論文の概要: Visualizing Quantum Circuit Probability -- estimating computational
action for quantum program synthesis
- arxiv url: http://arxiv.org/abs/2304.02358v1
- Date: Wed, 5 Apr 2023 10:49:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 12:52:52.712662
- Title: Visualizing Quantum Circuit Probability -- estimating computational
action for quantum program synthesis
- Title(参考訳): 量子回路確率の可視化-量子プログラム合成のための計算動作の推定
- Authors: Bao Gia Bach, Akash Kundu, Tamal Acharya, Aritra Sarkar
- Abstract要約: 計算の回路モデルにおける状態の確率が定義される。
古典的および量子ゲート集合に対する時空有界な設定における到達性と表現性は列挙され、可視化される。
この記事では、幾何量子機械学習、新しい量子アルゴリズム、量子人工知能などの応用が、回路確率の研究の恩恵を受けるかを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This research applies concepts from algorithmic probability to Boolean and
quantum combinatorial logic circuits. A tutorial-style introduction to states
and various notions of the complexity of states are presented. Thereafter, the
probability of states in the circuit model of computation is defined. Classical
and quantum gate sets are compared to select some characteristic sets. The
reachability and expressibility in a space-time-bounded setting for these gate
sets are enumerated and visualized. These results are studied in terms of
computational resources, universality and quantum behavior. The article
suggests how applications like geometric quantum machine learning, novel
quantum algorithm synthesis and quantum artificial general intelligence can
benefit by studying circuit probabilities.
- Abstract(参考訳): 本研究は、アルゴリズム確率からブールおよび量子組合せ論理回路への概念を応用する。
状態のチュートリアルスタイルの紹介と状態の複雑さに関する様々な概念を紹介する。
その後、計算の回路モデルにおける状態の確率が定義される。
古典的および量子ゲート集合はいくつかの特徴集合を選択するために比較される。
これらのゲートセットに対する時空間有界設定における到達性と表現性を列挙して視覚化する。
これらの結果は計算資源、普遍性、量子挙動の観点から研究されている。
この記事では、幾何量子機械学習、新しい量子アルゴリズム合成、量子人工知能といった応用が、回路確率を研究することによってどのように役立つかを提案する。
関連論文リスト
- 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) - Character Complexity: A Novel Measure for Quantum Circuit Analysis [0.0]
本稿では,グループ理論の概念を実用的な量子コンピューティングの課題にブリッジする新しい尺度であるキャラクタ複雑度を紹介する。
キャラクタ複雑性のいくつかの重要な性質を証明し、量子回路の古典的シミュラビリティへの驚くべき接続を確立する。
本稿では、量子回路の構造に関する直感的な洞察を提供する、文字複雑性の革新的な可視化手法を提案する。
論文 参考訳(メタデータ) (2024-08-19T01:58:54Z) - Quantum Circuit Ansatz: Patterns of Abstraction and Reuse of Quantum Algorithm Design [3.8425905067219492]
本稿では,量子回路のアンサーゼを分類したカタログを提案する。
各アンザッツは、意図、モチベーション、適用性、回路図、実装、例などの詳細とともに記述される。
量子アルゴリズム設計におけるそれらの応用を説明するための実例が提供されている。
論文 参考訳(メタデータ) (2024-05-08T12:44:37Z) - Quantum simulation of excited states from parallel contracted quantum
eigensolvers [5.915403570478968]
基底状態の量子固有解法は、任意の数の量子固有状態を同時に計算するために一般化可能であることを示す。
提案アルゴリズムは2つの励起状態CQEを導入し,励起状態の計算を行うとともに,元の基底状態バージョンの特徴の多くを継承する。
論文 参考訳(メタデータ) (2023-11-08T23:52:31Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳(メタデータ) (2023-10-04T17:53:55Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - 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) - 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 variational learning for entanglement witnessing [0.0]
この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。
我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。
我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
論文 参考訳(メタデータ) (2022-05-20T20:14:28Z) - An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。
この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
論文 参考訳(メタデータ) (2022-05-11T12:10:52Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳(メタデータ) (2020-07-21T15:36:25Z)
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。