論文の概要: Structured search algorithm: A quantum leap

• arxiv url: http://arxiv.org/abs/2504.03426v2
• Date: Thu, 15 May 2025 07:15:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 16:12:33.36131
• Title: Structured search algorithm: A quantum leap
• Title（参考訳）: 構造化探索アルゴリズム:量子跳躍
• Authors: Yash Prabhat, Snigdha Thakur, Ankur Raina,
• Abstract要約: 本稿では、絡み合いマップと固定点法を利用して、非分類データセットにおけるオラクルクエリの複雑さを最小化する構造化量子探索アルゴリズムを提案する。 IBM Kyivハードウェアの実験結果は、最大5TBの非分類データを持つデータセットでの検索が成功したことを実証している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a structured quantum search algorithm that leverages entanglement maps and a fixed-point method to minimize oracle query complexity in unsorted datasets. By partitioning qubits into rows based on their entanglement order, the algorithm enables parallel subspace searches, achieving solution identification with at most two oracle calls per row. Experimental results on IBM Kyiv hardware demonstrate successful searches in datasets with up to 5 TB of unsorted data. Our findings indicate that with optimal encoding, the quantum search complexity becomes $\mathcal{O}(1)$, that is, independent of the dataset size $N$, surpassing both classical $\mathcal{O}(N)$ and Grover's $\mathcal{O}(\sqrt{N})$ scaling. Furthermore, the letter hypothesizes a scalable simulation of the said algorithm using classical means.
• Abstract（参考訳）: 本稿では、絡み合いマップと固定点法を利用して、非分類データセットにおけるオラクルクエリの複雑さを最小化する構造化量子探索アルゴリズムを提案する。 量子ビットをエンタングルメント順序に基づいて行に分割することにより、並列部分空間探索を可能にし、1行あたりの少なくとも2つのオラクル呼び出しで解の識別を実現する。 IBM Kyivハードウェアの実験結果は、最大5TBの非分類データを持つデータセットでの検索が成功したことを実証している。 最適符号化では,量子検索の複雑性は$\mathcal{O}(1)$,すなわちデータセットのサイズに依存して$N$となり,古典的な$\mathcal{O}(N)$とGroverの$\mathcal{O}(\sqrt{N})$のスケーリングに勝ることがわかった。 さらに、この文字は古典的な手段を用いて、そのアルゴリズムのスケーラブルなシミュレーションを仮定する。

関連論文リスト

• The optimization of exact multi-target quantum search algorithm based on MindSpore [3.633444773654794]
  修正Groverのアルゴリズムに基づいて,最適化されたマルチターゲット探索アルゴリズムを提案する。 提案したアルゴリズムは、量子ゲート数を少なくとも21.1%減らし、量子回路の深さを少なくとも11.4%減らすことができる。
  論文  参考訳（メタデータ） (2024-12-24T09:39:59Z)
• Generalized quantum Arimoto-Blahut algorithm and its application to quantum information bottleneck [55.22418739014892]
  量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。 3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。 数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-19T00:06:11Z)
• Hybrid classical-quantum text search based on hashing [0.0]
  非順序データベースにおける古典的な検索クエリの複雑さは、テキストの長さと与えられた値の長さにおいて線形であることが知られている。 本稿ではGroverの検索を実装した古典量子ハイブリッドアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-02T13:16:07Z)
• Manifold Learning for Dimensionality Reduction: Quantum Isomap algorithm [15.622577797491788]
  イソマプアルゴリズムは、ニューロイメージング、スペクトル分析、その他の分野で広く用いられている。 本稿では,2つのサブアルゴリズムからなる量子イソマプアルゴリズムを提案する。 量子イソマップアルゴリズムの時間複雑性は$O(dNpolylogN)$である。
  論文  参考訳（メタデータ） (2022-12-07T12:29:41Z)
• Searching and Sorting Algorithms for Quantum Annealing Computers [0.0]
  ソート安定性を考慮したデータセットのソートアルゴリズムを提供する。 アルゴリズムのスケーラビリティは問題の大きさの関数として特徴づけられる。
  論文  参考訳（メタデータ） (2022-04-28T00:18:57Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• Quantum Algorithms for String Processing [58.720142291102135]
  既存のものよりも指数的に少ない量子メモリを使用する文字列マッチング問題に対する量子アルゴリズムを提案する。 同じアイデアを用いて、文字列比較問題に対して2つのアルゴリズムを提供する。 第2のアルゴリズムは、既存のアルゴリズムよりも指数関数的に高速に動作する。
  論文  参考訳（メタデータ） (2020-12-01T09:59:06Z)
• Quantum Search with Prior Knowledge [15.384459603233978]
  本稿では,Grover の探索アルゴリズムの新たな一般化を提案する。 提案アルゴリズムは,クエリ数が固定された場合の解を見つけるための最適成功確率を実現する。
  論文  参考訳（メタデータ） (2020-09-18T09:50:33Z)
• Fast Search on Binary Codes by Weighted Hamming Distance [38.50174794945964]
  ハンミング距離を重み付けして最寄りの2進符号を$K$で探索する高速探索アルゴリズムが提案されている。 提案した探索アルゴリズムに基づく高速探索フレームワークは,長いバイナリ符号の問題を解くために設計されている。
  論文  参考訳（メタデータ） (2020-09-18T02:24:44Z)
• A Systematic Characterization of Sampling Algorithms for Open-ended Language Generation [71.31905141672529]
  本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。 エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。 これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2020-09-15T17:28:42Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)

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。