論文の概要: A Higher Radix Architecture for Quantum Carry-lookahead Adder
- arxiv url: http://arxiv.org/abs/2304.02921v1
- Date: Thu, 6 Apr 2023 08:15:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-04-07 14:56:39.853095
- Title: A Higher Radix Architecture for Quantum Carry-lookahead Adder
- Title(参考訳): 量子キャリーヘッド加算器のための高次ラジックスアーキテクチャ
- Authors: Siyi Wang and Anubhab Baksi and Anupam Chattopadhyay
- Abstract要約: 本稿では,高基数構造に基づく効率的な量子キャリーヘッド加算器を提案する。
T-deepth, T-count, qubit countのパフォーマンスを解析することにより, 提案した加算器は既存の量子キャリーヘッド加算器よりも優れていることを示す。
- 参考スコア(独自算出の注目度): 6.555487346177925
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: %109 words In this paper, we propose an efficient quantum carry-lookahead
adder based on the higher radix structure. For the addition of two $n$-bit
numbers, our adder uses $O(n)-O(\frac{n}{r})$ qubits and $O(n)+O(\frac{n}{r})$
T gates to get the correct answer in T-depth $O(r)+O(\log{\frac{n}{r}})$, where
$r$ is the radix.
Quantum carry-lookahead adder has already attracted some attention because of
its low T-depth. Our work further reduces the overall cost by introducing a
higher radix layer. By analyzing the performance in T-depth, T-count, and qubit
count, it is shown that the proposed adder is superior to existing quantum
carry-lookahead adders. Even compared to the Draper out-of-place adder which is
very compact and efficient, our adder is still better in terms of T-count.
- Abstract(参考訳): %109ワード この論文では,高基数構造に基づく効率的な量子キャリーヘッド加算器を提案する。
2つの$n$-bit数値を加算するために、加算器は$O(n)-O(\frac{n}{r})$ qubits と $O(n)+O(\frac{n}{r})$ T gates を使い、T-deepth $O(r)+O(\log{\frac{n}{r}})$で正しい答えを得る。
量子キャリーヘッド添加剤は、T深度が低いため、既に注目を集めている。
我々の研究は、高基数層を導入することで全体的なコストを削減する。
T-deepth, T-count, qubit countのパフォーマンスを解析することにより, 提案した加算器は既存の量子キャリーヘッド加算器よりも優れていることを示す。
非常にコンパクトで効率的であるDraperのアウト・オブ・プレース加算器と比較しても、我々の加算器はTカウントの点でまだ優れている。
関連論文リスト
- A Classical-Quantum Adder with Constant Workspace and Linear Gates [0.03922370499388702]
私は、量子レジスタに古典的なオフセットを追加するために、3つのクリーンアンシラと4n pm O(1)$ Toffoli ゲートを使用する加算器を構築します。
私は、制御キュービットに条件付きで提示された加算器を適用するには、追加のワークスペースやToffolisを必要としないことを示しています。
論文 参考訳(メタデータ) (2025-07-30T20:24:03Z) - A note on quantum lower bounds for local search via congestion and expansion [4.68073705539907]
G$上の局所探索の量子クエリの複雑さは$Omegabigl( fracnfrac34sqrtg bigr)$であることを示す。
古典的な設定とは対照的に、そのようなグラフに対して、下界と最もよく知られた上界の$Obigl(nfrac13 bigr)$の間の量子ケースにギャップが残っている。
論文 参考訳(メタデータ) (2024-12-17T21:42:42Z) - Quantum state preparation with optimal T-count [2.1386090295255333]
任意の$n$-qubit量子状態を誤差$varepsilon$に近似するために、Tゲートがいくつ必要かを示す。
また、これは任意の対角線$n$-qubitユニタリをエラー$varepsilon$に実装するための最適なTカウントであることを示す。
論文 参考訳(メタデータ) (2024-11-07T15:29:33Z) - A quantum random access memory (QRAM) using a polynomial encoding of binary strings [0.0]
量子ランダムアクセスメモリ(QRAM)は量子オラクルを実現するための有望なアーキテクチャである。
我々はQRAMの新しい設計を開発し、Clifford+T回路で実装する。
我々は、Tカウントを減らし、クォービット数を同じにしながら、T深度を指数的に改善する。
論文 参考訳(メタデータ) (2024-08-28T18:39:56Z) - Rank Is All You Need: Estimating the Trace of Powers of Density Matrices [1.5133368155322298]
同一の$k$密度行列のパワーのトレースを推定することは、多くのアプリケーションにとって重要なサブルーチンである。
The Newton-Girard method, we developed a algorithm that only $mathcalO(r)$ qubits and $mathcalO(r)$ multi-qubit gates。
