論文の概要: Determining probability density functions with adiabatic quantum computing
- arxiv url: http://arxiv.org/abs/2303.11346v3
- Date: Mon, 06 Jan 2025 19:35:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-08 15:46:45.119040
- Title: Determining probability density functions with adiabatic quantum computing
- Title(参考訳): 断熱量子コンピューティングによる確率密度関数の決定
- Authors: Matteo Robbiati, Juan M. Cruz-Martinez, Stefano Carrazza,
- Abstract要約: 本稿では,1次元の確率分布を,アナログとゲートベースの計算を併用する方法の実践例として挙げる。
特に, 厳密な単調関数の整合性を考慮したアディベート進化モデルにおいて, データを符号化する手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: The two main approaches to quantum computing are gate-based computation and analog computation, which are polynomially equivalent in terms of complexity, and they are often seen as alternatives to each other. In this work, we present a method for fitting one-dimensional probability distributions as a practical example of how analog and gate-based computation can be used together to perform different tasks within a single algorithm. In particular, we propose a strategy for encoding data within an adiabatic evolution model, which accomodates the fitting of strictly monotonic functions, as it is the cumulative distribution function of a dataset. Subsequently, we use a Trotter-bounded procedure to translate the adiabatic evolution into a quantum circuit in which the evolution time t is identified with the parameters of the circuit. This facilitates computing the probability density as derivative of the cumulative function using parameter shift rules.
- Abstract(参考訳): 量子コンピューティングの2つの主要なアプローチはゲートベースの計算とアナログ計算である。
本研究では,1次元の確率分布を1つのアルゴリズム内で異なるタスクを実行するために,アナログとゲートベースの計算を併用する方法の実用的な例として挙げる。
特に、データセットの累積分布関数であるため、厳密な単調関数の適合を促進させる、断熱的進化モデル内のデータを符号化する戦略を提案する。
その後、トロッターバウンド法を用いて断熱的進化を量子回路に変換し、進化時間tを回路のパラメータと同定する。
これにより、パラメータシフト規則を用いた累積関数の微分としての確率密度の計算が容易となる。
関連論文リスト
- Quantum Computing for Partition Function Estimation of a Markov Random Field in a Radar Anomaly Detection Problem [0.0]
確率論において、分割関数は、任意の確率関数を1の確率で密度関数に還元するために用いられる因子である。
本稿では,1つのクリーンキュービットモデルにおける分割関数推定のための量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2025-01-02T09:14:14Z) - Variational approach to photonic quantum circuits via the parameter shift rule [0.0]
ボソンサンプリングパラダイムに基づく再構成可能な光線形回路のパラメータシフト則の定式化を導出する。
また、変分パラメータ上の積分の計算についても同様の規則を提示する。
我々は、再構成可能な6モード統合干渉計で処理される単一光子状態の変分アルゴリズムを実験的に試験する手法を開発した。
論文 参考訳(メタデータ) (2024-10-09T15:06:17Z) - Efficient Quantum Circuits for Non-Unitary and Unitary Diagonal Operators with Space-Time-Accuracy trade-offs [1.0749601922718608]
ユニタリおよび非ユニタリ対角作用素は量子アルゴリズムの基本的な構成要素である。
本稿では,一元対角演算子と非単元対角演算子を効率よく調整可能な量子回路で実装する一般手法を提案する。
論文 参考訳(メタデータ) (2024-04-03T15:42:25Z) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳(メタデータ) (2023-02-09T14:05:18Z) - Exploring the role of parameters in variational quantum algorithms [59.20947681019466]
動的リー代数の階数を用いた変分量子回路のキャラクタリゼーションのための量子制御に着想を得た手法を提案する。
有望な接続は、リーランク、計算されたエネルギーの精度、および所定の回路アーキテクチャを介して目標状態を達成するために必要な深さとの間のものである。
論文 参考訳(メタデータ) (2022-09-28T20:24:53Z) - A Quantum Algorithm for Computing All Diagnoses of a Switching Circuit [73.70667578066775]
ほとんどの人造システム、特にコンピュータは決定論的に機能する。
本稿では、量子物理学が確率法則に従うときの直観的なアプローチである量子情報理論による接続を提供する。
論文 参考訳(メタデータ) (2022-09-08T17:55:30Z) - Quantum Extremal Learning [0.8937790536664091]
本稿では,関数出力を極大化する隠れ関数への入力を見つける過程である「極大学習のための量子アルゴリズム」を提案する。
量子エクストリームラーニング(quantum extremal Learning, QEL)と呼ばれるこのアルゴリズムは、データ入力と出力の関係をモデル化するために変分訓練されたパラメトリック量子回路で構成されている。
論文 参考訳(メタデータ) (2022-05-05T17:37:26Z) - Protocols for Trainable and Differentiable Quantum Generative Modelling [21.24186888129542]
微分可能量子回路(DQC)としての確率分布の学習手法を提案する。
我々はDQCベースのモデルのトレーニングを行い、そこでデータは位相特徴写像で潜在空間にエンコードされ、次に変動量子回路が続く。
これにより、シングルショットの読み出しを使ってパラメタライズドディストリビューションからの高速サンプリングが可能になる。
論文 参考訳(メタデータ) (2022-02-16T18:55:48Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳(メタデータ) (2021-12-31T16:33:10Z) - The data-driven physical-based equations discovery using evolutionary
approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。
このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。
解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文 参考訳(メタデータ) (2020-04-03T17:21:57Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳(メタデータ) (2019-12-31T19:00:00Z)
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。