論文の概要: A memory and gate efficient algorithm for unitary mixed Schur sampling

• arxiv url: http://arxiv.org/abs/2410.15793v1
• Date: Mon, 21 Oct 2024 09:03:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:18:00.078278
• Title: A memory and gate efficient algorithm for unitary mixed Schur sampling
• Title（参考訳）: 一元混合シュアサンプリングのためのメモリとゲート効率のアルゴリズム
• Authors: Enrique Cervero-Martín, Laura Mančinska, Elias Theil,
• Abstract要約: Unitary Schur sample は、入力 $m qudit 状態の Young ラベルと Unitary group register を測定するプロセスである。 我々はこのタスクを、最近導入された混合シュル=ワイルアルゴリズムを説明するために一般化する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We formalize the task of unitary Schur sampling -- an extension of weak Schur sampling -- which is the process of measuring the Young label and the unitary group register of an input $m$ qudit state. Intuitively, this task is equivalent to applying the Schur transform, projecting onto the isotypic subspaces of the unitary and symmetric groups indexed by the Young labels, and discarding of the permutation register. As such unitary Schur sampling is the natural task in processes such as quantum state tomography or spectrum estimation. We generalize this task to unitary mixed Schur sampling to account for the recently introduced mixed Schur-Weyl transform. We provide a streaming algorithm which achieves an exponential reduction in the memory complexity and a polynomial reduction in the gate complexity over na\"ive algorithms for the task of unitary (mixed) Schur sampling. Further, we show that if the input state has limited rank, the gate and memory complexities of our streaming algorithm as well as the algorithms for the full Schur and mixed Schur transforms are further reduced. Our work generalizes and improves on the results in arXiv2309.11947.
• Abstract（参考訳）: 弱シュアサンプリングの拡張であるユニタリシュアサンプリングのタスクは、入力$m$qudit状態のヤングラベルとユニタリ群レジスタを測定するプロセスである。 直感的には、このタスクはシュル変換を適用し、ヤングラベルによってインデックス付けされたユニタリ群と対称群の同型部分空間に射影し、置換レジスタを破棄するのと等価である。 そのようなユニタリシュアサンプリングは、量子状態トモグラフィーやスペクトル推定のようなプロセスにおける自然なタスクである。 このタスクをユニタリ混合シュアサンプリングに一般化し、最近導入された混合シュア・ワイル変換を考慮する。 単一(混合)シュアサンプリングのタスクに対して,Na\" アルゴリズムよりもメモリ複雑性を指数関数的に削減し,ゲート複雑性を多項式的に低減するストリーミングアルゴリズムを提案する。 さらに、入力状態が限られたランクを持つ場合、ストリーミングアルゴリズムのゲートとメモリの複雑さと、フルシュア変換と混合シュア変換のアルゴリズムはさらに減少することを示す。 我々の研究はarXiv2309.11947の結果を一般化し、改善する。

関連論文リスト

• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• Robust Low-Rank Matrix Completion via a New Sparsity-Inducing Regularizer [30.920908325825668]
  本稿では,ハイブリッド常連Welsch (HOW) に新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2023-10-07T09:47:55Z)
• Gradient Coding with Iterative Block Leverage Score Sampling [42.21200677508463]
  変換したデータのサンプリングサブセットに対応するために,$ell$-subspace埋め込みのためのレバレッジスコアサンプリングスケッチを一般化する。 これを用いて、一階法に対する近似符号付き計算手法を導出する。
  論文  参考訳（メタデータ） (2023-08-06T12:22:12Z)
• Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization [61.26619639722804]
  滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。 提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
  論文  参考訳（メタデータ） (2022-02-26T19:10:48Z)
• Forster Decomposition and Learning Halfspaces with Noise [60.691817861402676]
  フォースター変換 (Forster transform) は、分布を優れた反集中特性を持つものに変換する演算である。 本稿では,Forster変換が存在し,効率よく計算できる少数の分布の解離混合として,任意の分布を効率的に分解可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-12T17:00:59Z)
• Rejection sampling from shape-constrained distributions in sublinear time [14.18847457501901]
  離散分布の様々なクラスを対象としたミニマックスフレームワークにおいて,リジェクションサンプリングのクエリ複雑性について検討した。 本研究は,アルファベットサイズに比例して複雑度が増大するサンプリング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） (2021-05-29T01:00:42Z)
• Space Partitioning and Regression Mode Seeking via a Mean-Shift-Inspired Algorithm [5.990174495635326]
  平均シフト(MS)アルゴリズムは、サンプルポイントをクラスタリングし、カーネル密度推定の局所モードを見つけるために使われる非パラメトリックな手法である。 回帰関数のモードを推定し,入力空間内のサンプル点を分割するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-04-20T16:35:17Z)
• Feature Whitening via Gradient Transformation for Improved Convergence [3.5579740292581]
  機能白化の複雑さの欠点に対処する。 サンプル変換を重み勾配への変換によって置き換える等価な手法をBサンプルの各バッチに適用する。 CIFAR と Imagenet データセットで実証された画像分類のためのResNet ベースのネットワークを用いて提案アルゴリズムを例示する。
  論文  参考訳（メタデータ） (2020-10-04T11:30:20Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• 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)
• Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
  カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。 我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
  論文  参考訳（メタデータ） (2020-04-23T05:00:21Z)

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。