論文の概要: Scalable quantum circuits for $n$-qubit unitary matrices
- arxiv url: http://arxiv.org/abs/2304.14096v2
- Date: Mon, 15 Jan 2024 05:23:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 02:57:45.914999
- Title: Scalable quantum circuits for $n$-qubit unitary matrices
- Title(参考訳): $n$-qubitユニタリ行列に対するスケーラブル量子回路
- Authors: Rohit Sarma Sarkar, Bibhas Adhikari
- Abstract要約: この研究は、最適化に基づくスケーラブルな量子ニューラルネットワークフレームワークで、ユニタリの一般的なパラメトリック表現を通じて$n$-qubitのユニタリを近似する。
- 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 work presents an optimization-based scalable quantum neural network
framework for approximating $n$-qubit unitaries through generic parametric
representation of unitaries, which are obtained as product of exponential of
basis elements of a new basis that we propose as an alternative to Pauli string
basis. We call this basis as the Standard Recursive Block Basis, which is
constructed using a recursive method, and its elements are permutation-similar
to block Hermitian unitary matrices.
- Abstract(参考訳): 本研究は、最適化に基づくスケーラブルな量子ニューラルネットワークフレームワークで、ユニタリの一般的なパラメトリック表現を通じて、n$-qubitのユニタリを近似し、ポーリの弦基底の代替として提案する新しい基底の指数的基底要素の積として得られる。
我々は、この基底を標準再帰的ブロック基底と呼び、再帰的手法を用いて構築し、その要素は、ブロックエルミートユニタリ行列に類似している。
関連論文リスト
- Parseval Convolution Operators and Neural Networks [16.78532039510369]
まず、Parseval畳み込み演算子をエネルギー保存フィルタバンクのクラスとして同定する。
次に,基本Parsevalモジュールの連鎖によるフィルタバンクの設計・特定のための構築的アプローチを提案する。
生体医用画像の反復的再構成のためのCNNアルゴリズムの設計により,これらのツールの使用例を示す。
論文 参考訳(メタデータ) (2024-08-19T13:31:16Z) - Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。
以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
論文 参考訳(メタデータ) (2024-04-15T12:38:46Z) - A quantum neural network framework for scalable quantum circuit approximation of unitary matrices [0.0]
我々は,マルチキュービットユニタリゲートの量子回路近似のための量子ニューラルネットワークフレームワークを開発した。
ニューラルネットワークの層は、Standard Recursive Block Basisの特定の要素の積によって定義される。
論文 参考訳(メタデータ) (2024-02-07T22:39:39Z) - Vectorization of the density matrix and quantum simulation of the von
Neumann equation of time-dependent Hamiltonians [65.268245109828]
我々は、von-Neumann方程式を線形化するための一般的なフレームワークを開発し、量子シミュレーションに適した形でレンダリングする。
フォン・ノイマン方程式のこれらの線型化のうちの1つは、状態ベクトルが密度行列の列重ね元となる標準的な場合に対応することを示す。
密度行列の力学をシミュレートする量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-14T23:08:51Z) - An Alternative Formulation of the Quantum Phase Estimation Using Projection-Based Tensor Decompositions [0.0]
量子位相推定の代替版が提案され、アダマールゲートは量子フーリエ変換によって置換される。
この新しい回路は、アンシラが$ket0$であるときに元の回路と一致する。
射影に基づくテンソル分解と指数関数の閉形式表現の助けを借りて、この新しい手法は対応する対象ユニタリ作用素のハミルトニアンに結合した乗数として解釈できる。
論文 参考訳(メタデータ) (2023-03-10T13:02:29Z) - Efficient classical algorithms for simulating symmetric quantum systems [4.416367445587541]
古典的アルゴリズムは、入力の古典的記述が与えられたとき、量子的表現を効率的にエミュレートできることを示す。
具体的には、対称性付きパウリ基底で指定された置換不変量に対する基底状態と時間進化予測値を計算する古典的アルゴリズムを与える。
論文 参考訳(メタデータ) (2022-11-30T13:53:16Z) - A Recursively Recurrent Neural Network (R2N2) Architecture for Learning
Iterative Algorithms [64.3064050603721]
本研究では,リカレントニューラルネットワーク (R2N2) にランゲ・クッタニューラルネットワークを一般化し,リカレントニューラルネットワークを最適化した反復アルゴリズムの設計を行う。
本稿では, 線形方程式系に対するクリロフ解法, 非線形方程式系に対するニュートン・クリロフ解法, 常微分方程式に対するルンゲ・クッタ解法と類似の繰り返しを計算問題クラスの入力・出力データに対して提案した超構造内における重みパラメータの正規化について述べる。
論文 参考訳(メタデータ) (2022-11-22T16:30:33Z) - Preentangling Quantum Algorithms -- the Density Matrix Renormalization
Group-assisted Quantum Canonical Transformation [0.0]
量子アルゴリズムの初期状態としてパラメータフリープリエンタングルを用いる手法を提案する。
この戦略は、対応する一般化ユニタリクラスタ回路よりもはるかに少ないパラメータを必要とする。
論文 参考訳(メタデータ) (2022-09-15T07:35:21Z) - Quantum algorithms for matrix operations and linear systems of equations [65.62256987706128]
本稿では,「Sender-Receiver」モデルを用いた行列演算のための量子アルゴリズムを提案する。
これらの量子プロトコルは、他の量子スキームのサブルーチンとして使用できる。
論文 参考訳(メタデータ) (2022-02-10T08:12:20Z) - A Parallelizable Lattice Rescoring Strategy with Neural Language Models [62.20538383769179]
自動音声認識のためのニューラルネットワークモデル(LM)を用いた効率的な格子相関のための後部格子拡張アルゴリズムを提案する。
スイッチボードデータセットにおける実験により,提案手法が同等の認識性能を得た。
PyTorchで訓練されたニューラル LM をKaldi との格子再構成に簡単に統合することで、並列再描画法により柔軟性が向上する。
論文 参考訳(メタデータ) (2021-03-08T21:23:12Z) - Supervised Quantile Normalization for Low-rank Matrix Approximation [50.445371939523305]
我々は、$X$ の値と $UV$ の値を行ワイズで操作できる量子正規化演算子のパラメータを学習し、$X$ の低ランク表現の質を改善する。
本稿では,これらの手法が合成およびゲノムデータセットに適用可能であることを実証する。
論文 参考訳(メタデータ) (2020-02-08T21:06:02Z)
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。