論文の概要: Quantum HodgeRank: Topology-Based Rank Aggregation on Quantum Computers
- arxiv url: http://arxiv.org/abs/2407.20452v1
- Date: Mon, 29 Jul 2024 23:16:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-31 18:38:42.413345
- Title: Quantum HodgeRank: Topology-Based Rank Aggregation on Quantum Computers
- Title(参考訳): Quantum HodgeRank: 量子コンピュータにおけるトポロジに基づくランクアグリゲーション
- Authors: Caesnan M. G. Leditto, Angus Southwell, Behnam Tonekaboni, Muhammad Usman, Kavan Modi,
- Abstract要約: 我々は,HodgeRank解に比例した量子状態を出力する量子アルゴリズムを開発した。
また、出力量子状態から有意義な情報を抽出する効率的なアルゴリズムを提案する。
提案手法は,高次ネットワークや離散外部計算の研究において,量子コンピューティングが実りある応用を見出すことができることを示唆している。
- 参考スコア(独自算出の注目度): 0.5490714603843316
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rank aggregation techniques play a crucial role in identifying the best alternatives, but the inherent imbalance and incompleteness of real-world data pose significant challenges. The HodgeRank algorithm, which utilizes discrete exterior calculus on a graph, can overcome these issues and output a consistent global ranking of alternatives. Recently, higher-order networks have been employed to analyze complex multipartite interactions in network data. Extending HodgeRank to ranking on higher-order networks, however, requires computational costs that are exponential in the network dimension. To address this challenge, we develop a quantum algorithm that outputs a quantum state proportional to the HodgeRank solution. By incorporating quantum singular value transformation and tools from quantum topological data analysis, our approach achieves time complexity independent of the network dimension, avoiding the need for quantum random access memory or sparse access input models. We also present efficient algorithms and heuristics to extract meaningful information from the output quantum state, including an algorithm to compute the consistency of the ranking. Using our algorithm, the consistency measure estimation has the potential to achieve superpolynomial quantum speedups for higher-order network data with specific structures. Beyond ranking tasks, our methods suggest that quantum computing could find fruitful applications in studying higher-order networks and discrete exterior calculus.
- Abstract(参考訳): ランクアグリゲーション技術は、最良の選択肢を特定する上で重要な役割を担っているが、現実世界のデータの本質的な不均衡と不完全性は重大な課題を生んでいる。
グラフ上の離散外部計算を利用するHodgeRankアルゴリズムは、これらの問題を克服し、一貫したグローバルな選択肢ランキングを出力することができる。
近年,ネットワークデータの複雑なマルチパート間相互作用の解析に高次ネットワークが採用されている。
しかし、HodgeRankを高階ネットワークのランキングに拡張するには、ネットワーク次元で指数関数的な計算コストが必要となる。
この課題に対処するため,HodgeRank法に比例した量子状態を出力する量子アルゴリズムを開発した。
量子特異値変換とツールを量子トポロジカルデータ解析から取り入れることで、量子ランダムアクセスメモリやスパースアクセス入力モデルの必要性を回避し、ネットワーク次元に依存しない時間複雑性を実現する。
また、出力量子状態から有意な情報を抽出する効率的なアルゴリズムとヒューリスティックスを示し、ランキングの整合性を計算するアルゴリズムを含む。
このアルゴリズムを用いることで、特定の構造を持つ高次ネットワークデータに対する超ポリノミカル量子スピードアップを実現することができる。
ランク付けタスク以外にも、量子コンピューティングは高次ネットワークや離散外部計算の研究において実りある応用を見出すことができることを示唆している。
関連論文リスト
- 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) - Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。
特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。
シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
論文 参考訳(メタデータ) (2024-01-25T17:37:40Z) - 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 Federated Learning for Distributed Quantum Networks [9.766446130011706]
本稿では,量子力学の興味深い特徴を利用した分散量子ネットワークのための量子フェデレーション学習を提案する。
分散量子ネットワーク内のクライアントがローカルモデルをトレーニングするのを助けるために、量子勾配降下アルゴリズムが提供される。
量子セキュアなマルチパーティ計算プロトコルを設計し,中国の残差定理を用いた。
論文 参考訳(メタデータ) (2022-12-25T14:37:23Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳(メタデータ) (2022-03-30T02:02:16Z) - Hardware Efficient Quantum Search Algorithm [17.74233101199813]
本稿では,この課題を克服するために,ハードウェアの効率的な量子探索アルゴリズムを提案する。
我々の鍵となる考え方は、グローバル拡散操作を低コストな局所拡散に置き換えることである。
回路コストの削減は、システムの成功率を著しく向上させる。
論文 参考訳(メタデータ) (2021-03-26T01:08:50Z) - Quantum-enhanced algorithms for classical target detection in complex
environments [0.0]
古典的ターゲット同定および局所化アルゴリズム,特にレーダ画像に対する量子計算手法について検討した。
アルゴリズムは量子機械学習に対する最近のアプローチにインスパイアされているが、かなりの拡張が必要である。
量子効率がアルゴリズム全体の大幅な高速化を可能にするアプリケーション体制が特定される。
論文 参考訳(メタデータ) (2020-07-29T21:07:31Z) - Quantum State Discrimination on Reconfigurable Noise-Robust Quantum
Networks [6.85316573653194]
量子情報処理における根本的な問題は、システムの量子状態の集合の識別である。
本稿では、この問題を量子ウォークによって定義されるグラフによって記述されたオープン量子システム上で解決する。
ネットワークのパラメータを最適化し、正しい識別の確率を最大化する。
論文 参考訳(メタデータ) (2020-03-25T19:07:03Z)
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。