Fugu-MT 論文翻訳(概要): A short tutorial on Wirtinger Calculus with applications in quantum information

論文の概要: A short tutorial on Wirtinger Calculus with applications in quantum information

arxiv url: http://arxiv.org/abs/2312.04858v1
Date: Fri, 8 Dec 2023 06:26:04 GMT
ステータス: 処理完了
システム内更新日: 2023-12-11 15:58:35.394265
Title: A short tutorial on Wirtinger Calculus with applications in quantum information
Title（参考訳）: Wirtinger Calculusの簡単なチュートリアルと量子情報への応用
Authors: Kelvin Koor, Yixian Qiu, Leong Chuan Kwek, Patrick Rebentrost
Abstract要約: Wirtinger Calculus' はそのような最適化問題に対する比較的単純な方法論を提供する。量子情報理論におけるこのフレームワークの有用性を説明するために、いくつかの応用例についても論じる。
参考スコア（独自算出の注目度）: 0.5735035463793009
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The optimization of system parameters is a ubiquitous problem in science and engineering. The traditional approach involves setting to zero the partial derivatives of the objective function with respect to each parameter, in order to extract the optimal solution. However, the system parameters often take the form of complex matrices. In such situations, conventional methods become unwieldy. The `Wirtinger Calculus' provides a relatively simple methodology for such optimization problems. In this tutorial, we provide a pedagogical introduction to Wirtinger Calculus. To illustrate the utility of this framework in quantum information theory, we also discuss a few example applications.
Abstract（参考訳）: システムパラメータの最適化は、科学と工学におけるユビキタスな問題である。従来のアプローチでは、最適解を抽出するために、各パラメータに関して目的関数の部分微分をゼロに設定する。しかし、システムパラメータは複雑な行列の形をとることが多い。このような場合、従来の手法は扱いにくい。 Wirtinger Calculus' はそのような最適化問題に対する比較的単純な方法論を提供する。本稿では,wirtinger calculusの教育的紹介を行う。量子情報理論におけるこのフレームワークの有用性を説明するために、いくつかの応用例についても論じる。

関連論文リスト

PINNIES: An Efficient Physics-Informed Neural Network Framework to Integral Operator Problems [0.0]
本稿では,物理インフォームド深層学習フレームワークにおける積分演算子近似のための効率的なテンソルベクトル積法を提案する。我々は、この方法がフレドホルムとボルテラ積分作用素の両方に適用可能であることを実証する。また,カプトー微分を効率的に計算する高速行列ベクトル積アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-03T13:43:58Z)
First-principles construction of symmetry-informed quantum metrologies [0.0]
位置パラメータに同型な量の測定方法のクラスを開発する。結果のフレームワークは、パラメータ範囲、事前情報、状態を認めます。これは、どの対称性が最大の無知不変状態を残しているかを特定するための良い戦略の探索を減らす。
論文参考訳（メタデータ） (2024-02-26T09:06:37Z)
Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文参考訳（メタデータ） (2023-12-28T23:15:18Z)
Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文参考訳（メタデータ） (2023-10-08T23:39:38Z)
Using machine learning to find exact analytic solutions to analytically posed physics problems [0.0]
理論物理学における解析問題に対する機械学習の利用について検討する。特に、記号回帰(SR)は、全体形が事前に分かっていない関数を用いてデータを適合させるツールとして、近年急速に進歩している。我々は、最先端のSRパッケージを使用して、正確な解を見つける方法を実証し、未解決の物理学問題を解こうとする。
論文参考訳（メタデータ） (2023-06-05T01:31:03Z)
Learning Linearized Assignment Flows for Image Labeling [70.540936204654]
画像ラベリングのための線形化代入フローの最適パラメータを推定するための新しいアルゴリズムを提案する。この式をKrylov部分空間と低ランク近似を用いて効率的に評価する方法を示す。
論文参考訳（メタデータ） (2021-08-02T13:38:09Z)
General parameter-shift rules for quantum gradients [0.03823356975862005]
変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの応用においてユビキタスである。一般的なパラメータシフト規則は回路評価の回数を大幅に削減できることを示す。提案手法は,評価関数の再構成を選択順序まで再現し,ロトゾルデアルゴリズムの既知一般化に繋がる。
論文参考訳（メタデータ） (2021-07-26T18:00:02Z)
Optimization on manifolds: A symplectic approach [127.54402681305629]
本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
論文参考訳（メタデータ） (2021-07-23T13:43:34Z)
Efficient and Modular Implicit Differentiation [68.74748174316989]
最適化問題の暗黙的な微分のための統一的で効率的かつモジュール化されたアプローチを提案する。一見単純な原理は、最近提案された多くの暗黙の微分法を復元し、新しいものを簡単に作成できることを示している。
論文参考訳（メタデータ） (2021-05-31T17:45:58Z)
Automatic differentiation for Riemannian optimization on low-rank matrix and tensor-train manifolds [71.94111815357064]
科学計算および機械学習アプリケーションでは、行列およびより一般的な多次元配列(テンソル)は、しばしば低ランク分解の助けを借りて近似することができる。低ランク近似を見つけるための一般的なツールの1つはリーマン最適化を使うことである。
論文参考訳（メタデータ） (2021-03-27T19:56:00Z)
Certificates of quantum many-body properties assisted by machine learning [0.0]
本稿では,緩和技術の力と深層強化学習を組み合わせた新しい手法を提案する。本研究は,多くの移動系の基底状態エネルギーを求める文脈において,本手法の生存可能性について述べる。我々は、量子情報処理の分野における他の一般的な応用へのアプローチを一般化するためのツールを提供する。
論文参考訳（メタデータ） (2021-03-05T17:47:26Z)

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。