Fugu-MT 論文翻訳(概要): Pauli webs spun by transversal $|Y\rangle$ state initialisation

論文の概要: Pauli webs spun by transversal $|Y\rangle$ state initialisation

arxiv url: http://arxiv.org/abs/2502.00957v1
Date: Sun, 02 Feb 2025 23:29:32 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-05 14:58:43.743674
Title: Pauli webs spun by transversal $|Y\rangle$ state initialisation
Title（参考訳）: Pauli webs spun by transversal $|Y\rangle$ state initialization
Authors: Kwok Ho Wan, Zhenghao Zhong,
Abstract要約: 元々は、[arXiv:02286, arR:2302.07395, arXiv:2302.12]のYrangle状態が、[arXiv:2411391]の[arXiv:2411391]のフォールド-トランスバースゲートの実装に明示的に組み込まれていた。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Originally motivated by the (fold-)transversal related initialisation of logical surface code $|Y\rangle$ states from [arXiv:1603.02286, arXiv:2302.07395, arXiv:2302.12292], which was then explicitly extended to the fold-transversal $S$ gate implementation in [arXiv:2412.01391] for the rotated surface code, we employ ZX-calculus and Pauli web to understand the $|Y\rangle=S|+\rangle$ state transversal initialisation scheme.
Abstract（参考訳）: 元々は、[arXiv:1603.02286, arXiv:2302.07395, arXiv:2302.12292]からの論理曲面符号の(折りたたみ)変換に関する初期化を動機とし、[arXiv:2412.01391]の折りたたみ変換実装に明示的に拡張され、ZX-calculus と Pauli Web を用いて、$|Y\rangle=S|+\rangle$状態変換初期化スキームを理解する。

関連論文リスト

Pauli web of the $|Y\rangle$ state surface code injection [0.0]
ZX-calculus と Pauli web を使って、回転した曲面コードに対する$|Yrangle$状態注入を理解します。 ZX-calculus と Pauli web を使って、回転した曲面コードに対する$|Yrangle$状態注入を理解します。
論文参考訳（メタデータ） (2025-01-26T15:51:30Z)
Efficient Circuit-Based Quantum State Tomography via Sparse Entry Optimization [0.6008132390640295]
我々は、$n$量子ビット状態を$k$非ゼロエントリで再構成する効率的な回路ベースの量子状態トモグラフィー手法を提案する。我々は、$|psirangle$ における 0 でないエントリの位置に基づいて、CNOT ゲートの数に上限を与える。
論文参考訳（メタデータ） (2024-07-29T02:59:13Z)
Layered State Discovery for Incremental Autonomous Exploration [106.37656068276901]
Layered Autonomous Exploration (LAE) は、$tildemathcalO(LSrightarrow_LAln12(Srightarrow_LAln12(Srightarrow_LAln12(Srightarrow_LAln12(Srightar row_LAln12)Srightarrow_LAln12(Srightarrow_LAln12)Srightarrow_LAln12(Srightarrow_LAln12)のサンプル複雑性を達成するAXの新しいアルゴリズムである。
論文参考訳（メタデータ） (2023-02-07T22:58:12Z)
Horizon-Free Reinforcement Learning in Polynomial Time: the Power of Stationary Policies [88.75843804630772]
我々は既存の境界に対して,$Oleft(mathrmpoly(S,A,log K)sqrtKright)を後悔するアルゴリズムを設計する。この結果は、定常政策の近似力、安定性、および濃度特性を確立する新しい構造補題の列に依存している。
論文参考訳（メタデータ） (2022-03-24T08:14:12Z)
Minimal Expected Regret in Linear Quadratic Control [79.81807680370677]
オンライン学習アルゴリズムを考案し、その期待された後悔を保証します。当時のこの後悔は、$A$と$B$が未知の場合、$widetildeO((d_u+d_x)sqrtd_xT)$によって上界(i)となる。
論文参考訳（メタデータ） (2021-09-29T14:07:21Z)
An Algorithm for Reversible Logic Circuit Synthesis Based on Tensor Decomposition [0.0]
可逆論理合成のためのアルゴリズムを提案する。写像は階数 ($2n-2$) テンソルのテンソル積と 2 倍の恒等行列のテンソル積と書くことができる。
論文参考訳（メタデータ） (2021-07-09T08:18:53Z)
Improved Weak Simulation of Universal Quantum Circuits by Correlated $L_1$ Sampling [0.0]
弱シミュレーションはしばしば弱いシミュレーションと呼ばれ、量子的優位性をいつ求めるかを決定する方法である。最低の$L_$ノルムサンプリングコストの上限を$mathcal O(xit delta-2)$から$t$の次の順序に構築的に締め付ける。これは、我々の知識の最悪の場合において、この境界の有限t$への依存を下げた最初の弱いシミュレーションアルゴリズムである。
論文参考訳（メタデータ） (2021-04-15T05:50:11Z)
Nearly Horizon-Free Offline Reinforcement Learning [97.36751930393245]
S$状態、$A$アクション、計画的地平$H$で、エピソードな時間同質なMarkov決定プロセスに関するオフライン強化学習を再考する。経験的MDPを用いた評価と計画のための,約$H$自由なサンプル複雑性境界の最初の集合を得る。
論文参考訳（メタデータ） (2021-03-25T18:52:17Z)
Approximate Unitary 3-Designs from Transvection Markov Chains [3.0586855806896045]
我々は、Kerdockの2ドル設計とシンプレクティック・トランスベクションを混合したマルコフ・プロセスを構築し、このプロセスが$epsilon$-approximate Unitary $3$-designを生成することを示す。ハードウェアの観点から見れば、2ドル(約2,400円)の対流は、トラップイオン量子コンピュータのネイティブな2ドル(約2,400円)の演算を形成するモルマー・ソレンセンゲートに正確にマッピングされる。
論文参考訳（メタデータ） (2020-10-30T22:27:10Z)
An Optimal Separation of Randomized and Quantum Query Complexity [67.19751155411075]
すべての決定木に対して、与えられた順序 $ellsqrtbinomdell (1+log n)ell-1,$ sum to at least $cellsqrtbinomdell (1+log n)ell-1,$ where $n$ is the number of variables, $d$ is the tree depth, $c>0$ is a absolute constant。
論文参考訳（メタデータ） (2020-08-24T06:50:57Z)
$Q$-learning with Logarithmic Regret [60.24952657636464]
楽観的な$Q$は$mathcalOleft(fracSAcdot mathrmpolyleft(Hright)Delta_minlogleft(SATright)right)$ cumulative regret bound, where $S$ is the number of state, $A$ is the number of action, $H$ is the planning horizon, $T$ is the total number of steps, $Delta_min$ is the least sub-Optitimality gap。
論文参考訳（メタデータ） (2020-06-16T13:01:33Z)

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。