論文の概要: Fast and memory efficient strong simulation of noisy adaptive linear optical circuits
- arxiv url: http://arxiv.org/abs/2503.05699v1
- Date: Fri, 07 Mar 2025 18:59:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-10 19:13:15.121783
- Title: Fast and memory efficient strong simulation of noisy adaptive linear optical circuits
- Title（参考訳）: 雑音適応型線形光回路の高速・メモリ効率強いシミュレーション
- Authors: Timothée Goubault de Brugière, Nicolas Heurtel,
- Abstract要約: 本稿では,出力振幅を多変量部分微分としてモデル化するアルゴリズムを提案する。
メモリに関しては、根から葉までの1つの経路を保存すればすべての振幅を繰り返すのに十分であり、アートメソッドの最速状態に対して$binomn+m-1n$とは対照的に、わずか2n$の要素しか必要としない。
このアプローチは、ノイズとフィードフォワードの両方のシナリオを無視可能なコストで拡張しながら、時間メモリのトレードオフを効果的にバランスさせる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exactly computing the full output distribution of linear optical circuits remains a challenge, as existing methods are either time-efficient but memory-intensive or memory-efficient but slow. Moreover, any realistic simulation must account for noise, and any viable quantum computing scheme based on linear optics requires feedforward. In this paper, we propose an algorithm that models the output amplitudes as partial derivatives of a multivariate polynomial. The algorithm explores the lattice of all intermediate partial derivatives, where each derivative is used to compute more efficiently ones with higher degree. In terms of memory, storing one path from the root to the leaves is sufficient to iterate over all amplitudes and requires only $2^n$ elements, as opposed to $\binom{n+m-1}{n}$ for the fastest state of the art method. This approach effectively balances the time-memory trade-off while extending to both noisy and feedforward scenarios with negligible cost. To the best of our knowledge, this is the first approach in the literature to meet all these requirements. We demonstrate how this method enables the simulation of systems that were previously out of reach, while providing a concrete implementation and complexity analysis.
- Abstract（参考訳）: 線形光学回路の完全な出力分布を正確に計算することは、既存の手法は時間効率だがメモリ効率は高いが、遅いため、依然として困難である。
さらに、現実的なシミュレーションはノイズを考慮しなければなりませんし、線形光学に基づく実行可能な量子コンピューティングスキームはフィードフォワードを必要とします。
本稿では,出力振幅を多変量多項式の部分微分としてモデル化するアルゴリズムを提案する。
このアルゴリズムはすべての中間偏微分の格子を探索し、各微分はより効率的により高次に計算する。
メモリに関しては、根から葉までの1つの経路を保存すればすべての振幅を繰り返すのに十分であり、最も高速な最先端のメソッドでは$\binom{n+m-1}{n}$とは対照的に、2^n$要素しか必要としない。
このアプローチは、ノイズとフィードフォワードの両方のシナリオを無視可能なコストで拡張しながら、時間メモリのトレードオフを効果的にバランスさせる。
私たちの知る限りでは、これらの要件をすべて満たした文献における最初のアプローチである。
提案手法は,実装と複雑性解析を具体化しながら,これまで到達できなかったシステムのシミュレーションを実現する方法を示す。
関連論文リスト
- Augmenting Simulated Noisy Quantum Data Collection by Orders of Magnitude Using Pre-Trajectory Sampling with Batched Execution [47.60253809426628]
提案手法は,誤差型を調整して軌道シミュレーションの効率化と有効性を高めることを目的としている。
私たちはそれぞれ100兆枚と100万枚という膨大なデータセットを生成します。
論文 参考訳（メタデータ） (2025-04-22T22:36:18Z) - Optimizing LLM Inference: Fluid-Guided Online Scheduling with Memory Constraints [14.341123057506827]
大規模言語モデル(LLM)は、今日のアプリケーションでは必須であるが、推論手順は重要な計算資源を必要とする。
本稿では,多段階オンラインスケジューリング問題としてLLM推論最適化を定式化する。
我々は,アルゴリズム設計をガイドするトラクタブルなベンチマークを提供するために,流体力学近似を開発した。
論文 参考訳（メタデータ） (2025-04-15T16:00:21Z) - Sublinear scaling in non-Markovian open quantum systems simulations [0.0]
プロセステンソルを計算する数値的精度のアルゴリズムを導入する。
我々のアプローチでは、無限メモリを持つ環境に対して$mathcalO(nlog n)$の特異値分解しか必要としない。
論文 参考訳（メタデータ） (2023-04-11T15:40:33Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Strong Simulation of Linear Optical Processes [2.3131309703965135]
我々のアルゴリズムは、$m$モード干渉計の入力で$n$光子を与えられた場合、可能な全ての出力状態の確率を計算する。
これは指数係数によって永久的手法より優れる。
論文 参考訳（メタデータ） (2022-06-21T17:27:17Z) - Towards Sample-Optimal Compressive Phase Retrieval with Sparse and
Generative Priors [59.33977545294148]
O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。
この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
論文 参考訳（メタデータ） (2021-06-29T12:49:54Z) - Algorithmic Solution for Systems of Linear Equations, in
$\mathcal{O}(mn)$ time [0.0]
方程式の線形系の探索解を超高速に求める新しいアルゴリズムを提案する。
実行時間は最先端のメソッドと比較して非常に短い。
この論文はアルゴリズム収束の理論的証明も含んでいる。
論文 参考訳（メタデータ） (2021-04-26T13:40:31Z) - Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth
Nonlinear TD Learning [145.54544979467872]
本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。
本研究の結果は, 同時一次および二重側収束の形で表される。
論文 参考訳（メタデータ） (2020-08-23T20:36:49Z) - Simulating Noisy Quantum Circuits with Matrix Product Density Operators [13.151348595345604]
本稿では, 行列積状態(MPS)に基づく手法が, 検討した雑音モデルに対して, ノイズ出力量子状態の近似に失敗することを示す。
内部および結合次元の両方に対して最適トランケーションを有するより効率的なテンソル更新スキームを提案する。
論文 参考訳（メタデータ） (2020-04-06T03:26:59Z) - Accelerating Feedforward Computation via Parallel Nonlinear Equation
Solving [106.63673243937492]
ニューラルネットワークの評価や自己回帰モデルからのサンプリングなどのフィードフォワード計算は、機械学習においてユビキタスである。
本稿では,非線形方程式の解法としてフィードフォワード計算の課題を定式化し,ジャコビ・ガウス・シーデル固定点法とハイブリッド法を用いて解を求める。
提案手法は, 並列化可能な繰り返し回数の削減(あるいは等値化)により, 元のフィードフォワード計算と全く同じ値が与えられることを保証し, 十分な並列化計算能力を付与する。
論文 参考訳（メタデータ） (2020-02-10T10:11:31Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳（メタデータ） (2019-12-31T19:00:00Z)
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。