論文の概要: tūQ: a design and modelling tool for cluster-state algorithms

• arxiv url: http://arxiv.org/abs/2502.18991v1
• Date: Wed, 26 Feb 2025 09:54:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:57:16.892855
• Title: tūQ: a design and modelling tool for cluster-state algorithms
• Title（参考訳）: tūQ:クラスタ状態アルゴリズムの設計とモデリングツール
• Authors: Greg Bowen, Simon Devitt,
• Abstract要約: t=uQツールチェーンは、クラスタステートコンピューティングの研究を進めるために設計された。 t=uQ の2つのモードは Modeller と Simulator である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper is a general introduction to the t\={u}Q toolchain (https://github.com/QSI-BAQS/tuQ) and a discussion of its two main workflows, 'reduce and optimise' and 'draft and compile'. The t\={u}Q toolchain was designed to advance research in cluster-state computing and the workflows are presented as suggestions for how a researcher might use the tool. The two modes of t\={u}Q are Modeller and Simulator. Simulator mode has a tile-based syntax for drafting cluster-state algorithms. Modeller enables the user to reduce a lattice through preset measurement functions and optimise an algorithm by minimising the count of qubits or the count of controlled-Z ('CZ') interactions. In addition, t\={u}Q makes it possible to compile an algorithm to OpenQASM 3.0.
• Abstract（参考訳）: 本稿では、t\={u}Qツールチェーン(https://github.com/QSI-BAQS/tuQ)の一般的な紹介と、2つの主要なワークフローである'reduce and optimise'と'draft and compile'の議論を紹介する。 t\={u}Qツールチェーンは、クラスタ状態コンピューティングの研究を進めるために設計され、そのワークフローは、研究者がこのツールをどのように使うかの提案として提示される。 t\={u}Q の2つのモードは Modeller と Simulator である。 Simulatorモードには、クラスタステートアルゴリズムのドラフトのためのタイルベースの構文がある。 Modellerは、プリセットされた測定関数を通じて格子を縮小し、キュービット数や制御Z(CZ)相互作用の数を最小化してアルゴリズムを最適化する。 さらに t\={u}Q は、アルゴリズムを OpenQASM 3.0 にコンパイルすることを可能にする。

関連論文リスト

• Do NOT Think That Much for 2+3=? On the Overthinking of o1-Like LLMs [76.43407125275202]
  o1のようなモデルは、推論中に人間のような長時間の思考をエミュレートすることができる。 本論文は,これらのモデルにおける過度な考察の課題に関する,最初の包括的研究である。 精度を損なうことなく、過剰思考を緩和し、推論プロセスを合理化するための戦略を提案する。
  論文  参考訳（メタデータ） (2024-12-30T18:55:12Z)
• Log-Time K-Means Clustering for 1D Data: Novel Approaches with Proof and Implementation [0.0]
  この論文は、1D$k$-meansクラスタリングの理論と実践を橋渡しし、効率的で健全なアルゴリズムを提供する。 ベンチマークでは、大規模なデータセットのScikit-learnと比較して、4500倍のスピードアップが示されている。
  論文  参考訳（メタデータ） (2024-12-19T09:03:39Z)
• An Oblivious Stochastic Composite Optimization Algorithm for Eigenvalue Optimization Problems [76.2042837251496]
  相補的な合成条件に基づく2つの難解なミラー降下アルゴリズムを導入する。 注目すべきは、どちらのアルゴリズムも、目的関数のリプシッツ定数や滑らかさに関する事前の知識なしで機能する。 本稿では,大規模半確定プログラム上での手法の効率性とロバスト性を示す。
  論文  参考訳（メタデータ） (2023-06-30T08:34:29Z)
• A One-Sample Decentralized Proximal Algorithm for Non-Convex Stochastic Composite Optimization [10.762749887051546]
  本稿では,Proxcal$DASA-GTとProxcal$DASA-Aの2時間スケールアルゴリズムを提案する。 以前の作業とは異なり、我々のアルゴリズムは、大きなバッチサイズ、より複雑な単位演算、より強い仮定を必要とせずに、同等の複雑さを達成する。
  論文  参考訳（メタデータ） (2023-02-20T05:16:18Z)
• Multi-block-Single-probe Variance Reduced Estimator for Coupled Compositional Optimization [49.58290066287418]
  構成問題の複雑さを軽減するために,MSVR (Multi-block-probe Variance Reduced) という新しい手法を提案する。 本研究の結果は, 試料の複雑さの順序や強靭性への依存など, 様々な面で先行して改善された。
  論文  参考訳（メタデータ） (2022-07-18T12:03:26Z)
• Sublinear Algorithms for Hierarchical Clustering [14.124026862687941]
  本稿では,3つの線形計算モデルに基づく大規模グラフの階層クラスタリングについて検討する。 すべてのモデルにおいて階層クラスタリングのためのサブ線形アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-06-15T16:25:27Z)
• Kernel Packet: An Exact and Scalable Algorithm for Gaussian Process Regression with Mat\'ern Correlations [23.560067934682294]
  マタン相関を用いた1次元ガウス過程回帰のための正確でスケーラブルなアルゴリズムを開発した。 提案アルゴリズムは,計算時間と予測精度の両方において,既存の代替手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2022-03-07T03:30:35Z)
• Minimax Optimal Quantization of Linear Models: Information-Theoretic Limits and Efficient Algorithms [59.724977092582535]
  測定から学習した線形モデルの定量化の問題を考える。 この設定の下では、ミニマックスリスクに対する情報理論の下限を導出する。 本稿では,2層ReLUニューラルネットワークに対して,提案手法と上界を拡張可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-23T02:39:04Z)
• Practical, Provably-Correct Interactive Learning in the Realizable Setting: The Power of True Believers [12.09273192079783]
  我々は、対話型学習を実現可能な設定で検討し、最適な腕の識別からアクティブな分類に至るまでの問題に対処する一般的な枠組みを開発する。 我々は,最小限の値と対数係数とを一致させる,計算効率のよい新しいアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2021-11-09T02:33:36Z)
• Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
  我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。 このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。 分類モデルと非分類モデルの両方に使用できる。
  論文  参考訳（メタデータ） (2020-09-16T18:57:57Z)
• Computationally efficient sparse clustering [67.95910835079825]
  我々はPCAに基づく新しいクラスタリングアルゴリズムの有限サンプル解析を行う。 ここでは,ミニマックス最適誤クラスタ化率を,体制$|theta infty$で達成することを示す。
  論文  参考訳（メタデータ） (2020-05-21T17:51:30Z)

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。