論文の概要: Remarks on controlled measurement and quantum algorithm for calculating Hermitian conjugate

• arxiv url: http://arxiv.org/abs/2501.16028v1
• Date: Mon, 27 Jan 2025 13:11:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:55:50.793129
• Title: Remarks on controlled measurement and quantum algorithm for calculating Hermitian conjugate
• Title（参考訳）: エルミート共役計算のための制御測定と量子アルゴリズムに関する研究
• Authors: Edward B. Fel'dman, Alexander I. Zenchuk, Wentao Qi, Junde Wu,
• Abstract要約: 本稿では,最近提案された行列演算アルゴリズムの2つの新しい側面について述べる。 第一の側面は制御された測定であり、必要なアシラ状態への小さなアクセス確率の問題を回避することができる。 第二の側面は任意の行列のエルミート共役を計算するアルゴリズムである。
• 参考スコア（独自算出の注目度）: 46.13392585104221
• License:
• Abstract: We present two new aspects for the recently proposed algorithms for matrix manipulating based on the special encoding the matrix elements into the superposition state of a quantum system. First aspect is the controlled measurement which allows to avoid the problem of small access probability to the required ancilla state at the final step of algorithms needed to remove the garbage of the states. Application of controlled measurement to the earlier developed algorithm is demonstrated. The second aspect is the algorithm for calculating the Hermitian conjugate of an arbitrary matrix, which supplements the algorithms proposed earlier. The appropriate circuits are presented.
• Abstract（参考訳）: 本稿では,行列要素を量子系の重ね合わせ状態に特別に符号化した行列演算アルゴリズムについて,最近提案した2つの新しい側面について述べる。 第一の側面は制御された測定であり、状態のガベージを除去するアルゴリズムの最終段階において、必要なアシラ状態への小さなアクセス確率の問題を回避することができる。 従来開発されたアルゴリズムに対する制御された測定の応用を実証した。 第二の側面は任意の行列のエルミート共役を計算するアルゴリズムであり、これは以前に提案されたアルゴリズムを補うものである。 適切な回路が提示される。

関連論文リスト

• The Algorithm for Solving Quantum Linear Systems of Equations With Coherent Superposition and Its Extended Applications [8.8400072344375]
  コヒーレント重ね合わせを持つ方程式の量子線型系を解くための2つの量子アルゴリズムを提案する。 2つの量子アルゴリズムは、ランクと一般解の両方を1つの測定で計算できる。 分析の結果,提案アルゴリズムは主に軽量対称暗号に対する攻撃に適していることがわかった。
  論文  参考訳（メタデータ） (2024-05-11T03:03:14Z)
• Spectral Entry-wise Matrix Estimation for Low-Rank Reinforcement Learning [53.445068584013896]
  低ランク構造を持つ強化学習(RL)における行列推定問題について検討した。 低ランク帯では、回収される行列は期待される腕の報酬を指定し、低ランクマルコフ決定プロセス(MDP)では、例えばMDPの遷移カーネルを特徴付ける。 簡単なスペクトルベースの行列推定手法は,行列の特異部分空間を効率よく復元し,ほぼ最小の入力誤差を示すことを示す。
  論文  参考訳（メタデータ） (2023-10-10T17:06:41Z)
• Learning the Positions in CountSketch [49.57951567374372]
  本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。 本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-11T07:28:35Z)
• Feasibility Analysis of Grover-meets-Simon Algorithm [4.826899218632946]
  古典的量子アルゴリズムの再結合は、量子アルゴリズムを構築するための現在のアイデアの1つである。 本稿では、遅延測定の原理の観点から、既存の組合せアルゴリズムであるGrover-meets-Simonアルゴリズムを再解析する。 その結果,Grover-meets-Simonアルゴリズムは効果的な攻撃アルゴリズムではないことがわかった。
  論文  参考訳（メタデータ） (2023-01-17T05:13:36Z)
• Classical and Quantum Iterative Optimization Algorithms Based on Matrix Legendre-Bregman Projections [1.5736899098702972]
  エルミート行列空間上で定義されたルジャンドル・ブレーグマン射影について考察し,それに基づいて反復最適化アルゴリズムを設計する。 本稿では,ブレグマン射影アルゴリズムと近似的ブラグマン射影アルゴリズムについて検討する。 特に、近似反復アルゴリズムは、最大エントロピー推論のための一般化反復スケーリング(GIS)アルゴリズムの非可換バージョンをもたらす。
  論文  参考訳（メタデータ） (2022-09-28T15:59:08Z)
• 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)
• Black-Box Quantum State Preparation with Inverse Coefficients [17.63187488168065]
  ブラックボックス量子状態の準備は、多くの高レベル量子アルゴリズムの基本的な構成要素である。 不等式試験に基づく逆係数を用いたブラックボックス状態生成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） (2021-12-11T09:22:25Z)
• Quantum algorithm for stochastic optimal stopping problems with applications in finance [60.54699116238087]
  有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。 プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
  論文  参考訳（メタデータ） (2021-11-30T12:21:41Z)
• Algorithmic Primitives for Quantum-Assisted Quantum Control [1.52292571922932]
  重なり合いと遷移行列時系列を評価するための2つの原始的アルゴリズムについて論じる。 NISQデバイスで実装可能な様々な量子支援量子制御アルゴリズムを構築するために使用される。
  論文  参考訳（メタデータ） (2020-11-27T15:20:29Z)
• 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)

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。