論文の概要: SQUWALS: A Szegedy QUantum WALks Simulator

• arxiv url: http://arxiv.org/abs/2307.14314v1
• Date: Wed, 26 Jul 2023 17:24:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-27 11:39:20.272217
• Title: SQUWALS: A Szegedy QUantum WALks Simulator
• Title（参考訳）: SQUWALS: Szegedy QUantum Walks Simulator
• Authors: Sergio A. Ortega, Miguel A. Martin-Delgado
• Abstract要約: 私たちのシミュレータは、時間とメモリリソースの両方で$mathcalO(N2)$にスケールします。 このパッケージは、Szegedyの量子ウォークに基づくアルゴリズムの高レベルなアプリケーションを提供している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Szegedy's quantum walk is an algorithm for quantizing a general Markov chain. It has plenty of applications such as many variants of optimizations. In order to check its properties in an error-free environment, it is important to have a classical simulator. However, the current simulation algorithms require a great deal of memory due to the particular formulation of this quantum walk. In this paper we propose a memory-saving algorithm that scales as $\mathcal{O}(N^2)$ with the size $N$ of the graph. We provide additional procedures for simulating Szegedy's quantum walk over mixed states and also the Semiclassical Szegedy walk. With these techniques we have built a classical simulator in Python called SQUWALS. We show that our simulator scales as $\mathcal{O}(N^2)$ in both time and memory resources. This package provides some high-level applications for algorithms based on Szegedy's quantum walk, as for example the quantum PageRank.
• Abstract（参考訳）: Szegedyの量子ウォークは、一般的なマルコフ連鎖を定量化するアルゴリズムである。 最適化の多くの変種など、多くのアプリケーションがあります。 エラーのない環境でその特性をチェックするためには、古典的なシミュレータを持つことが重要である。 しかし、現在のシミュレーションアルゴリズムは、この量子ウォークの特定の定式化のために大量のメモリを必要とする。 本稿では、グラフのサイズが$n$で$\mathcal{o}(n^2)$にスケールするメモリ節約アルゴリズムを提案する。 混合状態上のセゲディの量子ウォークと半古典的セゲディウォークをシミュレートするための追加手順を提案する。 これらのテクニックにより、PythonでSQUWALSと呼ばれる古典的なシミュレータを構築しました。 我々のシミュレータは、時間とメモリリソースの両方で$\mathcal{o}(n^2)$でスケールする。 このパッケージは、例えばPageRankのように、Szegedyの量子ウォークに基づくアルゴリズムの高レベルなアプリケーションを提供する。

関連論文リスト

• Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
  最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。 この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
  論文  参考訳（メタデータ） (2024-08-14T19:04:13Z)
• Fast Simulation of High-Depth QAOA Circuits [10.778538580079365]
  量子近似最適化アルゴリズム(QAOA)のシミュレータを提案する。 本シミュレータはQAOAパラメータ最適化の計算コストを削減することを目的として設計されている。 cuQuantumをベースとした最先端のGPU量子回路シミュレータと比較して,典型的なQAOAパラメータ最適化の時間を,$n = 26$ qubitsで11倍に短縮する。
  論文  参考訳（メタデータ） (2023-09-09T17:01:29Z)
• Discrete-time Semiclassical Szegedy Quantum Walks [0.0]
  古典力学と量子力学を組み合わせたアルゴリズムである半古典的ウォークを離散時間で導入する。 我々は、IBM Quantumプラットフォームを用いて、半古典的なウォークを実量子コンピュータに適用できることを実験的に実証した。
  論文  参考訳（メタデータ） (2023-03-31T16:57:13Z)
• Stochastic Approach For Simulating Quantum Noise Using Tensor Networks [0.8258451067861933]
  シミュレーション誤差は, 多数の量子ビットに対しても比較的低いことが示される。 このスライシング技術を用いることで,スーパーコンピュータを用いて最大100 qubitOA回路を高深さでシミュレートできる。
  論文  参考訳（メタデータ） (2022-10-28T03:44:59Z)
• Predicting Gibbs-State Expectation Values with Pure Thermal Shadows [1.4050836886292868]
  本稿では,任意のギブス状態の線形関数を$M$で予測できる量子アルゴリズムを提案する。 このアルゴリズムは、8ビットの完全連結量子ボルツマンマシンをトレーニングするためのサブルーチンとしてうまく利用できることを示す。
  論文  参考訳（メタデータ） (2022-06-10T18:00:08Z)
• Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
  ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。 長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-06-03T18:00:02Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Quantum Walk to Train a Classical Artificial Neural Network [0.0]
  この研究は、古典的な人工ニューラルネットワークを訓練するために、完全なグラフで量子ウォークを使用する手順を提案する。 ニューラルネットワークのトレーニングに使用される方法論は、隠れた層の重みを変更するのではなく、出力層のシナプス重みを調整する。 計算ゲインに加えて、提案手法のもう一つの利点は、解を得るのに必要な反復回数をtextita priori で知ることができることである。
  論文  参考訳（メタデータ） (2021-09-01T00:36:52Z)
• On Applying the Lackadaisical Quantum Walk Algorithm to Search for Multiple Solutions on Grids [63.75363908696257]
  不足量子ウォーク(英: lackadaisical quantum walk)は、頂点が重量$l$の自己ループを持つグラフ構造を探索するために開発されたアルゴリズムである。 本稿では,グリッド上の複数解の探索に不連続な量子ウォークを適用した際の問題に対処する。
  論文  参考訳（メタデータ） (2021-06-11T09:43:09Z)
• Quantum Gram-Schmidt Processes and Their Application to Efficient State Read-out for Quantum Algorithms [87.04438831673063]
  本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。 我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。 我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
  論文  参考訳（メタデータ） (2020-04-14T11:05:26Z)

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。