論文の概要: A simple quantum algorithm to efficiently prepare sparse states
- arxiv url: http://arxiv.org/abs/2310.19309v1
- Date: Mon, 30 Oct 2023 07:05:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 21:23:54.071442
- Title: A simple quantum algorithm to efficiently prepare sparse states
- Title(参考訳): スパース状態の効率的生成のための単純量子アルゴリズム
- Authors: Debora Ramacciotti, Andreea-Iulia Lefterovici, Antonio F. Rotundo
- Abstract要約: ゲートの複雑性は状態の非零振幅数において線形であり、キュービット数では2次であることを示す。
これは、スパース状態の準備のための最もよく知られたアルゴリズムと競合する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: State preparation is a fundamental routine in quantum computation, for which
many algorithms have been proposed. Among them, perhaps the simplest one is the
Grover-Rudolph algorithm. In this paper, we analyse the performance of this
algorithm when the state to prepare is sparse. We show that the gate complexity
is linear in the number of non-zero amplitudes in the state and quadratic in
the number of qubits. We then introduce a simple modification of the algorithm,
which makes the dependence on the number of qubits also linear. This is
competitive with the best known algorithms for sparse state preparation
- Abstract(参考訳): 状態準備は、多くのアルゴリズムが提案されている量子計算の基本的なルーチンである。
中でも最も単純なのがgrover-rudolphアルゴリズムである。
本稿では,準備状態がスパースである場合に,本アルゴリズムの性能を解析する。
ゲートの複雑性は状態の非零振幅数において線形であり、キュービット数では2次であることを示す。
次に,量子ビット数への依存性を線形にするために,アルゴリズムの簡単な修正を導入する。
これはスパース状態準備のための最もよく知られたアルゴリズムと競合する
関連論文リスト
- Generalized quantum Arimoto-Blahut algorithm and its application to
quantum information bottleneck [55.22418739014892]
量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。
3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。
数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-11-19T00:06:11Z) - On Uniformly Optimal Algorithms for Best Arm Identification in Two-Armed
Bandits with Fixed Budget [53.99808986087965]
ベルヌーイ報奨を伴う二本腕包帯における固定予算によるベストアーム識別の問題について検討した。
我々は,アルゴリズムが各アームを等しくサンプリングするのと同様に,アルゴリズムが機能することはないことを証明した。
論文 参考訳(メタデータ) (2023-08-23T08:38:53Z) - Learning the Positions in CountSketch [56.22648269865784]
本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。
本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-11T07:28:35Z) - Grover's Algorithm Offers No Quantum Advantage [0.0]
グロバーのアルゴリズムは、量子コンピュータが古典的コンピュータよりも有利であることを示す証拠として提供される主要なアルゴリズムの1つである。
我々は、古典的なコンピュータ上で実行可能な量子インスパイアされたアルゴリズムを構築し、Groverのタスクをオラクルへの線形呼び出し数で実行する。
本研究は, 量子回路の性質に依存した, 実用的な高速化の可能性について批判的に検討する。
論文 参考訳(メタデータ) (2023-03-20T17:56:20Z) - Manifold Learning for Dimensionality Reduction: Quantum Isomap algorithm [15.622577797491788]
イソマプアルゴリズムは、ニューロイメージング、スペクトル分析、その他の分野で広く用いられている。
本稿では,2つのサブアルゴリズムからなる量子イソマプアルゴリズムを提案する。
量子イソマップアルゴリズムの時間複雑性は$O(dNpolylogN)$である。
論文 参考訳(メタデータ) (2022-12-07T12:29:41Z) - Efficient Deterministic Preparation of Quantum States Using Decision
Diagrams [4.782945936674342]
本稿では、効率的に(再現された)決定図で表現できる量子状態について考察する。
我々は、決定図の構造を利用して関連する量子状態を作成するアルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-06-17T07:15:35Z) - 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) - Double sparse quantum state preparation [1.7338677787507775]
計算コストO(kM)を用いたCVO-QRAMという量子状態生成アルゴリズムを提案する。
提案アルゴリズムは、将来のNISQデバイスでスパース状態を生成する代替となる。
論文 参考訳(メタデータ) (2021-08-30T21:32:26Z) - Quantum Algorithms for Prediction Based on Ridge Regression [0.7612218105739107]
本稿では,リッジ回帰モデルに基づく量子アルゴリズムを提案する。
提案アルゴリズムは幅広い応用範囲を持ち,提案アルゴリズムは他の量子アルゴリズムのサブルーチンとして利用することができる。
論文 参考訳(メタデータ) (2021-04-27T11:03:52Z) - Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。
これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
論文 参考訳(メタデータ) (2020-11-09T01:13:07Z) - Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。
この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。
古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文 参考訳(メタデータ) (2020-07-01T18:43:32Z)
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。