論文の概要: Low depth amplitude estimation without really trying
- arxiv url: http://arxiv.org/abs/2410.01173v1
- Date: Wed, 02 Oct 2024 01:59:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-03 15:20:30.164712
- Title: Low depth amplitude estimation without really trying
- Title(参考訳): 試行錯誤を伴わない低深さ振幅推定
- Authors: Dinh-Long Vu, Bin Cheng, Patrick Rebentrost,
- Abstract要約: 量子振幅推定アルゴリズムはモンテカルロシミュレーションの2次高速化を提供する。
それらは推定誤差の逆としてスケールする回路深さを必要とする。
量子アルゴリズム自体に古典モンテカルロ法を適用すれば、この制限を回避できる。
- 参考スコア(独自算出の注目度): 1.1005025875011782
- License:
- Abstract: Standard quantum amplitude estimation algorithms provide quadratic speedup to Monte-Carlo simulations but require a circuit depth that scales as inverse of the estimation error. In view of the shallow depth in near-term devices, the precision achieved by these algorithms would be low. In this paper we bypass this limitation by performing the classical Monte-Carlo method on the quantum algorithm itself, achieving a higher than classical precision using low-depth circuits. We require the quantum algorithm to be weakly biased in order to avoid error accumulation during this process. Our method is parallel and can be as weakly biased as the constituent algorithm in some cases.
- Abstract(参考訳): 標準量子振幅推定アルゴリズムはモンテカルロシミュレーションに二次的なスピードアップを提供するが、推定誤差の逆としてスケールする回路深さを必要とする。
短期装置の浅い深さを考慮すると、これらのアルゴリズムによって達成される精度は低いだろう。
本稿では、量子アルゴリズム自体に古典モンテカルロ法を適用し、低深度回路を用いた古典的精度よりも高い精度を実現することにより、この制限を回避した。
このプロセス中にエラーの蓄積を避けるために、量子アルゴリズムは弱いバイアスを受ける必要がある。
我々の手法は並列であり、いくつかの場合において構成アルゴリズムと同じくらい弱いバイアスを受けることができる。
関連論文リスト
- An adaptive Bayesian quantum algorithm for phase estimation [0.0]
平均絶対誤差と平均二乗誤差の最適2次スケーリングを実現するためのコヒーレンスに基づく位相推定アルゴリズムを提案する。
ノイズの存在下で、我々のアルゴリズムは理論的な下界に近づく誤差を生成する。
論文 参考訳(メタデータ) (2023-03-02T19:00:01Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳(メタデータ) (2023-02-13T19:57:17Z) - Improved maximum-likelihood quantum amplitude estimation [0.0]
量子推定は、量子強化モンテカルロシミュレーションや量子機械学習など、多数の強力な量子アルゴリズムにおいて重要なサブルーチンである。
本稿では,最大形量子振幅推定 (MLQAE) の解析をさらに深め,量子回路深度が制限されるシナリオを含むより規範的な形式にアルゴリズムを配置する。
次に,この問題を克服するアルゴリズムの修正を提案し,数値的に検証し,近・中期量子ハードウェアにおける実用的サブルーチンとしての有用性をさらに高める。
論文 参考訳(メタデータ) (2022-09-07T17:30:37Z) - Adaptive Algorithm for Quantum Amplitude Estimation [13.82667502131475]
振幅の間隔推定のための適応アルゴリズムを提案する。
提案アルゴリズムは、同じレベルの精度を達成するために、同じ数の量子クエリを使用する。
我々は,古典モンテカルロサンプリングに対する2次高速化として,オラクルクエリの数が$O(1/epsilon)$に達することを厳密に証明する。
論文 参考訳(メタデータ) (2022-06-16T21:11:15Z) - Bregman divergence based em algorithm and its application to classical
and quantum rate distortion theory [61.12008553173672]
本稿では,Bregman分散系における指数サブファミリーと混合サブファミリー間のBregman分散の最小化問題に対処する。
このアルゴリズムを量子設定を含む歪みとその変種の評価に適用する。
論文 参考訳(メタデータ) (2022-01-07T13:33:28Z) - Black-Box Quantum State Preparation with Inverse Coefficients [17.63187488168065]
ブラックボックス量子状態の準備は、多くの高レベル量子アルゴリズムの基本的な構成要素である。
不等式試験に基づく逆係数を用いたブラックボックス状態生成のための新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-12-11T09:22:25Z) - Quantum algorithm for stochastic optimal stopping problems with
applications in finance [60.54699116238087]
有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。
プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
論文 参考訳(メタデータ) (2021-11-30T12:21:41Z) - Low depth amplitude estimation on a trapped ion quantum computer [5.443245599372994]
振幅推定は、量子コンピュータが二次的なスピードアップを達成できる基本的な量子アルゴリズムプリミティブである。
近年の研究は、低深さ回路の高速化と引き換えに、そのようなアルゴリズムに必要な資源を幾らか削減することに成功している。
我々は,最先端のイオン量子コンピュータにおける振幅推定実験の結果を報告する。
論文 参考訳(メタデータ) (2021-09-20T16:57:19Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳(メタデータ) (2021-08-09T18:00:05Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳(メタデータ) (2020-09-15T18:17:27Z) - On Thompson Sampling with Langevin Algorithms [106.78254564840844]
多武装バンディット問題に対するトンプソンサンプリングは理論と実践の両方において良好な性能を享受する。
計算上のかなりの制限に悩まされており、反復ごとに後続分布からのサンプルを必要とする。
本稿では,この問題に対処するために,トンプソンサンプリングに適した2つのマルコフ連鎖モンテカルロ法を提案する。
論文 参考訳(メタデータ) (2020-02-23T22:35:29Z)
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。