Fugu-MT 論文翻訳(概要): Quantum algorithm for linear non-unitary dynamics with near-optimal dependence on all parameters

論文の概要: Quantum algorithm for linear non-unitary dynamics with near-optimal dependence on all parameters

arxiv url: http://arxiv.org/abs/2312.03916v1
Date: Wed, 6 Dec 2023 21:30:26 GMT
ステータス: 処理完了
システム内更新日: 2023-12-08 16:38:03.553435
Title: Quantum algorithm for linear non-unitary dynamics with near-optimal dependence on all parameters
Title（参考訳）: 全パラメータに近似最適依存性を持つ線形非ユニタリダイナミクスの量子アルゴリズム
Authors: Dong An, Andrew M. Childs, Lin Lin
Abstract要約: 一般線型非ユニタリ進化作用素をユニタリ進化作用素の線形結合として表現するアイデンティティの族を導入する。この定式化は、最近導入されたハミルトニアンシミュレーション(LCHS)法の線形結合の精度を指数関数的に向上させることができる。
参考スコア（独自算出の注目度）: 5.471398994781521
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a family of identities that express general linear non-unitary evolution operators as a linear combination of unitary evolution operators, each solving a Hamiltonian simulation problem. This formulation can exponentially enhance the accuracy of the recently introduced linear combination of Hamiltonian simulation (LCHS) method [An, Liu, and Lin, Physical Review Letters, 2023]. For the first time, this approach enables quantum algorithms to solve linear differential equations with both optimal state preparation cost and near-optimal scaling in matrix queries on all parameters.
Abstract（参考訳）: 本稿では,一般線形非ユニタリ進化作用素をユニタリ進化作用素の線形結合として表現し,それぞれがハミルトニアンシミュレーションの問題を解く単位系を導入する。この定式化は、最近導入されたハミルトンシミュレーション(LCHS)法(An, Liu, and Lin, Physical Review Letters, 2023]の線形結合の精度を指数関数的に向上させることができる。このアプローチにより、量子アルゴリズムは、最適状態準備コストと全てのパラメータ上の行列クエリのほぼ最適スケーリングの両方で線形微分方程式を解くことができる。

関連論文リスト

Beyond Quantum Annealing: Optimal control solutions to MaxCut problems [0.7864304771129751]
量子アニーリング (Quantum Annealing, QA) は、2つのハミルトニアン項、単純ドライバーと複素問題ハミルトニアンを線形結合で混合することに依存する。本稿では,2方向に沿って線形スケジュールを改善するための異なる手法を提案する。
論文参考訳（メタデータ） (2024-05-14T14:08:55Z)
Convergence of Expectation-Maximization Algorithm with Mixed-Integer Optimization [5.319361976450982]
本稿では,特定の種類のEMアルゴリズムの収束を保証する一連の条件を紹介する。本研究では,混合整数非線形最適化問題の解法として,反復アルゴリズムの新しい解析手法を提案する。
論文参考訳（メタデータ） (2024-01-31T11:42:46Z)
A hybrid quantum-classical algorithm for multichannel quantum scattering of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文参考訳（メタデータ） (2023-04-12T18:10:47Z)
Linear combination of Hamiltonian simulation for nonunitary dynamics with optimal state preparation cost [8.181184006712785]
ハミルトンシミュレーション問題の線形結合として,非単位力学の一般クラスをシミュレーションする簡単な方法を提案する。また,全てのパラメータにほぼ最適に依存した複素吸収ポテンシャル法によるオープン量子力学シミュレーションの応用を実証した。
論文参考訳（メタデータ） (2023-03-02T07:37:54Z)
Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文参考訳（メタデータ） (2023-02-24T18:41:48Z)
Time complexity analysis of quantum algorithms via linear representations for nonlinear ordinary and partial differential equations [31.986350313948435]
非線形常微分方程式の解や物理観測可能性を計算するために量子アルゴリズムを構築した。異なる数値近似から生じる量子線形系アルゴリズムと量子シミュレーション法を比較した。
論文参考訳（メタデータ） (2022-09-18T05:50:23Z)
Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文参考訳（メタデータ） (2021-09-07T20:01:22Z)
A Discrete Variational Derivation of Accelerated Methods in Optimization [68.8204255655161]
最適化のための異なる手法を導出できる変分法を導入する。我々は1対1の対応において最適化手法の2つのファミリを導出する。自律システムのシンプレクティシティの保存は、ここでは繊維のみに行われる。
論文参考訳（メタデータ） (2021-06-04T20:21:53Z)
Quantum Algorithm for a Convergent Series of Approximations towards the Exact Solution of the Lowest Eigenstates of a Hamiltonian [1.8895156959295205]
局所ユニタリ作用素の線形結合のハミルトニアンの量子アルゴリズムを提案する。アルゴリズムは完全なCI(Configuration Interaction)問題の正確な解に対する収束した一連の近似を実装している。
論文参考訳（メタデータ） (2020-09-08T06:16:07Z)
Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文参考訳（メタデータ） (2020-07-02T17:55:47Z)
A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文参考訳（メタデータ） (2020-06-23T01:34:18Z)

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。