Fugu-MT 論文翻訳(概要): Quantum Algorithms for tensor-SVD

論文の概要: Quantum Algorithms for tensor-SVD

arxiv url: http://arxiv.org/abs/2405.19485v1
Date: Wed, 29 May 2024 20:01:11 GMT
ステータス: 処理完了
システム内更新日: 2024-05-31 19:16:17.497504
Title: Quantum Algorithms for tensor-SVD
Title（参考訳）: テンソルSVDのための量子アルゴリズム
Authors: Jezer Jojo, Ankit Khandelwal, M Girish Chandra,
Abstract要約: 我々は2つの新しい量子t-SVD (tensor-SVD)アルゴリズムを導入する。第一のアルゴリズムは、主にコンテキスト認識レコメンデーションシステムのための量子t-SVDアルゴリズムを提案する以前の研究に基づいている。第二のアルゴリズムは、主に既知の変分量子SVDアルゴリズムに基づくハイブリッド変分法を用いる。
参考スコア（独自算出の注目度）: 10.96131926459428
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: A promising area of applications for quantum computing is in linear algebra problems. In this work, we introduce two new quantum t-SVD (tensor-SVD) algorithms. The first algorithm is largely based on previous work that proposed a quantum t-SVD algorithm for context-aware recommendation systems. The new algorithm however seeks to address and fix certain drawbacks to the original, and is fundamentally different in its approach compared to the existing work. The second algorithm proposed uses a hybrid variational approach largely based on a known variational quantum SVD algorithm.
Abstract（参考訳）: 量子コンピューティングへの応用の有望な領域は線形代数問題である。本研究では,2つの新しい量子t-SVD (tensor-SVD)アルゴリズムを提案する。最初のアルゴリズムは、主にコンテキスト認識レコメンデーションシステムのための量子t-SVDアルゴリズムを提案した以前の研究に基づいている。しかし、新しいアルゴリズムは、元の欠点に対処し、修正しようとしており、既存の作業と根本的に異なるアプローチである。提案する2番目のアルゴリズムは、既知の変分量子SVDアルゴリズムに基づくハイブリッド変分法を用いる。

関連論文リスト

A quantum algorithm for advection-diffusion equation by a probabilistic imaginary-time evolution operator [0.0]
本稿では, 線形対流拡散方程式を, 新しい近似確率的想像時間進化(PITE)演算子を用いて解く量子アルゴリズムを提案する。我々は, 対流拡散方程式から得られるハミルトニアンの想像時間進化を実現するために, 明示的な量子回路を構築した。我々のアルゴリズムは、Harrow-Hassidim-Lloyd (HHL)アルゴリズムに匹敵する結果を与える。
論文参考訳（メタデータ） (2024-09-27T08:56:21Z)
Hybrid Quantum-Classical Algorithms [0.0]
この論文は、古典的アルゴリズムと量子コンピューティングを組み合わせたハイブリッドアルゴリズムを探求し、古典的アルゴリズムの性能を向上させる。ハイブリッド探索とサンプル最適化アルゴリズムと、化学における量子アルゴリズムのコストと性能を評価する古典的アルゴリズムの2つのアプローチが研究されている。
論文参考訳（メタデータ） (2024-06-18T07:54:05Z)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
Improved Quantum Algorithms for Eigenvalues Finding and Gradient Descent [0.0]
ブロック符号化は、最近開発された量子アルゴリズムの統一フレームワークを形成する量子信号処理において重要な要素である。本稿では,前述した2つの量子アルゴリズムを効果的に拡張するためにブロック符号化を利用する。提案手法を,行列逆転や多重固有値推定など,異なる文脈に拡張する方法を示す。
論文参考訳（メタデータ） (2023-12-22T15:59:03Z)
Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文参考訳（メタデータ） (2023-04-18T11:57:15Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
Quantum Approximate Optimization Algorithm for Bayesian network structure learning [1.332091725929965]
本研究では、ベイジアンネットワーク構造学習問題の解法として、特定の種類の変分量子アルゴリズム、量子近似最適化アルゴリズムを用いた。その結果、量子近似最適化アルゴリズムは、最先端の手法と量子ノイズに対する定量的レジリエンスとの競合結果を提供することを示した。
論文参考訳（メタデータ） (2022-03-04T16:11:34Z)
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)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
Quantum Algorithms for Prediction Based on Ridge Regression [0.7612218105739107]
本稿では,リッジ回帰モデルに基づく量子アルゴリズムを提案する。提案アルゴリズムは幅広い応用範囲を持ち,提案アルゴリズムは他の量子アルゴリズムのサブルーチンとして利用することができる。
論文参考訳（メタデータ） (2021-04-27T11:03:52Z)
Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
論文参考訳（メタデータ） (2020-11-09T01:13:07Z)

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。