論文の概要: Operational Framework for a Quantum Database
- arxiv url: http://arxiv.org/abs/2405.14947v1
- Date: Thu, 23 May 2024 18:00:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-27 19:37:06.249637
- Title: Operational Framework for a Quantum Database
- Title（参考訳）: 量子データベースのための演算フレームワーク
- Authors: Carla Rieger, Michele Grossi, Gian Giacomo Guerreschi, Sofia Vallecorsa, Martin Werner,
- Abstract要約: 古典的および量子的データとインデックス化を用いて、データ構造のより広い文脈で量子データベースを導入する。
重畳状態に格納されたデータの生成と操作に必要な基本的な操作の定義に焦点を当てる。
アルゴリズムの実装を示し、その利点と限界を強調します。
- 参考スコア（独自算出の注目度）: 0.23301643766310373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Databases are an essential component of modern computing infrastructures and allow efficient access to data stored persistently. Their structure depends on the type and relationships of the stored data elements and on the access pattern. Extending the concept of databases to the quantum domain is expected to increase both the storage efficiency and the access parallelism through quantum superposition. In addition, quantum databases may be seen as the result of a prior state preparation ready to be used by quantum algorithms when needed. On the other hand, limiting factors exist and include entanglement creation, the impossibility of perfect copying due to the no-cloning theorem, and the impossibility of coherently erasing a quantum state. In this work, we introduce quantum databases within the broader context of data structures using classical and quantum data and indexing. In particular, we are interested in quantum databases practical implementation and usability, focusing on the definition of the basic operations needed to create and manipulate data stored in a superposition state. Specifically, we address the case of quantum indexing in combination with classical data. For this scenario, we define the operations for database preparation, extension, removal of indices, writing, and read-out of data, as well as index permutation. We present their algorithmic implementation and highlight their advantages and limitations. Finally, we introduce steps toward defining the same operations in the more general context of quantum indexing and quantum data.
- Abstract（参考訳）: データベースは現代のコンピューティング基盤の重要なコンポーネントであり、永続的に保存されたデータへの効率的なアクセスを可能にする。
それらの構造は、格納されたデータ要素のタイプと関係、およびアクセスパターンに依存します。
データベースの概念を量子領域に拡張することで、量子重ね合わせによるストレージ効率とアクセス並列性の両方が向上することが期待されている。
加えて、量子データベースは、必要に応じて量子アルゴリズムが使用する準備ができている事前状態の準備の結果と見なすことができる。
一方、制限因子は存在しており、絡み合いの生成、非閉定理による完全複写の不合理性、そしてコヒーレントに量子状態を消去する不合理性を含んでいる。
本研究では、古典的および量子的データとインデックスを用いた、データ構造のより広い文脈における量子データベースについて紹介する。
特に、我々は、重ね合わせ状態に格納されたデータの生成と操作に必要な基本的な操作の定義に焦点を当て、量子データベースの実践的実装とユーザビリティに興味を持っています。
具体的には、古典的データと組み合わせて量子インデックス化を行う。
このシナリオでは、データベースの準備、拡張、インデックスの削除、書き込み、データの読み出し、インデックスの置換の操作を定義します。
アルゴリズムの実装を示し、その利点と限界を強調します。
最後に、量子インデクシングと量子データのより一般的な文脈で同じ操作を定義する手順を紹介する。
関連論文リスト
- QCE'24 Tutorial: Quantum Annealing -- Emerging Exploration for Database Optimization [10.260581528754729]
選択したデータベース最適化問題に対して量子アニールを適用する方法を示す。
デモには、リレーショナルデータベースにおける結合順序最適化問題の解決が含まれている。
将来のデータベースとデータ管理研究における量子コンピューティングの利点、限界、および可能性を特定します。
論文 参考訳（メタデータ） (2024-11-07T11:51:51Z) - Quantum delegated and federated learning via quantum homomorphic encryption [0.5939164722752263]
本稿では,量子デリゲート型およびフェデレート型学習を無理論データプライバシ保証で実現可能な汎用フレームワークを提案する。
この枠組みの下での学習と推論は、盲点量子コンピューティングに基づくスキームに比べて通信の複雑さが著しく低いことが示される。
論文 参考訳（メタデータ） (2024-09-28T14:13:50Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Synthesis of Quantum Vector Databases Based on Grovers Algorithm [0.0]
本稿では,Groversアルゴリズムを用いて量子ベクトルデータベースを作成する手法について述べる。
データベースは、バイナリ数値を表す制御されたSゲートに基づく埋め込みを格納する。
論文 参考訳（メタデータ） (2023-06-27T08:34:15Z) - Resource Allocation in Quantum Networks for Distributed Quantum
Computing [0.0]
最近の傾向は、近い将来、量子コンピューティングが商業目的のために大規模に利用できるようになることを示唆している。
量子インターネットは、量子ビットを交換するために量子リンクとリピータによる量子コンピュータの相互接続を必要とする。
本稿では,分散ノード上でのスマートコンピューティングの要件と目的について,量子ネットワークのプロビジョニングの観点から検討する。
論文 参考訳（メタデータ） (2022-03-11T10:46:31Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - Cost of quantum entanglement simplified [13.683637401785505]
我々は,絡み合った状態を作成するのに必要な正確なコストとして,正確な情報理論的な意味を持つ絡み合い尺度を導入する。
この結果は、任意の量子状態の基本的な絡み合い構造に重要な洞察をもたらし、量子物理実験で生じる絡み合いを直接的に評価し定量化することができる。
論文 参考訳（メタデータ） (2020-07-28T14:36:23Z)
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。
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。