では,SVDサブルーチンを量子コンピュータに割り当てることで量子SSDを提案する。
近い将来のハイブリッド量子コンピュータにおけるハイブリッドアルゴリズムの実装と性能について検討した。
本研究では、乱数化SVDを用いることで、回路の1つに量子ビット制限を課すことで、可視性を向上させることができることを示す。
本研究では,脳組織に記録された局所場電位のシミュレーションと,重力波を初めて検出したgw150914を用いて,量子ssdを効率的に行う。
関連論文リスト
- Ancillary entangling Floquet kicks for accelerating quantum algorithms [0.21990652930491855]
我々は、一次系量子ビットとアシラリー量子ビットを絡めるデジタル多ビットゲートを用いて量子シミュレーションを高速化する。
単純だが非自明な短距離無限長距離逆場イジングモデルと、量子ビット符号化後の水素分子モデルに対して、解法時間の改善を100%に示す。
論文 参考訳（メタデータ） (2024-08-23T19:40:24Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Leapfrogging Sycamore: Harnessing 1432 GPUs for 7$\times$ Faster Quantum Random Circuit Sampling [40.83618005962484]
ランダム量子回路サンプリングは、量子計算の利点を示すベンチマークとして機能する。
古典的アルゴリズムの最近の進歩は、古典的シミュレーション時間を大幅に短縮した。
我々の研究は、TextitSycamoreの量子優位性という主張を否定する最初の明白な実験的証拠を提供する。
論文 参考訳（メタデータ） (2024-06-27T05:01:47Z) - Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - 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 Speedup for Higher-Order Unconstrained Binary Optimization and
MIMO Maximum Likelihood Detection [2.5272389610447856]
実数値の高次非制約二項最適化問題をサポートする量子アルゴリズムを提案する。
提案アルゴリズムは,古典的領域におけるクエリの複雑さを低減し,量子領域における2次高速化を実現する。
論文 参考訳（メタデータ） (2022-05-31T00:14:49Z) - Quantum Semi-Supervised Kernel Learning [4.726777092009554]
本稿では,セミスーパービジョンカーネル支援ベクトルマシンを学習するための量子機械学習アルゴリズムを提案する。
完全教師付き量子LS-SVMと同じスピードアップを維持していることを示す。
論文 参考訳（メタデータ） (2022-04-22T13:39:55Z) - The Boundary for Quantum Advantage in Gaussian Boson Sampling [44.62475518267084]
最先端の量子フォトニクス実験では、既存の古典的アルゴリズムをシミュレートするのに6億年を要します。
本稿では,高速かつ高精度なGBSシミュレーション手法を提案する。
これにより、最先端のGBS実験をシミュレーションする実行時間を数ヶ月に短縮する。
論文 参考訳（メタデータ） (2021-08-03T16:49:40Z) - Long-time simulations with high fidelity on quantum hardware [1.8909337252764988]
本研究では,現在のハードウェア上で長時間,高忠実度シミュレーションを行うことが可能であることを示す。
具体的には、リゲッティおよびIBM量子コンピュータ上でのXYモデルスピンチェーンをシミュレートする。
これは反復トロッター法で可能なよりも150倍長い因子である。
論文 参考訳（メタデータ） (2021-02-08T16:18:50Z) - Efficient Quantum Circuits for Accurate State Preparation of Smooth,
Differentiable Functions [0.8315657895474382]
線形サイズと深さの回路で高精度に対応できる量子状態の族が存在することを示す。
さらに,線形深度回路を生成するために,線形古典時間のみを必要とするアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-05-09T02:31:44Z)
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。