論文の概要: Solving Graph Problems Using Gaussian Boson Sampling

• arxiv url: http://arxiv.org/abs/2302.00936v1
• Date: Thu, 2 Feb 2023 08:25:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-03 14:46:07.577370
• Title: Solving Graph Problems Using Gaussian Boson Sampling
• Title（参考訳）: ガウスボソンサンプリングを用いたグラフ問題の解法
• Authors: Yu-Hao Deng, Si-Qiu Gong, Yi-Chao Gu, Zhi-Jiong Zhang, Hua-Liang Liu, Hao Su, Hao-Yang Tang, Jia-Min Xu, Meng-Hao Jia, Ming-Cheng Chen, Han-Sen Zhong, Hui Wang, Jiarong Yan, Yi Hu, Jia Huang, Wei-Jun Zhang, Hao Li, Xiao Jiang, Lixing You, Zhen Wang, Li Li, Nai-Le Liu, Chao-Yang Lu, Jian-Wei Pan
• Abstract要約: ノイズの多い中間スケールの量子コンピュータを用いてグラフ問題を解く。 我々は、大きな光子クリック数を持つGBS増強の存在を実験的に観察した。 我々の研究は、既存の中間スケール量子コンピュータを用いて現実の問題をテストするためのステップである。
• 参考スコア（独自算出の注目度）: 22.516585968074146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian boson sampling (GBS) is not only a feasible protocol for demonstrating quantum computational advantage, but also mathematically associated with certain graph-related and quantum chemistry problems. In particular, it is proposed that the generated samples from the GBS could be harnessed to enhance the classical stochastic algorithms in searching some graph features. Here, we use Jiuzhang, a noisy intermediate-scale quantum computer, to solve graph problems. The samples are generated from a 144-mode fully-connected photonic processor, with photon-click up to 80 in the quantum computational advantage regime. We investigate the open question of whether the GBS enhancement over the classical stochastic algorithms persists -- and how it scales -- with an increasing system size on noisy quantum devices in the computationally interesting regime. We experimentally observe the presence of GBS enhancement with large photon-click number and a robustness of the enhancement under certain noise. Our work is a step toward testing real-world problems using the existing noisy intermediate-scale quantum computers.
• Abstract（参考訳）: ガウス・ボーソンサンプリング(英: gaussian boson sampling、gbs)は、量子計算の利点を示すためのプロトコルであるだけでなく、特定のグラフや量子化学の問題と数学的に関連付けられる。 特に、GBSから生成されたサンプルを用いて、グラフの特徴を探索する際の古典確率アルゴリズムを強化することが提案されている。 ここでは、ノイズの多い中間スケール量子コンピュータであるJuzhangを用いてグラフ問題を解く。 サンプルは144モードのフル接続フォトニックプロセッサから生成され、量子計算の利点は最大80光子クリックである。 我々は,従来の確率的アルゴリズムに対するGBSの強化が,計算学的に興味深い状況下でノイズの多い量子デバイス上でのシステムサイズの増加とともに持続するか否かという,オープンな疑問について検討する。 我々は,大きな光子クリック数を持つGBS増強の存在と,特定の雑音下での強化の頑健さを実験的に観察した。 我々の研究は、既存のノイズの多い中間スケール量子コンピュータを用いて現実世界の問題をテストするためのステップである。

関連論文リスト

• Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph Classification [0.9935277311162707]
  2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。 ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。 本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-05T21:24:11Z)
• Quantum Semidefinite Programming with Thermal Pure Quantum States [0.5639904484784125]
  行列乗法重み付けアルゴリズムの量子化'''は、古典的アルゴリズムよりも2次的に高速なSDPの近似解が得られることを示す。 この量子アルゴリズムを改良し、ギブス状態サンプリング器を熱純量子(TPQ)状態に置き換えることで、同様のスピードアップが得られることを示す。
  論文  参考訳（メタデータ） (2023-10-11T18:00:53Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Testing of on-cloud Gaussian Boson Sampler "Borealis'' via graph theory [0.0]
  ガウスボソンサンプリング問題を解くフォトニックベースのサンプリングマシンは、量子計算の優位性の実験的実証において中心的な役割を果たす。 本研究では,最近開発されたフォトニックマシンBorealisのサンプリング機としての性能と,グラフ理論におけるその可能性について検証する。
  論文  参考訳（メタデータ） (2023-06-21T09:02:55Z)
• 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)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
  まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
  論文  参考訳（メタデータ） (2022-02-19T02:56:47Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Phase-Programmable Gaussian Boson Sampling Using Stimulated Squeezed Light [32.20791352792308]
  144モードフォトニック回路から最大113個の検出イベントを生成するGBS実験を報告した。 我々は、新しい高輝度でスケーラブルな量子光源を開発し、励起された励起光子のアイデアを探求する。 フォトニック量子コンピュータのJiuzhang 2.0は、ヒルベルト空間の次元を最大1043ドル、サンプリングレートをブルートフォースシミュレーションよりも1024ドル速くする。
  論文  参考訳（メタデータ） (2021-06-29T16:11:29Z)
• Unsupervised Event Classification with Graphs on Classical and Photonic Quantum Computers [0.0]
  フォトニック量子コンピュータは、量子コンピューティングの離散量子ビットベースのパラダイムよりもいくつかの利点を提供している。 新物理の探索に使用する異常検出モデルを構築した。 ガウスボソンサンプリングとQ平均と呼ばれるK平均への量子拡張を組み合わせた新しい異常検出法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T19:02:31Z)

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。