Fugu-MT 論文翻訳(概要): Bi-Quadratic Improvement in Conditional Quantum Search

論文の概要: Bi-Quadratic Improvement in Conditional Quantum Search

arxiv url: http://arxiv.org/abs/2312.05680v1
Date: Sat, 9 Dec 2023 21:01:42 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 19:24:55.171876
Title: Bi-Quadratic Improvement in Conditional Quantum Search
Title（参考訳）: 条件付き量子探索における2値改善
Authors: Akankshya Dash, Biswaranjan Panda and Arun K Pati
Abstract要約: グロバー探索アルゴリズムは、古典的アルゴリズムよりも2次高速に、データベース内のマークされた項目を非構造化で探索する。探索空間を局所的なクエリ演算子で2ブロックに分割し,グローバル演算子が一定の条件を満たす場合,二分数高速化の実現が可能であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Grover search algorithm performs an unstructured search of a marked item in a database quadratically faster than classical algorithms and is shown to be optimal. Here, we show that if the search space is divided into two blocks with the local query operators and the global operators satisfy certain condition, then it is possible to achieve an improvement of bi-quadratic speed-up. Furthermore, we investigate the bi-quadratic speed-up in the presence of noise and show that it can tolerate noisy scenario. This may have potential applications for diverse fields, including database searching, and optimization, where efficient search algorithms play a pivotal role in solving complex computational problems.
Abstract（参考訳）: グロバー探索アルゴリズムは、データベース内のマークされた項目を古典的アルゴリズムよりも2次的に高速に非構造化検索し、最適であることが示されている。ここでは,検索空間を局所的なクエリ演算子で2ブロックに分割し,グローバル演算子が一定の条件を満たす場合,二分数高速化の実現が可能であることを示す。さらに,騒音の存在下でのバイクアドラティック・スピードアップについて検討し,騒音シナリオを許容できることを示す。これは、データベース探索や最適化など様々な分野に応用できる可能性があり、複雑な計算問題を解く上で効率的な探索アルゴリズムが重要な役割を果たす。

関連論文リスト

Constant search time algorithm via topological quantum walks [0.0]
本研究では,探索確率を極端に改善した探索時間量子アルゴリズムの実現が可能であることを示す。具体的には,2次元分割型量子ランダムウォークによって実現された空間探索アルゴリズムについて検討する。
論文参考訳（メタデータ） (2024-06-26T21:36:47Z)
Nearest Neighbour with Bandit Feedback [4.9094025705644695]
我々のアルゴリズムは、データ生成プロセスに関する仮定が全くなされていない完全に逆向きな設定を処理します。ユークリッド空間におけるバンドイト問題に適用した場合,アルゴリズムに対する一般的な後悔と解析を行う。
論文参考訳（メタデータ） (2023-06-23T20:09:01Z)
Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文参考訳（メタデータ） (2022-09-27T17:51:31Z)
RF-Next: Efficient Receptive Field Search for Convolutional Neural Networks [86.6139619721343]
そこで本研究では,グローバル・ローカル・サーチ手法を用いて,より優れた受容場の組み合わせを求める。我々の検索手法は, 粗い組み合わせを見つけるためにグローバル検索と, 洗練された受容場の組み合わせを得るために局所探索の両方を利用する。我々のRF-Nextモデルは、様々なモデルに受容場探索を接続し、多くのタスクのパフォーマンスを高める。
論文参考訳（メタデータ） (2022-06-14T06:56:26Z)
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)
A Meta-Heuristic Search Algorithm based on Infrasonic Mating Displays in Peafowls [0.0]
探索アルゴリズムの解空間が増大するにつれて、網羅的探索のような単純な手法は計算コストが高く、信頼性が低いものとなる。本研究では, 重力探索アルゴリズムとオオカミの交尾行動から着想を得た赤外探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-06-28T09:04:51Z)
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)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Quantum Search with Prior Knowledge [15.384459603233978]
本稿では,Grover の探索アルゴリズムの新たな一般化を提案する。提案アルゴリズムは,クエリ数が固定された場合の解を見つけるための最適成功確率を実現する。
論文参考訳（メタデータ） (2020-09-18T09:50:33Z)
Fast top-K Cosine Similarity Search through XOR-Friendly Binary Quantization on GPUs [1.5828697880068703]
このアルゴリズムは、浮動小数点数をエンコードするために、新しいXORフレンドリなバイナリ量子化法を用いる。実験により,我々の量子化法は前処理時間を短縮し,探索手法の探索速度を近辺のアルゴリズムよりもはるかに速くすることがわかった。
論文参考訳（メタデータ） (2020-08-05T08:50:21Z)
Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文参考訳（メタデータ） (2020-05-09T02:48:23Z)

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。