論文の概要: Discrete Quantum Walks with Marked Vertices and Their Average Vertex Mixing Matrices
- arxiv url: http://arxiv.org/abs/2411.16676v1
- Date: Mon, 25 Nov 2024 18:58:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:18:16.146211
- Title: Discrete Quantum Walks with Marked Vertices and Their Average Vertex Mixing Matrices
- Title(参考訳): マーク付き頂点をもつ離散量子ウォークとその平均頂点混合行列
- Authors: Amulya Mohan, Hanmeng Zhan,
- Abstract要約: 負のアイデンティティコインをマークされた頂点とグローバーコインに割り当てる離散的な量子ウォークについて検討する。
遷移行列の固有空間の基底を見つけ、平均頂点混合行列の式を導出する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We study the discrete quantum walk that assigns negative identity coins to marked vertices and Grover coins to the unmarked ones. We find combinatorial bases for the eigenspaces of the transtion matrix, and derive a formula for the average vertex mixing matrix. We then explore properties of this matrix when the marked vertices or unmarked vertices are neighborhood-equitable in the vertex-deleted subgraph.
- Abstract(参考訳): 負のアイデンティティコインをマークされた頂点とグローバーコインに割り当てる離散的な量子ウォークについて検討する。
変換行列の固有空間に対する組合せ基底を見つけ、平均頂点混合行列の式を導出する。
次に、頂点が削除された部分グラフにおいて、マークされた頂点またはマークされていない頂点が近傍等価であるとき、この行列の性質を探求する。
関連論文リスト
- Unitary and Open Scattering Quantum Walks on Graphs [0.0]
任意のグラフ上のユニタリ量子ウォークのクラスを散乱行列の族によってパラメータ化する。
Scattering Quantum Walksはいくつかの既知のQuantum Walksを含むことを示す。
論文 参考訳(メタデータ) (2024-09-12T23:25:57Z) - Doubly Stochastic Adaptive Neighbors Clustering via the Marcus Mapping [56.57574396804837]
クラスタリングは機械学習とデータサイエンスにおける基本的なタスクであり、類似性グラフベースのクラスタリングはこの領域において重要なアプローチである。
マーカスマッピングと最適輸送の関係について検討する。
マーカス写像が特定の種類の最適輸送問題を解くことを証明し、マーカス写像によるこの問題の解法が最適輸送法を直接適用するよりも効率的であることを証明した。
論文 参考訳(メタデータ) (2024-08-06T03:34:43Z) - Discrete-time quantum walks on Cayley graphs of Dihedral groups using
generalized Grover coins [0.0]
ディヘドラル群に対応するケイリーグラフ上の離散時間量子ウォークについて検討する。
本研究は,周期行列の置換あるいは負のコインに対してのみ周期的であることを示す。
論文 参考訳(メタデータ) (2023-09-26T18:53:35Z) - Vectorization of the density matrix and quantum simulation of the von
Neumann equation of time-dependent Hamiltonians [65.268245109828]
我々は、von-Neumann方程式を線形化するための一般的なフレームワークを開発し、量子シミュレーションに適した形でレンダリングする。
フォン・ノイマン方程式のこれらの線型化のうちの1つは、状態ベクトルが密度行列の列重ね元となる標準的な場合に対応することを示す。
密度行列の力学をシミュレートする量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-14T23:08:51Z) - Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。
6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-21T01:47:17Z) - Multimarked Spatial Search by Continuous-Time Quantum Walk [0.0]
任意のグラフ上の連続時間量子ウォークによる空間探索の計算複雑性を決定するためのフレームワークについて述べる。
量子ウォークは、マークされた頂点の存在によって修正されたグラフの隣接行列に由来するハミルトン行列によって駆動される。
論文 参考訳(メタデータ) (2022-03-27T20:22:17Z) - Spectral embedding and the latent geometry of multipartite networks [67.56499794542228]
多くのネットワークはマルチパーティションであり、ノードはパーティションに分割され、同じパーティションのノードは接続されない。
本稿では,高次元空間の分割特異的な低次元部分空間近傍のスペクトル埋め込みにより得られるノード表現について述べる。
スペクトル埋め込み後の追従ステップとして,周辺次元ではなく固有次元のノード表現を復元する手法を提案する。
論文 参考訳(メタデータ) (2022-02-08T15:52:03Z) - Strong Cospectrality and Twin Vertices in Weighted Graphs [0.0]
重み付きグラフの双対頂点が任意のエルミート行列に対して強いコスペクトル性を示すことを示す。
また、等式および概等式分割に関する既知の結果を一般化し、これらを用いて、$Xvee H$ という形の結合を決定する。
論文 参考訳(メタデータ) (2021-11-01T21:18:42Z) - Sparse Quadratic Optimisation over the Stiefel Manifold with Application
to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。
そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-09-30T19:17:35Z) - Spectral clustering under degree heterogeneity: a case for the random
walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。
次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文 参考訳(メタデータ) (2021-05-03T16:36:27Z) - Search on Vertex-Transitive Graphs by Lackadaisical Quantum Walk [0.0]
量子ウォーク(quantum walk)は、グラフ上の離散時間(離散時間)の量子ウォークである。
完全グラフ、離散トーラス、サイクル、正規完全二部グラフの空間探索を改善することができる。
この仮説を支持する数値シミュレーションをいくつか提示する。
論文 参考訳(メタデータ) (2020-02-26T00:10:38Z)
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。