論文の概要: Learning Gaussian Operations and the Matchgate Hierarchy
- arxiv url: http://arxiv.org/abs/2407.12649v1
- Date: Wed, 17 Jul 2024 15:22:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-18 16:35:48.587021
- Title: Learning Gaussian Operations and the Matchgate Hierarchy
- Title（参考訳）: ガウス演算の学習とマッチゲート階層
- Authors: Joshua Cudby, Sergii Strelchuk,
- Abstract要約: クリフォード階層(Clifford Hierarchy)に類似した構造を持つ、マッチゲート階層(Matchgate Hierarchy)と呼ばれる無限のユニタリゲート群を導入する。
Clifford HierarchyはMatchgate Hierarchyに含まれており、階層のあらゆるレベルの操作を効率的に学習できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning an unknown quantum process is a central task for validation of the functioning of near-term devices. The task is generally hard, requiring exponentially many measurements if no prior assumptions are made on the process. However, an interesting feature of the classically-simulable Clifford group is that unknown Clifford operations may be efficiently determined from a black-box implementation. We extend this result to the important class of fermionic Gaussian operations. These operations have received much attention due to their close links to fermionic linear optics. We then introduce an infinite family of unitary gates, called the Matchgate Hierarchy, with a similar structure to the Clifford Hierarchy. We show that the Clifford Hierarchy is contained within the Matchgate Hierarchy and how operations at any level of the hierarchy can be efficiently learned.
- Abstract（参考訳）: 未知の量子プロセスを学ぶことは、短期的なデバイスの機能を検証するための中心的なタスクである。
タスクは一般に困難であり、プロセスに事前の仮定が作成されない場合、指数関数的に多くの測定を必要とする。
しかし、古典的にシミュレート可能なクリフォード群の興味深い特徴は、未知のクリフォード演算がブラックボックスの実装から効率的に決定できることである。
この結果をフェルミオンガウス演算の重要なクラスに拡張する。
これらの操作は、フェルミニオン線形光学との近縁性から、多くの注目を集めている。
次に、クリフォード階層(Clifford Hierarchy)に類似した構造を持つ、マッチゲート階層(Matchgate Hierarchy)と呼ばれる無限のユニタリゲート群を導入する。
Clifford HierarchyはMatchgate Hierarchyに含まれており、階層のあらゆるレベルの操作を効率的に学習できることを示す。
関連論文リスト
- OMH: Structured Sparsity via Optimally Matched Hierarchy for Unsupervised Semantic Segmentation [69.37484603556307]
Un Semantic segmenting (USS)は、事前に定義されたラベルに頼ることなく、イメージをセグメント化する。
上記の問題を同時に解決するために,OMH (Optimally Matched Hierarchy) という新しいアプローチを導入する。
我々のOMHは既存のUSS法と比較して教師なしセグメンテーション性能がよい。
論文 参考訳（メタデータ） (2024-03-11T09:46:41Z) - Characterising semi-Clifford gates using algebraic sets [0.0]
クリフォード階層の第3階層のゲートの集合と、ほぼ対角的な半クリフォードゲートのそれらの傑出した部分集合について研究する。
セミクリフォードゲートはこれらの資源状態をはるかに効率的に利用して実装できるので重要である。
論文 参考訳（メタデータ） (2023-09-26T18:41:57Z) - A Rubik's Cube inspired approach to Clifford synthesis [0.14504054468850663]
任意のクリフォード要素をクリフォードゲートの列に分解する問題はクリフォード合成として知られている。
我々は,識別から距離への近似を学習し,クリフォード合成のための機械学習手法を開発した。
論文 参考訳（メタデータ） (2023-07-17T17:46:08Z) - Guarantees for Epsilon-Greedy Reinforcement Learning with Function
Approximation [69.1524391595912]
エプシロングレーディ、ソフトマックス、ガウシアンノイズといった神秘的な探索政策は、いくつかの強化学習タスクにおいて効率的に探索することができない。
本稿では,このような政策を理論的に分析し,筋電図探索による強化学習のための最初の後悔とサンプル複雑度境界を提供する。
論文 参考訳（メタデータ） (2022-06-19T14:44:40Z) - Deep Hierarchy in Bandits [51.22833900944146]
行動の報酬は、しばしば相関する。
統計的効率を最大化するためには,これらの相関を学習に活用することが重要である。
平均作用報酬の相関が階層的ベイズモデルで表されるこの問題のバンディット変法を定式化する。
論文 参考訳（メタデータ） (2022-02-03T08:15:53Z) - Simulating quench dynamics on a digital quantum computer with
data-driven error mitigation [62.997667081978825]
本稿では、実量子データにおけるノイズの影響を軽減するために用いられる、クリフォードデータ回帰に基づくいくつかの手法の最初の実装の1つを示す。
一般に、クリフォードデータ回帰に基づく手法は、ゼロノイズ外挿法と比較して有利である。
これはこの種の研究でこれまで調査された中で最大のシステムである。
論文 参考訳（メタデータ） (2021-03-23T16:56:14Z) - Visualizing Kraus operators for dephasing noise during application of
the $\sqrt{\mathrm{\mathrm{SWAP}}}$ quantum gate [0.0]
ノイズの存在下で量子ゲートに最適化されたクラウス作用素を導出する。
三次元ユークリッド空間における各クラウス作用素の時間発展を曲線として視覚化する方法を示す。
論文 参考訳（メタデータ） (2021-03-18T17:02:08Z) - Efficient quantum gate teleportation in higher dimensions [0.0]
クリフォード階層は、フォールトトレラント量子計算を達成するのに不可欠な量子ゲートの集合のネスト配列である。
We leverage the Stone-von Neumann theorem and symplectic formalism of qudit stabiliser mechanics to extended results of Zeng-Cheng-Chuang (2008) and Beigi-Shor (2010) to higher dimensions in a uniform manner。
我々は、(任意の素次元の)1つのキューディットと2つのキュートリットのすべての3階ゲートを効率的に実装できることを証明した。
論文 参考訳（メタデータ） (2020-10-30T22:25:22Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳（メタデータ） (2020-06-22T08:35:58Z) - Classical Coding Approaches to Quantum Applications [2.5382095320488665]
深宇宙光通信では、純状態量子チャネルの電流受信機がまず各キュービットチャネルの出力を測定し、古典的にその測定を後処理する。
本論文では, 古典的信念伝達アルゴリズムに触発された近年提案された量子アルゴリズムについて考察する。
提案アルゴリズムは各ビットに対して最適であり,全送信メッセージを決定する際に最適な性能が得られることを示す。
論文 参考訳（メタデータ） (2020-04-14T23:31:46Z) - Hierarchical Reinforcement Learning as a Model of Human Task
Interleaving [60.95424607008241]
我々は、強化学習によって駆動される監督制御の階層モデルを開発する。
このモデルは、タスクインターリービングの既知の経験的効果を再現する。
その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
論文 参考訳（メタデータ） (2020-01-04T17:53:28Z)
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。