論文の概要: Quantum search algorithm on weighted databases

• arxiv url: http://arxiv.org/abs/2312.01590v2
• Date: Wed, 27 Mar 2024 11:28:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 22:33:12.703029
• Title: Quantum search algorithm on weighted databases
• Title（参考訳）: 重み付きデータベース上の量子探索アルゴリズム
• Authors: Yifan Sun, Lian-Ao Wu,
• Abstract要約: グロバーアルゴリズムは非構造化探索問題に対処するための重要な解法である。 本研究は,非一様分散データベースにおけるGroverの探索手法を幅広く検討する。 この進化によって促進される探索過程が、常にスピードアップするわけではないことが観察された。
• 参考スコア（独自算出の注目度）: 5.229564709919574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Grover algorithm is a crucial solution for addressing unstructured search problems and has emerged as an essential quantum subroutine in various complex algorithms. This research extensively investigates Grover's search methodology within non-uniformly distributed databases, a scenario frequently encountered in practical applications. Our analysis reveals that the behavior of the Grover evolution differs significantly when applied to non-uniform databases compared to uniform or 'unstructured databases'. It is observed that the search process facilitated by this evolution does not consistently result in a speed-up, and we have identified specific criteria for such situations. Furthermore, we have extended this investigation to databases characterized by coherent states, confirming the speed-up achieved through Grover evolution via rigorous numerical verification. In conclusion, our study provides an enhancement to the original Grover algorithm, offering insights to optimize implementation strategies and broaden its range of applications.
• Abstract（参考訳）: グロバーアルゴリズムは、構造化されていない探索問題に対処するための重要な解であり、様々な複雑なアルゴリズムにおいて重要な量子サブルーチンとして登場した。 本研究では,非一様分散データベースにおけるGroverの探索手法を幅広く検討する。 解析の結果,非一様データベースに適用した場合のGrover進化の挙動は,一様データベースや「非構造データベース」と比較して大きく異なることがわかった。 この進化によって促進される探索過程が常にスピードアップするわけではないことが観察され、そのような状況に対する具体的な基準が特定された。 さらに、この調査をコヒーレントな状態が特徴とするデータベースに拡張し、厳密な数値検証によってGroverの進化を通じて達成されたスピードアップを確認した。 結論として,本研究ではGroverアルゴリズムを改良し,実装戦略を最適化し,適用範囲を広げるための洞察を提供する。

関連論文リスト

• A Learning Search Algorithm for the Restricted Longest Common Subsequence Problem [40.64116457007417]
  RLCS問題(Restricted Longest Common Subsequence)はバイオインフォマティクスにおいて重要な応用である。 本稿では,将来性のある地域に向けて,探索プロセスを強化するための2つの新しいアプローチを提案する。 この論文の重要な貢献は、科学的な抽象が入力文字列として機能する実世界のインスタンスの生成である。
  論文  参考訳（メタデータ） (2024-10-15T20:02:15Z)
• Topological Analysis for Detecting Anomalies (TADA) in Time Series [3.040934280444531]
  提案手法は大規模データセットを扱うのに十分なリーンであり、既存の手法よりも相関構造のグローバルな変化を検出するのに適しているという直感を裏付ける広範な数値実験である。 依存時間列に基づく量子化アルゴリズムの理論的保証も提供される。
  論文  参考訳（メタデータ） (2024-06-10T11:03:40Z)
• Biased Random-Key Genetic Algorithms: A Review [2.4578723416255754]
  レビューには150以上の論文と幅広い応用が含まれている。 このレビューでは、スケジューリングが最も一般的なアプリケーション領域であり、その後にネットワーク設計とロケーションの問題が続く。 最も頻繁なハイブリダイゼーション手法は局所探索であり、新しい特徴は人口の多様性を高めることを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T22:32:58Z)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Amortized Inference for Causal Structure Learning [72.84105256353801]
  因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。 本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。 我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
  論文  参考訳（メタデータ） (2022-05-25T17:37:08Z)
• Reliable Causal Discovery with Improved Exact Search and Weaker Assumptions [17.097192646470372]
  線形ガウス設定における正確なスコアベース手法のスケーラビリティを向上させるためのいくつかの戦略を導入する。 我々は,忠実度よりも厳密な仮定を必要とする逆共分散行列の支持に基づく超構造推定法を開発した。 また,各変数とその近傍が生成する局所クラスタを,超構造内の2つのホップ内で正確に探索する局所探索戦略を提案する。
  論文  参考訳（メタデータ） (2022-01-14T20:52:30Z)
• Multidimensional Assignment Problem for multipartite entity resolution [69.48568967931608]
  Multipartiteエンティティ解決は、複数のデータセットから1つのエンティティにレコードを統合することを目的としている。 代入問題を解くために、グリーディアルゴリズムと大規模近傍探索という2つの手順を適用する。 データベースのサイズが大きくなるにつれて、設計ベースのマルチスタートがより効率的であることを示す。
  論文  参考訳（メタデータ） (2021-12-06T20:34:55Z)
• Grover search revisited; application to image pattern matching [0.8367938108534343]
  本稿では,Groverデータベース全体の探索やパターンマッチングを行う量子アルゴリズムを提案する。 鍵となる考え方は、最近提案された近似振幅符号化法を浅い量子回路で使用することである。
  論文  参考訳（メタデータ） (2021-08-24T17:30:41Z)
• Redefining Neural Architecture Search of Heterogeneous Multi-Network Models by Characterizing Variation Operators and Model Components [71.03032589756434]
  複素領域における異なる変動演算子の効果について検討する。 モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
  論文  参考訳（メタデータ） (2021-06-16T17:12:26Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)

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。