Fugu-MT 論文翻訳(概要): Choosing Coordinate Forms for Solving ECDLP Using Shor's Algorithm

論文の概要: Choosing Coordinate Forms for Solving ECDLP Using Shor's Algorithm

arxiv url: http://arxiv.org/abs/2502.12441v1
Date: Tue, 18 Feb 2025 02:23:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-19 14:05:17.697425
Title: Choosing Coordinate Forms for Solving ECDLP Using Shor's Algorithm
Title（参考訳）: ShorのアルゴリズムによるCDLP解決のためのコーディネートフォームの選択
Authors: Yan Huang, Fangguo Zhang, Fei Gao, Zijian Zhou, Longjiang Qu,
Abstract要約: Shorのアルゴリズムは楕円曲線離散問題(ECDLP)を時間内に解く能力でよく知られている。本研究により, 射影座標はショア法を用いてCDLPに取り組む際に, アフィン座標と同等の利点を示さないことが明らかとなった。
参考スコア（独自算出の注目度）: 17.754109808607133
License:
Abstract: Shor's algorithm is well-known for its capability to address the elliptic curve discrete logarithm problem (ECDLP) in polynomial time. The enhancement of its quantum resources continues to be a crucial focus of research. Nevertheless, the application of projective coordinates for quantum resource optimization remains an unresolved issue, mainly because the representation of projective coordinates lacks uniqueness without employing modular division operations. Our study reveals that projective coordinates do not provide the same advantages as affine coordinates when utilizing Shor's method to tackle the ECDLP.
Abstract（参考訳）: Shorのアルゴリズムは楕円曲線離散対数問題(ECDLP)を多項式時間で解く能力でよく知られている。量子資源の強化は研究の重要な焦点であり続けている。それでも、射影座標の量子資源最適化への応用は未解決の問題であり、主に射影座標の表現はモジュラー分割演算を使わずに一意性に欠ける。本研究により, 射影座標はショア法を用いてCDLPに取り組む際に, アフィン座標と同等の利点を示さないことが明らかとなった。

関連論文リスト

Solving the Independent Domination Problem by Quantum Approximate Optimization Algorithm [0.5919433278490629]
独立支配問題(IDP)は、様々な現実のシナリオにおいて実践的な意味を持つ。 IDPの既存の古典的アルゴリズムは計算の複雑さに悩まされている。本稿では、IDPに対処するための量子近似最適化(QAOA)に基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-10-22T17:49:00Z)
Qudit-inspired optimization for graph coloring [0.0]
グラフ色問題(GCP)に対する量子インスピレーションアルゴリズムを提案する。我々は、グラフ内のノードを表現し、d次元球面座標でパラメータ化した各キューディットを積状態に使用する。我々は,2つの最適化戦略をベンチマークする: 傾き勾配降下, ランダム状態の立方体開始, コスト関数の最小化のために勾配勾配勾配を用いる。
論文参考訳（メタデータ） (2024-06-02T16:19:55Z)
Solving Elliptic Problems with Singular Sources using Singularity Splitting Deep Ritz Method [12.607017661312256]
可変係数と特異源を持つ二階楕円型方程式に対するニューラルネットワークに基づく効率的な解法を開発した。このクラスは、一般的な点源、線源、および点線源の組み合わせをカバーしている。
論文参考訳（メタデータ） (2022-09-07T04:55:44Z)
A Variance-Reduced Stochastic Gradient Tracking Algorithm for Decentralized Optimization with Orthogonality Constraints [7.028225540638832]
直交制約付き分散最適化のための新しいアルゴリズムを提案する。 VRSGTは、サンプリングと通信の複雑さを同時に低減する直交制約付き分散最適化のための最初のアルゴリズムである。数値実験では、VRGTSは現実の自律的なサンプルにおいて有望な性能を持つ。
論文参考訳（メタデータ） (2022-08-29T14:46:44Z)
Cogradient Descent for Dependable Learning [64.02052988844301]
双線形最適化問題に対処するために,CoGDアルゴリズムに基づく信頼度の高い学習法を提案する。 CoGDは、ある変数がスパーシティ制約を持つ場合の双線形問題を解くために導入された。また、特徴と重みの関連を分解するためにも使用できるため、畳み込みニューラルネットワーク(CNN)をより良く訓練するための我々の手法をさらに一般化することができる。
論文参考訳（メタデータ） (2021-06-20T04:28:20Z)
Parallel Stochastic Mirror Descent for MDPs [72.75921150912556]
無限水平マルコフ決定過程(MDP)における最適政策学習の問題を考える。リプシッツ連続関数を用いた凸プログラミング問題に対してミラー・ディクセントの変種が提案されている。このアルゴリズムを一般の場合において解析し,提案手法の動作中に誤差を蓄積しない収束率の推定値を得る。
論文参考訳（メタデータ） (2021-02-27T19:28:39Z)
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)
Cogradient Descent for Bilinear Optimization [124.45816011848096]
双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
論文参考訳（メタデータ） (2020-06-16T13:41:54Z)
IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文参考訳（メタデータ） (2020-06-11T18:49:06Z)
A Relational Gradient Descent Algorithm For Support Vector Machine Training [15.338931971492288]
我々は、データをリレーショナル形式にする場合に、SVM(Support Vector Machine)トレーニングのためのアルゴリズムのような勾配勾配を考える。まず、SVM の目的関数の勾配の定数近似が非巡回結合に対しても$#P$-hardであることを示すことによって、減算問題を克服できないことを示す。我々は、実際の勾配を用いて達成されたものと同等の速度で安定したインスタンスの収束を保証する疑似勾配'を計算する効率的なアルゴリズムを与える。
論文参考訳（メタデータ） (2020-05-11T17:50:36Z)
Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文参考訳（メタデータ） (2020-03-31T16:54:22Z)

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。