Fugu-MT 論文翻訳(概要): Quantum Tutte Embeddings

論文の概要: Quantum Tutte Embeddings

arxiv url: http://arxiv.org/abs/2307.08851v2
Date: Tue, 25 Jul 2023 17:29:30 GMT
ステータス: 処理完了
システム内更新日: 2023-07-26 20:13:09.514744
Title: Quantum Tutte Embeddings
Title（参考訳）: 量子タット埋め込み
Authors: Shion Fukuzawa, Michael T. Goodrich, Sandy Irani
Abstract要約: 本稿では、与えられたグラフからグラフ描画量子回路を作成する方法について述べる。この回路の量子状態としてタッテ埋め込みを計算し、それをサンプリングして埋め込みを抽出する方法を示す。
参考スコア（独自算出の注目度）: 2.8981045877033993
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Using the framework of Tutte embeddings, we begin an exploration of \emph{quantum graph drawing}, which uses quantum computers to visualize graphs. The main contributions of this paper include formulating a model for quantum graph drawing, describing how to create a graph-drawing quantum circuit from a given graph, and showing how a Tutte embedding can be calculated as a quantum state in this circuit that can then be sampled to extract the embedding. To evaluate the complexity of our quantum Tutte embedding circuits, we compare them to theoretical bounds established in the classical computing setting derived from a well-known classical algorithm for solving the types of linear systems that arise from Tutte embeddings. We also present empirical results obtained from experimental quantum simulations.
Abstract（参考訳）: tutte埋め込みのフレームワークを使って、量子コンピュータを使ってグラフを視覚化する \emph{quantum graph drawing} の探索を開始する。この論文の主な貢献は、量子グラフ描画のモデルを定式化し、与えられたグラフからグラフ描画量子回路を作成する方法を説明し、タット埋め込みをこの回路内の量子状態として計算し、それをサンプル化して埋め込みを抽出する方法を示すことである。量子タッテ埋め込み回路の複雑さを評価するために、タッテ埋め込みから生じる線形系のタイプを解くためのよく知られた古典的アルゴリズムから導かれた古典的計算条件で確立された理論的境界と比較する。また,実験的な量子シミュレーションから得られた実験結果を示す。

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)
Algebraic Geometry of Quantum Graphical Models [0.0]
量子対数に関する同様の研究を行うための基礎を紹介する。量子グラフィカルモデルは、グラフによって符号化された特定の局所性または相関条件を満たす量子状態の族である。
論文参考訳（メタデータ） (2023-08-22T16:07:07Z)
Graph-theoretic insights on the constructability of complex entangled states [0.24578723416255752]
本稿では,実験用量子光学において重要なオープンな疑問に答える実験用グラフ上での局所スペーサー化手法を紹介する。これにより、量子資源理論、特定の量子フォトニクス系の制限、および量子物理学の実験を設計するためのグラフ理論技術の使用に関するさらなる洞察が得られます。
論文参考訳（メタデータ） (2023-04-13T11:13:17Z)
Visualizing Quantum Circuit Probability -- estimating computational action for quantum program synthesis [0.0]
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。
論文参考訳（メタデータ） (2023-04-05T10:49:36Z)
Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum Circuit Simulation [65.93830818469833]
テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
論文参考訳（メタデータ） (2023-02-13T19:00:00Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
Compilation of algorithm-specific graph states for quantum circuits [55.90903601048249]
本稿では,高レベル言語で記述された量子回路から,アルゴリズム固有のグラフ状態を作成する量子回路コンパイラを提案する。この計算は、このグラフ状態に関する一連の非パウリ測度を用いて実装することができる。
論文参考訳（メタデータ） (2022-09-15T14:52:31Z)
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)
Equivariant Quantum Graph Circuits [10.312968200748116]
グラフ構造データの学習に強い帰納バイアスを持つパラメータ化量子回路のクラスとして、同変量子グラフ回路(EQGC)を提案する。量子グラフ機械学習法の理論的な視点は、さらなる研究のために多くの方向を開き、古典的なアプローチ以上の能力を持つモデルに繋がる可能性がある。
論文参考訳（メタデータ） (2021-12-10T00:14:12Z)
Quantum machine learning of graph-structured data [0.38581147665516596]
グラフ構造化量子データについて検討し、量子ニューラルネットワークによる量子機械学習の実施方法について述べる。我々は、この追加グラフ構造を体系的に利用して量子学習アルゴリズムを改善する方法について説明する。
論文参考訳（メタデータ） (2021-03-19T14:39:19Z)
Spectra of Perfect State Transfer Hamiltonians on Fractal-Like Graphs [62.997667081978825]
完全量子状態移動の特別な性質を示すハミルトニアンのフラクタル様グラフのスペクトル特性について検討する。基本的な目標は、完全な量子状態転移、スペクトル特性、基礎となるグラフの幾何学の間の相互作用を理解するための理論的枠組みを開発することである。
論文参考訳（メタデータ） (2020-03-25T02:46:14Z)

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。