論文の概要: Randomized semi-quantum matrix processing

• arxiv url: http://arxiv.org/abs/2307.11824v3
• Date: Thu, 29 Aug 2024 14:06:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-30 19:48:14.656109
• Title: Randomized semi-quantum matrix processing
• Title（参考訳）: ランダム化半量子行列処理
• Authors: Allan Tosta, Thais de Lima Silva, Giancarlo Camilo, Leandro Aolita,
• Abstract要約: 汎用行列関数をシミュレートするためのハイブリッド量子古典的フレームワークを提案する。 この方法は、対象関数のチェビシェフ近似上のランダム化に基づいている。 コストのかかるパラメータの2次高速化を含む,平均深度に対する利点を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a hybrid quantum-classical framework for simulating generic matrix functions more amenable to early fault-tolerant quantum hardware than standard quantum singular-value transformations. The method is based on randomization over the Chebyshev approximation of the target function while keeping the matrix oracle quantum, and is assisted by a variant of the Hadamard test that removes the need for post-selection. The resulting statistical overhead is similar to the fully quantum case and does not incur any circuit depth degradation. On the contrary, the average circuit depth is shown to get smaller, yielding equivalent reductions in noise sensitivity, as explicitly shown for depolarizing noise and coherent errors. We apply our technique to partition-function estimation, linear system solvers, and ground-state energy estimation. For these cases, we prove advantages on average depths, including quadratic speed-ups on costly parameters and even the removal of the approximation-error dependence.
• Abstract（参考訳）: 本稿では,一般的な量子特異値変換よりも早期フォールトトレラントな量子ハードウェアに対して,ジェネリック行列関数をシミュレートするハイブリッド量子古典的フレームワークを提案する。 この方法は、行列オラクル量子を保ちながら、ターゲット関数のチェビシェフ近似上のランダム化に基づいており、選択後の必要性を取り除くアダマールテストの変種に助けられている。 結果として生じる統計的オーバーヘッドは完全量子の場合と似ており、回路深さの劣化は生じない。 反対に、平均回路深さは小さくなり、ノイズやコヒーレントエラーを除極するために明らかに示されるように、ノイズ感度は同等に低下する。 本稿では,分割関数推定,線形系解法,基底状態エネルギー推定に適用する。 これらの場合、コストのかかるパラメータの2次高速化や近似誤差依存の除去など、平均深度に対する利点を実証する。

関連論文リスト

• Adaptive variational quantum dynamics simulations with compressed circuits and fewer measurements [4.2643127089535104]
  AVQDS(T)と呼ばれる適応変分量子力学シミュレーション(AVQDS)法の改良版を示す。 このアルゴリズムは、変分力学の精度の尺度であるマクラクラン距離を一定しきい値以下に保つために、アンザッツ回路に不連結なユニタリゲートの層を適応的に加算する。 また、雑音耐性を増強した変動パラメータに対する線形運動方程式を解くために、固有値トランケーションに基づく手法を示す。
  論文  参考訳（メタデータ） (2024-08-13T02:56:43Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Parsimonious Optimisation of Parameters in Variational Quantum Circuits [1.303764728768944]
  最適なパラメータを更新するために、1イテレーション毎に少なくとも2つの回路を実行する必要がある新しい量子勾配サンプリングを提案する。 提案手法は,古典的勾配降下に類似した収束率を達成し,勾配座標降下とSPSAを実証的に上回っている。
  論文  参考訳（メタデータ） (2023-06-20T18:50:18Z)
• Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
  量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。 量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
  論文  参考訳（メタデータ） (2022-12-06T22:01:49Z)
• Bayesian Learning of Parameterised Quantum Circuits [0.0]
  我々はベイズ後部の近似として古典的最適化の確率論的視点を取り、再定式化する。 ラプラスを用いた最大後点推定に基づく次元縮小戦略について述べる。 量子H1-2コンピュータの実験では、結果として得られる回路は勾配なしで訓練された回路よりも高速でノイズが少ないことが示されている。
  論文  参考訳（メタデータ） (2022-06-15T14:20:14Z)
• Mitigated barren plateaus in the time-nonlocal optimization of analog quantum-algorithm protocols [0.0]
  変分量子アルゴリズムのようなアルゴリズムクラスは、バレンプラトーに苦しむことが示されている。 本稿では,ハミルトニアン系パラメータのトレーニング可能なフーリエ係数に基づく量子アルゴリズムの最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T21:13:10Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs. Coded Systems [69.33243249411113]
  パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。 我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
  論文  参考訳（メタデータ） (2020-12-15T15:51:27Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Measuring Analytic Gradients of General Quantum Evolution with the Stochastic Parameter Shift Rule [0.0]
  本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。 マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。 私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
  論文  参考訳（メタデータ） (2020-05-20T18:24:11Z)

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。