論文の概要: Random-depth Quantum Amplitude Estimation
- arxiv url: http://arxiv.org/abs/2301.00528v3
- Date: Mon, 3 Apr 2023 02:35:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 23:22:18.590587
- Title: Random-depth Quantum Amplitude Estimation
- Title（参考訳）: ランダム深さ量子振幅推定
- Authors: Xi Lu and Hongwei Lin
- Abstract要約: 最大振幅推定アルゴリズム(MLAE)は、量子振幅推定問題の実用的な解である。
MLAEは、その不正確性の主要な原因の1つである、いわゆる臨界点(Critical point)のため、偏りがないことが分かっています。
臨界点を避けるためにランダム深さ量子振幅推定法(RQAE)を提案する。
- 参考スコア（独自算出の注目度）: 5.324438395515079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quantum amplitude estimation is a critical task in quantum computing and
the foundation of quantum numerical integration. The maximum likelihood
amplitude estimation (MLAE) algorithm is a practical solution to the quantum
amplitude estimation problem, which has a theoretically quadratic speedup over
classical Monte Carlo method. Since MLAE requires no use of the quantum Fourier
transformation (QFT), it will be more likely to be widely used in the near
future than QFT based algorithms. However, we find that MLAE is not unbiased
due to the so-called critical points, which is one of the major causes of its
inaccuracy. We propose a random-depth quantum amplitude estimation (RQAE) to
avoid critical points. We also do numerical experiments to show that our
algorithm is approximately unbiased and outperforms MLAE and other quantum
amplitude estimation algorithms.
- Abstract（参考訳）: 量子振幅推定は、量子計算と量子数値積分の基礎において重要なタスクである。
最大ラピッド振幅推定(mlae)アルゴリズムは、古典モンテカルロ法上の理論的に二次的なスピードアップを持つ量子振幅推定問題の実用的な解である。
MLAEは量子フーリエ変換(QFT)を必要としないため、QFTベースのアルゴリズムよりも近い将来に広く使われる可能性が高い。
しかし,mlaeは,その不正確性の主要な原因の一つであるいわゆる臨界点のため,偏りがないことが判明した。
臨界点を避けるためにランダム深さ量子振幅推定法(RQAE)を提案する。
また,本アルゴリズムがmlaeや他の量子振幅推定アルゴリズムよりも優れていないことを示す数値実験を行った。
関連論文リスト
- An Analysis of Quantum Annealing Algorithms for Solving the Maximum Clique Problem [49.1574468325115]
我々は、QUBO問題として表されるグラフ上の最大傾きを見つける量子D波アンナーの能力を解析する。
本稿では, 相補的な最大独立集合問題に対する分解アルゴリズムと, ノード数, 傾き数, 密度, 接続率, 解サイズの他のノード数に対する比を制御するグラフ生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-11T04:40:05Z) - Adaptive measurement strategy for noisy quantum amplitude estimation with variational quantum circuits [0.3148661669593152]
本稿では,不特定強度の非偏極雑音の存在下での振幅推定について検討する。
我々は,提案手法が量子クラム・ラオ境界(QCRB)をほぼ達成できることを数値的に示す。
論文 参考訳（メタデータ） (2024-05-24T03:15:56Z) - Asymptotically Optimal Quantum Amplitude Estimation by Generalized Qubitization [5.0755851789013535]
まず、標準値が約1.28 L-1$で、$L$はクエリの数であることを示す。
次に、複数の関数を同時にブロックエンコードできる一般化量子化法を提案し、量子振幅を推定して最適な精度を達成する方法を示す。
論文 参考訳（メタデータ） (2023-06-29T05:31:52Z) - Improved maximum-likelihood quantum amplitude estimation [0.0]
量子推定は、量子強化モンテカルロシミュレーションや量子機械学習など、多数の強力な量子アルゴリズムにおいて重要なサブルーチンである。
本稿では,最大形量子振幅推定 (MLQAE) の解析をさらに深め,量子回路深度が制限されるシナリオを含むより規範的な形式にアルゴリズムを配置する。
次に,この問題を克服するアルゴリズムの修正を提案し,数値的に検証し,近・中期量子ハードウェアにおける実用的サブルーチンとしての有用性をさらに高める。
論文 参考訳（メタデータ） (2022-09-07T17:30:37Z) - Probing finite-temperature observables in quantum simulators of spin
systems with short-time dynamics [62.997667081978825]
ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。
長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
論文 参考訳（メタデータ） (2022-06-03T18:00:02Z) - Dual-Frequency Quantum Phase Estimation Mitigates the Spectral Leakage
of Quantum Algorithms [76.15799379604898]
量子位相推定は、レコード長の逆数が未知の位相の整数倍でない場合にスペクトルリークに悩まされる。
複数のサンプルが利用できるとき,クレーマー・ラオ境界に近づいた二重周波数推定器を提案する。
論文 参考訳（メタデータ） (2022-01-23T17:20:34Z) - A randomized quantum algorithm for statistical phase estimation [8.701566919381223]
本稿では,2つの特徴を持つランダム化位相推定アルゴリズムを提案し,厳密に解析する。
まず、我々のアルゴリズムはハミルトンの項数 L に依存しない複雑性を持つ。
第二に、従来のL非依存アプローチとは異なり、我々のアルゴリズムの全てのエラー源は、より多くのデータサンプルを収集することで抑制できる。
論文 参考訳（メタデータ） (2021-10-22T21:26:35Z) - Differentiable Annealed Importance Sampling and the Perils of Gradient
Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。
差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。
我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文 参考訳（メタデータ） (2021-07-21T17:10:14Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Stochastic Hard Thresholding Algorithms for AUC Maximization [49.00683387735522]
分散分類におけるAUCのためのハードしきい値決定アルゴリズムを開発した。
提案アルゴリズムの有効性と有効性を示す実験を行った。
論文 参考訳（メタデータ） (2020-11-04T16:49:29Z) - Amplitude estimation via maximum likelihood on noisy quantum computer [3.5462326830737805]
超伝導IBM量子デバイスの実験実験を行った。
提案した最大確率推定器は,クエリ数の量子的高速化を実現する。
論文 参考訳（メタデータ） (2020-06-29T17:44:04Z)
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。