論文の概要: Quantum State Synthesis: Relation with Decision Complexity Classes and Impossibility of Synthesis Error Reduction
- arxiv url: http://arxiv.org/abs/2407.02907v1
- Date: Wed, 3 Jul 2024 08:26:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 15:05:39.423682
- Title: Quantum State Synthesis: Relation with Decision Complexity Classes and Impossibility of Synthesis Error Reduction
- Title（参考訳）: 量子状態合成:決定複雑度クラスと合成誤差低減の可能性
- Authors: Hugo Delavenne, François Le Gall,
- Abstract要約: 本研究では、量子状態合成複雑性クラスと従来の決定複雑性クラスとの関係について検討する。
特に,量子状態合成複雑性クラスにおける合成の質を特徴付ける合成誤差パラメータの役割について検討する。
- 参考スコア（独自算出の注目度）: 0.3376269351435395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work investigates the relationships between quantum state synthesis complexity classes (a recent concept in computational complexity that focuses on the complexity of preparing quantum states) and traditional decision complexity classes. We especially investigate the role of the synthesis error parameter, which characterizes the quality of the synthesis in quantum state synthesis complexity classes. We first show that in the high synthesis error regime, collapse of synthesis classes implies collapse of the equivalent decision classes. For more reasonable synthesis error, we then show a similar relationships for BQP and QCMA. Finally, we show that for quantum state synthesis classes it is in general impossible to improve the quality of the synthesis: unlike the completeness and soundness parameters (which can be improved via repetition), the synthesis error cannot be reduced, even with arbitrary computational power.
- Abstract（参考訳）: 本研究では、量子状態合成複雑性クラス(量子状態の生成の複雑さに焦点を当てた最近の計算複雑性の概念)と従来の決定複雑性クラスとの関係について検討する。
特に,量子状態合成複雑性クラスにおける合成の質を特徴付ける合成誤差パラメータの役割について検討する。
まず、高い合成誤差構造において、合成クラスの崩壊は等価な決定クラスの崩壊を意味することを示す。
より合理的な合成誤差について、BQP と QCMA の類似関係を示す。
最後に、量子状態合成クラスでは、一般に合成の質を改善することは不可能であることが示され、完全性や音質パラメータ(繰り返しによって改善できる)とは異なり、任意の計算力でも合成誤差を低減できない。
関連論文リスト
- SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation [55.2480439325792]
トピック分類,感情分析,トーン検出,ユーモアの6つのデータセットの合成について検討した。
その結果,SynthesizRRは語彙や意味の多様性,人文との類似性,蒸留性能を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2024-05-16T12:22:41Z) - Taming Quantum Time Complexity [50.10645865330582]
時間複雑性の設定において、正確さと遠心性の両方を達成する方法を示します。
我々は、トランスデューサと呼ばれるものに基づく量子アルゴリズムの設計に新しいアプローチを採用する。
論文 参考訳（メタデータ） (2023-11-27T14:45:19Z) - Compositional Generalization and Decomposition in Neural Program
Synthesis [59.356261137313275]
本稿では,学習プログラムシンセサイザーの合成一般化能力の測定に焦点をあてる。
まず、プログラム合成法が一般化されるであろういくつかの異なる軸を特徴付ける。
2つの一般的な既存のデータセットに基づいて、これらの能力を評価するためのタスクのベンチマークスイートを導入する。
論文 参考訳（メタデータ） (2022-04-07T22:16:05Z) - Too Big to Fail? Active Few-Shot Learning Guided Logic Synthesis [18.961915757370466]
本稿では,過去の合成データに基づいて学習済みモデルを微調整し,未知のネットリストの合成レシピの品質を正確に予測するブルズアイを提案する。
このアプローチは、最先端の機械学習アプローチよりも2倍から10倍のランタイム改善とQoR(Quality-of-result)を実現している。
論文 参考訳（メタデータ） (2022-04-05T17:18:04Z) - Quantum Parameterized Complexity [1.01129133945787]
パラメータ化複雑性クラスの範囲の量子アナログを導入する。
このフレームワークは、QMAハード問題のパラメータ化バージョンの複雑さの豊富な分類を公開している。
論文 参考訳（メタデータ） (2022-03-15T15:34:38Z) - Interactive Proofs for Synthesizing Quantum States and Unitaries [0.15229257192293197]
量子状態の構築やユニタリ変換の実行など、本質的に量子演算の複雑さについて検討する。
量子状態とユニタリの対話的証明のモデルを定義する。
複数の絡み合ったプロバーの設定でも類似した結果が得られる。
論文 参考訳（メタデータ） (2021-08-16T15:59:33Z) - Satisfiability and Synthesis Modulo Oracles [7.246701762489972]
多くの合成アルゴリズムは、満足度変調理論(SMT)に基づくホワイトボックスオラクルを用いて反例を提供する。
本稿では,分子誘導合成問題の一般クラスを解くための枠組みについて述べる。
また、満足度モジュロ理論やオラクルの問題を定式化し、この問題を解くアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-07-28T16:36:26Z) - Latent Execution for Neural Program Synthesis Beyond Domain-Specific
Languages [97.58968222942173]
入力出力の例からCプログラムを合成する第一歩を踏み出す。
特に,部分生成プログラムの実行を近似するために潜在表現を学習するLa Synthを提案する。
これらのプログラムのトレーニングにより,Karel と C のプログラム合成における予測性能がさらに向上することを示す。
論文 参考訳（メタデータ） (2021-06-29T02:21:32Z) - Detailed Account of Complexity for Implementation of Some Gate-Based
Quantum Algorithms [55.41644538483948]
特に、状態準備および読み出しプロセスのような実装のいくつかのステップは、アルゴリズム自体の複雑さの側面を超越することができる。
本稿では、方程式の線形系と微分方程式の線形系を解くための量子アルゴリズムの完全な実装に関わる複雑性について述べる。
論文 参考訳（メタデータ） (2021-06-23T16:33:33Z) - RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。
我々の方法はレトロシンセシスを2段階に分解する。
最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
論文 参考訳（メタデータ） (2020-11-04T04:35:34Z) - Towards Neural-Guided Program Synthesis for Linear Temporal Logic
Specifications [26.547133495699093]
ニューラルネットワークを用いてQ関数を学習し、探索を誘導し、その後正当性を検証したプログラムを構築する。
提案手法は,検索と深層学習を組み合わせることで,合成を実現するのにユニークな手法である。
論文 参考訳（メタデータ） (2019-12-31T17:09:49Z)
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。