Fugu-MT 論文翻訳(概要): Fast Phase Factor Finding for Quantum Signal Processing

論文の概要: Fast Phase Factor Finding for Quantum Signal Processing

arxiv url: http://arxiv.org/abs/2410.06409v2
Date: Mon, 28 Oct 2024 07:50:43 GMT
ステータス: 処理完了
システム内更新日: 2024-11-01 05:59:12.477163
Title: Fast Phase Factor Finding for Quantum Signal Processing
Title（参考訳）: 量子信号処理のための高速位相因子探索
Authors: Hongkang Ni, Lexing Ying,
Abstract要約: 量子信号処理における位相因子の回復のための2つのアルゴリズムを提案する。最初のアルゴリズムである「ハーフ・チョレスキー」は、全てのレシエーションで堅牢な性能を示す。第2のアルゴリズムであるFast Fixed Point Iteration"は、非完全整合的な状態において、さらに高い効率を提供する。
参考スコア（独自算出の注目度）: 11.678822620192438
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents two efficient and stable algorithms for recovering phase factors in quantum signal processing (QSP), a crucial component of many quantum algorithms. The first algorithm, the ``Half Cholesky" method, which is based on nonlinear Fourier analysis and fast solvers for structured matrices, demonstrates robust performance across all regimes. The second algorithm, ``Fast Fixed Point Iteration," provides even greater efficiency in the non-fully-coherent regime. Both theoretical analysis and numerical experiments demonstrate the significant advantages of these new methods over all existing approaches.
Abstract（参考訳）: 本稿では、多くの量子アルゴリズムの重要な構成要素である量子信号処理(QSP)において、位相因子を回復するための2つの効率的かつ安定したアルゴリズムを提案する。非線形フーリエ解析と構造化行列の高速解法に基づく第1のアルゴリズム ``ハルフ・チョレスキー' は、全てのレシエーションに対して堅牢な性能を示す。第2のアルゴリズム ``Fast Fixed Point Iteration" は、非完全整合系においてさらに高い効率を提供する。理論解析と数値実験の両方は、これらの新しい手法が既存の全ての手法に対して有益であることを示すものである。

関連論文リスト

Performance Benchmarking of Quantum Algorithms for Hard Combinatorial Optimization Problems: A Comparative Study of non-FTQC Approaches [0.0]
本研究は、4つの異なる最適化問題にまたがっていくつかの非フォールト耐性量子コンピューティングアルゴリズムを体系的にベンチマークする。我々のベンチマークには、変分量子固有解法など、ノイズの多い中間スケール量子(NISQ)アルゴリズムが含まれている。以上の結果から,FTQC以外のアルゴリズムは全ての問題に対して最適に動作しないことが明らかとなり,アルゴリズム戦略の調整の必要性が浮き彫りになった。
論文参考訳（メタデータ） (2024-10-30T08:41:29Z)
Quantum-Trajectory-Inspired Lindbladian Simulation [15.006625290843187]
リンドブラディアンズが支配するオープン量子系の力学をシミュレーションする2つの量子アルゴリズムを提案する。最初のアルゴリズムはジャンプ演算子数とは無関係にゲート複雑性を達成し、$m$は効率を大幅に向上させる。第二のアルゴリズムは進化時間$t$と精度$epsilon$にほぼ最適に依存し、追加の$tildeO(m)$ factorを導入する。
論文参考訳（メタデータ） (2024-08-20T03:08:27Z)
Quantum Circuit Optimization: Current trends and future direction [0.0]
量子回路最適化の最近の進歩を探求する。解析アルゴリズム、量子アルゴリズム、機械学習に基づくアルゴリズム、ハイブリッド量子古典アルゴリズムについて論じる。
論文参考訳（メタデータ） (2024-08-16T15:07:51Z)
Improved Quantum Algorithms for Eigenvalues Finding and Gradient Descent [0.0]
ブロック符号化は、最近開発された量子アルゴリズムの統一フレームワークを形成する量子信号処理において重要な要素である。本稿では,前述した2つの量子アルゴリズムを効果的に拡張するためにブロック符号化を利用する。提案手法を,行列逆転や多重固有値推定など,異なる文脈に拡張する方法を示す。
論文参考訳（メタデータ） (2023-12-22T15:59:03Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
First-Order Algorithms for Nonlinear Generalized Nash Equilibrium Problems [88.58409977434269]
非線形一般化ナッシュ均衡問題(NGNEP)における平衡計算の問題を考える。我々の貢献は、2次ペナルティ法と拡張ラグランジアン法に基づく2つの単純な一階アルゴリズムフレームワークを提供することである。これらのアルゴリズムに対する漸近的理論的保証を提供する。
論文参考訳（メタデータ） (2022-04-07T00:11:05Z)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
Near-term Efficient Quantum Algorithms for Entanglement Analysis [5.453850739960517]
絡み合いは量子物理学において重要な役割を担い、量子情報処理の鍵となる資源である。本研究は、この困難に対処するために、ハイブリッド量子古典的手法を利用した3つの短期的効率的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-09-22T15:15:58Z)
Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。両レベル最適化のための2つの新しいアルゴリズムを提案する。両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文参考訳（メタデータ） (2021-06-08T21:05:30Z)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)
Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文参考訳（メタデータ） (2020-03-31T16:54:22Z)

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。