論文の概要: Quantum Algorithms for Matrix Operations Based on Unitary Transformations and Ancillary State Measurements
- arxiv url: http://arxiv.org/abs/2501.15137v1
- Date: Sat, 25 Jan 2025 08:51:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:56:02.881298
- Title: Quantum Algorithms for Matrix Operations Based on Unitary Transformations and Ancillary State Measurements
- Title（参考訳）: ユニタリ変換とアンシラリー状態測定に基づく行列演算の量子アルゴリズム
- Authors: Yu-Hang Liu, Yuan-Hong Tao, Yi-Kun Lan, Shao-Ming Fei,
- Abstract要約: 本稿では,いくつかの重要な行列演算に対する量子アルゴリズムを提案する。
マルチキュービットのToffoliゲートと基本的な単一キュービット演算を利用することで,行列行の追加,行スワップ,トレース計算,変換を効率的に行う。
- 参考スコア（独自算出の注目度）: 3.8622081658937093
- License:
- Abstract: Matrix operations are of great significance in quantum computing, which manipulate quantum states in information processing. This paper presents quantum algorithms for several important matrix operations. By leveraging multi-qubit Toffoli gates and basic single-qubit operations, these algorithms efficiently carry out matrix row addition, row swapping, trace calculation and transpose. By using the ancillary measurement techniques to eliminate redundant information, these algorithms achieve streamlined and efficient computations, and demonstrate excellent performance with the running time increasing logarithmically as the matrix dimension grows, ensuring scalability. The success probability depends on the matrix dimensions for the trace calculation, and on the matrix elements for row addition. Interestingly, the success probability is a constant for matrix row swapping and transpose, highlighting the reliability and efficiency.
- Abstract（参考訳）: マトリックス演算は、情報処理における量子状態を操作する量子コンピューティングにおいて非常に重要である。
本稿では,いくつかの重要な行列演算に対する量子アルゴリズムを提案する。
マルチキュービットのToffoliゲートと基本的な単一キュービット演算を利用することで,行列行の追加,行スワップ,トレース計算,変換を効率的に行う。
余分な情報を排除するために補助計測技術を用いることで、これらのアルゴリズムは合理化され効率的な計算を実現し、行列次元が大きくなるにつれて対数的に増大する時間で優れた性能を示し、スケーラビリティを確保する。
成功確率はトレース計算の行列次元と行加算の行列要素に依存する。
興味深いことに、成功確率はマトリックス行のスワップとトランスポジションの定数であり、信頼性と効率性を強調している。
関連論文リスト
- A tree-approach Pauli decomposition algorithm with application to quantum computing [0.0]
本稿では,この分解をツリーアプローチを用いて最適化する並列実装によるアルゴリズムを提案する。
また、特定の行列構造をどのように利用して操作数を削減できるかを説明します。
論文 参考訳（メタデータ） (2024-03-18T10:38:06Z) - Generalized quantum Arimoto-Blahut algorithm and its application to
quantum information bottleneck [55.22418739014892]
量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。
3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。
数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-11-19T00:06:11Z) - An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。
このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。
本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-30T15:57:14Z) - DBA: Efficient Transformer with Dynamic Bilinear Low-Rank Attention [53.02648818164273]
動的双線形低ランク注意(DBA)という,効率的かつ効果的な注意機構を提案する。
DBAは入力感度の動的射影行列によってシーケンス長を圧縮し、線形時間と空間の複雑さを実現する。
様々なシーケンス長条件のタスクに対する実験は、DBAが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2022-11-24T03:06:36Z) - A quantum algorithm for solving eigenproblem of the Laplacian matrix of
a fully connected weighted graph [4.045204834863644]
完全連結重み付きグラフのラプラシア行列の固有確率を解くための効率的な量子アルゴリズムを提案する。
具体的には,ブロック符号化フレームワークに基づく最適ハミルトンシミュレーション手法を採用する。
また、このアルゴリズムは対称(非対称)正規化ラプラス行列の固有確率を解くために拡張可能であることを示す。
論文 参考訳（メタデータ） (2022-03-28T02:24:08Z) - Explicit Quantum Circuits for Block Encodings of Certain Sparse Matrices [4.2389474761558406]
我々は、よく構造化された行列に対して、量子回路がいかに効率的に構築できるかを示す。
スパース戦略におけるこれらの量子回路の実装も提供する。
論文 参考訳（メタデータ） (2022-03-19T03:50:16Z) - Quantum algorithms for matrix operations and linear systems of equations [65.62256987706128]
本稿では,「Sender-Receiver」モデルを用いた行列演算のための量子アルゴリズムを提案する。
これらの量子プロトコルは、他の量子スキームのサブルーチンとして使用できる。
論文 参考訳（メタデータ） (2022-02-10T08:12:20Z) - Robust 1-bit Compressive Sensing with Partial Gaussian Circulant
Matrices and Generative Priors [54.936314353063494]
我々は,ロバストな1ビット圧縮センシングのための相関に基づく最適化アルゴリズムのリカバリ保証を提供する。
我々は,実用的な反復アルゴリズムを用いて,画像データセットの数値実験を行い,結果の相関付けを行う。
論文 参考訳（メタデータ） (2021-08-08T05:28:06Z) - Quantum algorithms for powering stable Hermitian matrices [0.7734726150561088]
行列パワーティング(英: Matrix Powering)は、線形代数における基本的な計算プリミティブである。
古典行列パワーリングアルゴリズムを高速化する2つの量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-15T12:20:04Z) - Multi-View Spectral Clustering with High-Order Optimal Neighborhood
Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。
本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。
提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文 参考訳（メタデータ） (2020-08-31T12:28:40Z)
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。