論文の概要: Quantum Inverse Fast Fourier Transform
- arxiv url: http://arxiv.org/abs/2409.07983v1
- Date: Thu, 12 Sep 2024 12:27:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 16:39:03.538680
- Title: Quantum Inverse Fast Fourier Transform
- Title(参考訳): 量子逆高速フーリエ変換
- Authors: Mayank Roy, Devi Maheswaran,
- Abstract要約: 量子データを扱うためにQIFFT(Quantum Inverse Fast Fourier Transform)アルゴリズムを開発した。
古典的モデルからQIFFTアルゴリズムの完全な定式化を含め、蝶図も含んでいる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, an algorithm for Quantum Inverse Fast Fourier Transform (QIFFT) is developed to work for quantum data. Analogous to a classical discrete signal, a quantum signal can be represented in Dirac notation, application of QIFFT is a tensor transformation from frequency domain to time domain. If the tensors are merely complex entries, then we get the classical scenario. We have included the complete formulation of QIFFT algorithm from the classical model and have included butterfly diagram. QIFFT outperforms regular inversion of Quantum Fourier Transform (QFT) in terms of computational complexity, quantum parallelism and improved versatility.
- Abstract(参考訳): 本稿では,量子データを扱うためにQIFFT(Quantum Inverse Fast Fourier Transform)アルゴリズムを開発した。
古典的な離散信号と同様、量子信号はディラック表記で表すことができ、QIFFTの適用は周波数領域から時間領域へのテンソル変換である。
テンソルが単に複素成分であるなら、古典的なシナリオが得られる。
古典的モデルからQIFFTアルゴリズムの完全な定式化を含め、蝶図も含んでいる。
QIFFTは量子フーリエ変換(QFT)の正規反転を計算複雑性、量子並列性、汎用性の向上の観点から上回っている。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳(メタデータ) (2024-09-05T07:18:09Z) - Direct interpolative construction of the discrete Fourier transform as a matrix product operator [0.0]
補間分解を用いたQFT MPOの簡単な閉形式構成を提案する。
この構成は、量子回路シミュレーションとQTTアプリケーションにおいて、それぞれQFTとDFTの適用を高速化することができる。
論文 参考訳(メタデータ) (2024-04-04T03:42:17Z) - Quantum error mitigation for Fourier moment computation [49.1574468325115]
本稿では、超伝導量子ハードウェアにおける核効果場理論の文脈におけるフーリエモーメントの計算に焦点を当てる。
この研究は、制御反転ゲートを用いたアダマール試験にエコー検証と雑音再正規化を統合した。
ノイズモデルを用いて解析した結果,2桁のノイズ強度が顕著に低下することが判明した。
論文 参考訳(メタデータ) (2024-01-23T19:10:24Z) - Multidimensional Quantum Fourier Transformation [0.0]
本研究では, 既知のQFT回路を用いて多次元QFTの効率的な回路を導出する。
現在のハードウェアの例は、IBM量子コンピュータを備えた6量子ビットの2D-QFTで描かれている。
論文 参考訳(メタデータ) (2023-01-31T18:25:40Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - Quantum Fourier Transform Has Small Entanglement [0.0]
量子フーリエ変換は量子ビット系に大きな絡み合いをもたらすことを示す。
低結合次元の行列積状態におけるQFTの古典的シミュレーションは、キュービット数でのみ線形であることを示す。
長さ106ドルから108ドルのデータベクトルの場合、スピードアップは桁違いに行うことができる。
論文 参考訳(メタデータ) (2022-10-16T07:04:22Z) - Deep Fourier Up-Sampling [100.59885545206744]
フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。
これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
論文 参考訳(メタデータ) (2022-10-11T06:17:31Z) - Quantum Fourier Addition, Simplified to Toffoli Addition [92.18777020401484]
本稿では,QFT付加回路をToffoliベースの加算器に初めて体系的に変換する。
QFT回路からゲートを近似分解する代わりに、ゲートをマージする方が効率的である。
論文 参考訳(メタデータ) (2022-09-30T02:36:42Z) - Quantum Augmented Dual Attack [8.134961550216618]
量子ランダムアクセス(QRACM)を用いたLearning with Errors(LWE)問題に対する2重格子攻撃の量子拡張変種を提案する。
本研究の結果を文献から格子パラメータに適用すると,QRACMへのユニットコストアクセスを前提として,我々のアルゴリズムが従来のアルゴリズムより優れていることが分かる。
論文 参考訳(メタデータ) (2022-05-27T13:54:31Z) - An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian
Simulation [55.41644538483948]
現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。
我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。
提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
論文 参考訳(メタデータ) (2021-08-06T19:38:03Z) - Quantum Fourier Transform Revisited [3.23402688755667]
量子フーリエ変換(QFT)は、FFT行列分解の対角係数をKronecker積構造を持つ行列の積に分解することで導出可能であることを示す。
このような構造が量子コンピュータの重要な利点を生かし、量子コンピュータ上で古典的コンピュータ上でのFFTアルゴリズム上での指数的高速化を実現することができるのかを説明する。
論文 参考訳(メタデータ) (2020-03-06T02:46:58Z)
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。