論文 参考訳(メタデータ) (2024-08-01T06:23:52Z) - Low-rank Matrix Bandits with Heavy-tailed Rewards [55.03293214439741]
アンダーライン重み付きアンダーラインリワード(LowHTR)を用いたアンダーラインローランク行列バンディットの問題点について検討する。
観測されたペイオフに対するトランケーションと動的探索を利用して,LOTUSと呼ばれる新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-04-26T21:54:31Z) - Optimizing T and CNOT Gates in Quantum Ripple-Carry Adders and Comparators [0.0]
2つのnビット数の加算と比較のためのリップルキャリー戦略を示す。
特に,Cuccaro et al. と Takahashi et al の添加剤について考察する。
論文 参考訳(メタデータ) (2024-01-31T15:34:56Z) - Enlarging the notion of additivity of resource quantifiers [62.997667081978825]
量子状態 $varrho$ と量子化器 $cal E(varrho) が与えられたとき、$cal E(varrhootimes N)$ を決定するのは難しい。
本研究では, ある球対称状態の1発の蒸留可能な絡み合いを, このような拡張付加性によって定量的に近似できることを示す。
論文 参考訳(メタデータ) (2022-07-31T00:23:10Z) - Exponential Separation between Quantum and Classical Ordered Binary
Decision Diagrams, Reordering Method and Hierarchies [68.93512627479197]
量子順序付き二項決定図($OBDD$)モデルについて検討する。
入力変数の任意の順序で、OBDDの下位境界と上位境界を証明します。
read$k$-times Ordered Binary Decision Diagrams (k$-OBDD$)の幅の階層を拡張します。
論文 参考訳(メタデータ) (2022-04-22T12:37:56Z) - Gaussian Process Bandit Optimization with Few Batches [49.896920704012395]
有限腕バンディットアルゴリズムにインスパイアされたバッチアルゴリズムを導入する。
O(log T)$ batches in time horizon $T$.sqrtTgamma_T)$ using $O(log T)$ batches in time horizon。
さらに,アルゴリズムの修正版を提案し,バッチ数によって後悔がどう影響するかを特徴付ける。
論文 参考訳(メタデータ) (2021-10-15T00:54:04Z) - Optimal Spectral Recovery of a Planted Vector in a Subspace [80.02218763267992]
我々は、$ell_4$ノルムが同じ$ell$ノルムを持つガウスベクトルと異なるプラントベクトル$v$の効率的な推定と検出について研究する。
規則$n rho gg sqrtN$ では、大クラスのスペクトル法(そしてより一般的には、入力の低次法)は、植込みベクトルの検出に失敗する。
論文 参考訳(メタデータ) (2021-05-31T16:10:49Z) - Adder Neural Networks [75.54239599016535]
我々は、ディープニューラルネットワークにおける大規模な乗算を交換するために、加算器ネットワーク(AdderNets)を提案する。
AdderNetsでは、フィルタと入力特徴の間の$ell_p$-norm距離を出力応答として取ります。
提案したAdderNetsは,ImageNetデータセット上でResNet-50を用いて,75.7%のTop-1精度92.3%のTop-5精度を達成可能であることを示す。
論文 参考訳(メタデータ) (2021-05-29T04:02:51Z) - Halving the width of Toffoli based constant modular addition to n+3
qubits [69.43216268165402]
本稿では,Toffoli ゲートの深さが $mathcalO(n)$ の固定モジュラ加算を行う演算回路を提案する。
これは、最先端のToffoliベースの定数モジュラー加算器の幅と比較して2倍の改善である。
論文 参考訳(メタデータ) (2021-02-06T17:07:48Z) - Quantum block lookahead adders and the wait for magic states [0.0]
ブロックルックアヘッド加算器は、すべてのビットに代えて、サイズが$b$のブロックを並列化する。
本研究では, これらの加算器の時空体積と, 各種レジスタサイズ, 工場数について, 表面コードおよび超伝導量子ビットに基づく大規模量子コンピュータの仮定として推定する。
論文 参考訳(メタデータ) (2020-12-03T01:15:43Z) - Thresholded Lasso Bandit [70.17389393497125]
Thresholded Lasso banditは、報酬関数を定義するベクトルとスパースサポートを推定するアルゴリズムである。
一般には $mathcalO( log d + sqrtT )$ や $mathcalO( log d + sqrtT )$ としてスケールする非漸近的後悔の上界を確立する。
論文 参考訳(メタデータ) (2020-10-22T19:14:37Z) - Efficient Construction of a Control Modular Adder on a Carry-Lookahead
Adder Using Relative-phase Toffoli Gates [0.9697877942346909]
2種類の量子コンピュータにおいて相対位相トフォリゲートを用いて,KQを小さくした効率的な制御モジュール加算器を構築する。
FTQでは、$T$ゲートは蒸留によって重くコストがかかるため、高い精度で$T$ゲートを走らせるためにアンシラを製造するが、特別に作られた多くのアンシラクビットを消費する。
そこで本研究では,元の$T$ゲートの20%しか使用しない新しい制御モジュール加算器を提案する。
論文 参考訳(メタデータ) (2020-10-01T08:55:53Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳(メタデータ) (2020-06-12T10:21:40Z)
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。