Fugu-MT 論文翻訳(概要): Demonstration of weighted graph optimization on a Rydberg atom array using local light-shifts

論文の概要: Demonstration of weighted graph optimization on a Rydberg atom array using local light-shifts

arxiv url: http://arxiv.org/abs/2404.02658v1
Date: Wed, 3 Apr 2024 11:42:38 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 17:40:49.819625
Title: Demonstration of weighted graph optimization on a Rydberg atom array using local light-shifts
Title（参考訳）: 局所光シフトを用いたRydberg原子アレイ上の重み付きグラフ最適化の実証
Authors: A. G. de Oliveira, E. Diamond-Hitchcock, D. M. Walker, M. T. Wells-Pestell, G. Pelegrí, C. J. Picken, G. P. A. Malcolm, A. J. Daley, J. Bass, J. D. Pritchard,
Abstract要約: Rydberg 原子アレイ上での重み付きグラフ最適化の最初の実演を示す。重み付きグラフを1次元および2次元配列で作成する能力を検証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neutral atom arrays have emerged as a versatile platform towards scalable quantum computation and optimization. In this paper we present first demonstrations of weighted graph optimization on a Rydberg atom array using annealing with local light-shifts. We verify the ability to prepare weighted graphs in 1D and 2D arrays, including embedding a five vertex non-unit disk graph using nine physical qubits. We find common annealing ramps leading to preparation of the target ground state robustly over a substantial range of different graph weightings. This work provides a route to exploring large-scale optimization of non-planar weighted graphs relevant for solving relevant real-world problems.
Abstract（参考訳）: 中性原子配列は、スケーラブルな量子計算と最適化のための汎用的なプラットフォームとして登場した。本稿では,局所光シフトを用いたアニールを用いたRydberg原子配列上での重み付きグラフ最適化の最初の実演を示す。 9つの物理量子ビットを用いて5頂点非単位円板グラフを埋め込み、重み付きグラフを1Dおよび2D配列で作成する能力を検証する。種々のグラフ重み付けに対して, ターゲット基底状態の調製に寄与する一般的な焼鈍ランプを見出した。この研究は、関連する現実世界の問題を解決するために、非平面重み付きグラフを大規模に最適化する方法を提供する。

関連論文リスト

Quantum adiabatic optimization with Rydberg arrays: localization phenomena and encoding strategies [0.9500919522633157]
我々は[Nguyen et al., PRX Quantum 4, 010316 (2023) で提案された符号化スキームの量子力学について検討する。論文では,アディバティックプロトコルに沿ったシステムサイズによる最小ギャップスケーリングについて検討する。このような局所化とその正解を求める成功確率への影響を観察する。
論文参考訳（メタデータ） (2024-11-07T12:10:01Z)
Encoder Embedding for General Graph and Node Classification [4.178980693837599]
エンコーダの埋め込み行列が大数の法則と中心極限定理を満たすことを証明している。ある条件下では、クラスごとの正規性を達成し、識別分析による最適な分類を可能にする。
論文参考訳（メタデータ） (2024-05-24T11:51:08Z)
Graph Transformers for Large Graphs [57.19338459218758]
この研究は、モデルの特徴と重要な設計制約を識別することに焦点を当てた、単一の大規模グラフでの表現学習を前進させる。この研究の重要な革新は、局所的な注意機構と組み合わされた高速な近傍サンプリング技術の作成である。 ogbn-products と snap-patents の3倍の高速化と16.8%の性能向上を報告し、ogbn-100M で LargeGT を5.9% の性能改善で拡張した。
論文参考訳（メタデータ） (2023-12-18T11:19:23Z)
Distributed Graph Embedding with Information-Oriented Random Walks [16.290803469068145]
グラフ埋め込みはグラフノードを低次元ベクトルにマッピングし、機械学習タスクで広く採用されている。数十億のエッジグラフを埋め込むためにスケール可能な,汎用的で分散された情報中心のランダムウォークベースのグラフ埋め込みフレームワークであるDistGERを提案する。 D DistGERは2.33x-129x加速、機械間通信の45%削減、下流タスクの10%改善を示す。
論文参考訳（メタデータ） (2023-03-28T03:11:21Z)
Graph Signal Sampling for Inductive One-Bit Matrix Completion: a Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文参考訳（メタデータ） (2023-02-08T08:17:43Z)
Graphon Pooling for Reducing Dimensionality of Signals and Convolutional Operators on Graphs [131.53471236405628]
グラフ空間における[0, 1]2の分割上のグラフとグラフ信号の誘導的グラフ表現を利用する3つの方法を提案する。これらの低次元表現がグラフとグラフ信号の収束列を構成することを証明している。我々は,層間次元減少比が大きい場合,グラノンプーリングは文献で提案した他の手法よりも有意に優れていることを観察した。
論文参考訳（メタデータ） (2022-12-15T22:11:34Z)
E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
論文参考訳（メタデータ） (2022-07-20T16:11:48Z)
Pseudoinverse Graph Convolutional Networks: Fast Filters Tailored for Large Eigengaps of Dense Graphs and Hypergraphs [0.0]
Graph Convolutional Networks (GCNs) は、グラフベースのデータセットで半教師付き分類を行うツールとして成功している。本稿では,三部フィルタ空間が高密度グラフを対象とする新しいGCN変種を提案する。
論文参考訳（メタデータ） (2020-08-03T08:48:41Z)
Optimal Transport Graph Neural Networks [31.191844909335963]
現在のグラフニューラルネットワーク(GNN)アーキテクチャは、集約グラフ表現に平均または総和ノードを埋め込む。本稿では,パラメトリックプロトタイプを用いたグラフ埋め込み計算モデルOT-GNNを紹介する。
論文参考訳（メタデータ） (2020-06-08T14:57:39Z)
Wasserstein-based Graph Alignment [56.84964475441094]
我々は,より小さいグラフのノードと大きなグラフのノードをマッチングすることを目的とした,1対多のグラフアライメント問題に対する新しい定式化を行った。提案手法は,各タスクに対する最先端のアルゴリズムに対して,大幅な改善をもたらすことを示す。
論文参考訳（メタデータ） (2020-03-12T22:31:59Z)
Block-Approximated Exponential Random Graphs [77.4792558024487]
指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。本稿では,非自明なERGに対する近似フレームワークを提案する。我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
論文参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。