論文の概要: Encoding of Probability Distributions for Quantum Monte Carlo Using Tensor Networks

• arxiv url: http://arxiv.org/abs/2411.11660v1
• Date: Mon, 18 Nov 2024 15:37:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:32:36.346358
• Title: Encoding of Probability Distributions for Quantum Monte Carlo Using Tensor Networks
• Title（参考訳）: テンソルネットワークを用いた量子モンテカルロの確率分布の符号化
• Authors: Antonio Pereira, Alba Villarino, Aser Cortines, Samuel Mugel, Roman Orus, Victor Leme Beltran, J. V. S. Scursulim, Samurai Brito,
• Abstract要約: 本稿では, 確率負荷問題に対処する手段として, テンソル-トレインクロス近似 (TT-cross) アルゴリズムを評価した。 本手法が財務分布に与える影響を実証し,TTクロス手法のスケーラビリティと精度を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The application of Tensor Networks (TN) in quantum computing has shown promise, particularly for data loading. However, the assumption that data is readily available often renders the integration of TN techniques into Quantum Monte Carlo (QMC) inefficient, as complete probability distributions would have to be calculated classically. In this paper the tensor-train cross approximation (TT-cross) algorithm is evaluated as a means to address the probability loading problem. We demonstrate the effectiveness of this method on financial distributions, showcasing the TT-cross approach's scalability and accuracy. Our results indicate that the TT-cross method significantly improves circuit depth scalability compared to traditional methods, offering a more efficient pathway for implementing QMC on near-term quantum hardware. The approach also shows high accuracy and scalability in handling high-dimensional financial data, making it a promising solution for quantum finance applications.
• Abstract（参考訳）: 量子コンピューティングにおけるTensor Networks (TN) の応用は、特にデータローディングにおいて有望であることが示されている。 しかし、データが容易に利用できるという仮定は、完全確率分布を古典的に計算する必要があるため、TN技術の量子モンテカルロ(QMC)への非効率な統合をしばしば引き起こす。 本稿では, 確率負荷問題に対処する手段として, テンソル-トレインクロス近似 (TT-cross) アルゴリズムを評価した。 本手法が財務分布に与える影響を実証し,TTクロス手法のスケーラビリティと精度を示す。 その結果,TTクロス法は従来手法に比べて回路幅のスケーラビリティを著しく向上させ,短期量子ハードウェア上でQMCを実装するためのより効率的な経路を提供することがわかった。 このアプローチはまた、高次元の金融データを扱う際に高い精度とスケーラビリティを示し、量子ファイナンスアプリケーションにとって有望なソリューションである。

関連論文リスト

• Quantum-Train with Tensor Network Mapping Model and Distributed Circuit Ansatz [0.8192907805418583]
  量子トレイン(Quantum-Train、QT)は、量子古典機械学習のハイブリッドフレームワークである。 量子状態の測定を古典的なニューラルネットワークの重みにマッピングする。 従来のQTフレームワークでは、このタスクにマルチレイヤパーセプトロン(MLP)を採用しているが、スケーラビリティと解釈可能性に苦慮している。 複数の小さな量子処理ユニットノードを持つ大規模量子機械学習用に設計された分散回路アンサッツを提案する。
  論文  参考訳（メタデータ） (2024-09-11T03:51:34Z)
• Trade-off between Gradient Measurement Efficiency and Expressivity in Deep Quantum Neural Networks [0.0]
  量子ニューラルネットワーク(QNN)は、実用的な量子優位性を達成するために効率的なトレーニングアルゴリズムを必要とする。 一般的なQNNには効率的な勾配測定アルゴリズムが欠けており、スケーラブルなQNNを実現するための基本的で実践的な課題となっている。 本稿では, 安定器-論理積アンサッツ (SLPA) と呼ばれる一般QNNアンサッツを提案する。
  論文  参考訳（メタデータ） (2024-06-26T12:59:37Z)
• Variational quantum eigensolver with linear depth problem-inspired ansatz for solving portfolio optimization in finance [7.501820750179541]
  本稿では,金融におけるポートフォリオ最適化問題を解決するために,変分量子固有解法(VQE)を提案する。 超伝導量子コンピュータWu Kongにおける最大55量子ビットのHDC実験を実装した。 HDCスキームは、NISQ時代に量子アドバンテージを達成する大きな可能性を示している。
  論文  参考訳（メタデータ） (2024-03-07T07:45:47Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Drastic Circuit Depth Reductions with Preserved Adversarial Robustness by Approximate Encoding for Quantum Machine Learning [0.5181797490530444]
  本研究では, 変分, 遺伝的および行列積状態に基づくアルゴリズムを用いて, 符号化画像データを表す量子状態の効率的な作成法を実装した。 その結果、これらの手法は、標準状態準備実装よりも2桁も浅い回路を用いて、QMLに適したレベルにほぼ準備できることが判明した。
  論文  参考訳（メタデータ） (2023-09-18T01:49:36Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Scaling Limits of Quantum Repeater Networks [62.75241407271626]
  量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。 量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。 本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
  論文  参考訳（メタデータ） (2023-05-15T14:57:01Z)
• 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)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)

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。