Fugu-MT 論文翻訳(概要): On Modifying the Variational Quantum Singular Value Decomposition Algorithm

論文の概要: On Modifying the Variational Quantum Singular Value Decomposition Algorithm

arxiv url: http://arxiv.org/abs/2310.19504v1
Date: Mon, 30 Oct 2023 12:53:55 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 20:20:08.160185
Title: On Modifying the Variational Quantum Singular Value Decomposition Algorithm
Title（参考訳）: 変分量子特異値分解アルゴリズムの修正について
Authors: Jezer Jojo, Ankit Khandelwal, M Girish Chandra
Abstract要約: 本稿では、既知の変分量子特異値分解アルゴリズムに適用可能な2つの修正について論じる。 1つ目は、目的関数の変更で、アルゴリズムの性能を改善し、回路の深さを減少させる。
参考スコア（独自算出の注目度）: 11.759807024766502
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this work, we discuss two modifications that can be made to a known variational quantum singular value decomposition algorithm popular in the literature. The first is a change to the objective function which hints at improved performance of the algorithm and decreases the depth of the circuits. The second modification introduces a new way of computing expectation values of general matrices, which is a key step in the algorithm. We then benchmark this modified algorithm and compare the performance of our new objective function with the existing one.
Abstract（参考訳）: 本稿では,本論文で広く用いられている変分量子特異値分解アルゴリズムに対する2つの修正について考察する。 1つ目は、アルゴリズムの性能向上を示唆し、回路の深さを減少させる目的関数の変更である。第2の修正では、アルゴリズムの重要なステップである一般行列の期待値の計算方法が導入された。そして、この修正アルゴリズムをベンチマークし、新しい目的関数のパフォーマンスを既存のアルゴリズムと比較します。

関連論文リスト

Quantum Algorithms for tensor-SVD [10.96131926459428]
我々は2つの新しい量子t-SVD (tensor-SVD)アルゴリズムを導入する。第一のアルゴリズムは、主にコンテキスト認識レコメンデーションシステムのための量子t-SVDアルゴリズムを提案する以前の研究に基づいている。第二のアルゴリズムは、主に既知の変分量子SVDアルゴリズムに基づくハイブリッド変分法を用いる。
論文参考訳（メタデータ） (2024-05-29T20:01:11Z)
A Comparative Study On Solving Optimization Problems With Exponentially Fewer Qubits [0.0]
変分量子固有解法(VQE)に基づくアルゴリズムの評価と改良を行った。我々は,問題を変分アンサッツにエンコードすることで生じる数値不安定性を強調する。より少ないイテレーションでアンザッツの基底状態を求めるための古典的な最適化手法を提案する。
論文参考訳（メタデータ） (2022-10-21T08:54:12Z)
Classical and Quantum Iterative Optimization Algorithms Based on Matrix Legendre-Bregman Projections [1.5736899098702972]
エルミート行列空間上で定義されたルジャンドル・ブレーグマン射影について考察し,それに基づいて反復最適化アルゴリズムを設計する。本稿では,ブレグマン射影アルゴリズムと近似的ブラグマン射影アルゴリズムについて検討する。特に、近似反復アルゴリズムは、最大エントロピー推論のための一般化反復スケーリング(GIS)アルゴリズムの非可換バージョンをもたらす。
論文参考訳（メタデータ） (2022-09-28T15:59:08Z)
Alternatives to a nonhomogeneous partial differential equation quantum algorithm [52.77024349608834]
Apsi(textbfr)=f(textbfr)$ という形の非等質線型偏微分方程式を解くための量子アルゴリズムを提案する。これらの成果により、現代の技術に基づく量子アルゴリズムの実験的実装が容易になった。
論文参考訳（メタデータ） (2022-05-11T14:29:39Z)
Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit Optimization [63.8557841188626]
期待されている改善(EI)アルゴリズムは、不確実性の下で最適化するための最も一般的な戦略の1つである。本稿では,GP予測平均を通した標準既存値を持つEIの変種を提案する。我々のアルゴリズムは収束し、$mathcal O(gamma_TsqrtT)$の累積後悔境界を達成することを示す。
論文参考訳（メタデータ） (2022-03-15T13:17:53Z)
Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文参考訳（メタデータ） (2022-03-01T19:47:16Z)
A Fully Single Loop Algorithm for Bilevel Optimization without Hessian Inverse [121.54116938140754]
両レベル最適化問題に対して,Hessian 逆フリーな完全単一ループアルゴリズムを提案する。我々のアルゴリズムは$O(epsilon-2)$と収束することを示す。
論文参考訳（メタデータ） (2021-12-09T02:27:52Z)
Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。両レベル最適化のための2つの新しいアルゴリズムを提案する。両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文参考訳（メタデータ） (2021-06-08T21:05:30Z)
Quantum Approximate Optimization Algorithm with Adaptive Bias Fields [4.03537866744963]
量子近似最適化アルゴリズム(QAOA)は、単純な多ビット波動関数を、難解な古典的最適化問題の解を符号化する関数に変換する。本稿では, 演算子自身を局所場を含むように更新し, 1ステップの最後に測定波動関数からの情報を用いて後段の演算子を改善することにより, QAOAを改良する。
論文参考訳（メタデータ） (2021-05-25T13:51:09Z)
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)
Aligning Partially Overlapping Point Sets: an Inner Approximation Algorithm [80.15123031136564]
変換の値に関する事前情報がない点集合を整列するロバストな手法を提案する。我々のアルゴリズムは変換の正規化を必要とせず、変換の値に関する事前情報がない状況に対処できる。実験により,提案手法が最先端のアルゴリズムよりも高いロバスト性を示した。
論文参考訳（メタデータ） (2020-07-05T15:23:33Z)

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。