論文の概要: Benchmarking ORCA PT-1 Boson Sampler in Simulation

• arxiv url: http://arxiv.org/abs/2505.23217v1
• Date: Thu, 29 May 2025 08:01:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.75451
• Title: Benchmarking ORCA PT-1 Boson Sampler in Simulation
• Title（参考訳）: シミュレーションにおけるORCA PT-1ボソンサンプリングのベンチマーク
• Authors: Jessica Park, Susan Stepney, Irene D'Amico,
• Abstract要約: ORCAコンピューティングは、ボソンサンプリングの原理を使って多くの計算問題を解く、タイムビン干渉計(TBI)を開発した。 シミュレータのスケーリングが従来の方法よりも悪いことを示すが,出力が計算されるよりも物理装置に委ねられる可能性は低い。
• 参考スコア（独自算出の注目度）: 0.19116784879310028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Boson Sampling, a non-universal computing paradigm, has resulted in impressive claims of quantum supremacy. ORCA Computing have developed a time-bin interferometer (TBI) that claims to use the principles of boson sampling to solve a number of computational problems including optimisation and generative adversarial networks. We solve a dominating set problem with a surveillance use case on the ORCA TBI simulator to benchmark the use of these devices against classical algorithms. Simulation has been used to consider the optimal performance of the computing paradigm without having to factor in noise, errors and scaling limitations. We show that the ORCA TBI is capable of solving moderately sized (n<250) dominating set problems with comparable success to linear programming and greedy methods. Wall clock timing shows that the simulator has worse scaling than the classical methods, but this is unlikely to carry over to the physical device where the outputs are measured rather than calculated.
• Abstract（参考訳）: 非ユニバーサルコンピューティングパラダイムであるBoson Samplingは、量子超越性(quantum supremacy)という印象的な主張を導いた。 ORCAコンピューティングは時間ビン干渉計(TBI)を開発し、ボソンサンプリングの原理を用いて、最適化や生成的敵ネットワークを含む多くの計算問題を解くと主張している。 我々は,ORCA TBIシミュレータの監視利用事例を用いて,これらのデバイスの使用を古典的アルゴリズムに対してベンチマークするために,支配的設定問題を解決する。 シミュレーションは、ノイズ、エラー、スケーリングの制限を考慮せずに、計算パラダイムの最適性能を検討するために使われてきた。 ORCA TBIは,線形プログラミングや欲求的手法に匹敵する成功を収めた,中程度のサイズの (n<250) 支配的問題を解くことができることを示す。 ウォールクロックのタイミングは、シミュレータのスケーリングが従来の方法よりも悪いことを示しているが、これは計算されるよりも出力が測定される物理デバイスに受け継がれる可能性は低い。

関連論文リスト

• Comparing performance of variational quantum algorithm simulations on HPC systems [0.545520830707066]
  変分量子アルゴリズムは、現在のノイズ中間量子(NISQ)デバイスに適用可能であるため、特に重要である。 これらのアルゴリズムの主構成ブロック(そのほか、ハミルトニアンとアンザッツの定義)は相対的に大きなパラメータ空間を定義する。 我々は、ハミルトニアンとアンザッツの両方の観点から、問題の一般的な記述を用いて、異なるシミュレータ間で一貫して問題定義を移植する。
  論文  参考訳（メタデータ） (2025-07-23T15:46:54Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Fast MLE and MAPE-Based Device Activity Detection for Grant-Free Access via PSCA and PSCA-Net [13.076905065264091]
  高速で正確なデバイスアクティビティは、大規模なマシンタイプの通信をサポートするための許可なしアクセスにおける重要な課題である。 本稿では,MLEに基づくデバイスアクティビティ検出手法を提案する。 本稿では,計算時間を削減するために,PSCA-Netと呼ばれるディープアンローリングニューラルネットワークの実装を提案する。
  論文  参考訳（メタデータ） (2025-03-19T14:31:09Z)
• 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)
• Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
  データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。 科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。 本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• Active Sequential Posterior Estimation for Sample-Efficient Simulation-Based Inference [12.019504660711231]
  逐次的神経後部推定(ASNPE)を導入する。 ASNPEは、シミュレーションパラメータ候補の効用を基礎となる確率モデルに推定するために、推論ループにアクティブな学習スキームをもたらす。 提案手法は,大規模実世界の交通ネットワークにおいて,高度に調整されたベンチマークと最先端の後方推定手法より優れる。
  論文  参考訳（メタデータ） (2024-12-07T08:57:26Z)
• Introducing UNIQuE: The Unconventional Noiseless Intermediate Quantum Emulator [0.0]
  最初のオープンソース量子コンピューティングエミュレータを実装した。 これには算術演算、量子フーリエ変換、量子位相推定が含まれる。 シミュレーションと比較して時間的・空間的な資源の節約に大きく貢献する。
  論文  参考訳（メタデータ） (2024-09-11T04:24:51Z)
• Provably Efficient Information-Directed Sampling Algorithms for Multi-Agent Reinforcement Learning [50.92957910121088]
  本研究は,情報指向サンプリング(IDS)の原理に基づくマルチエージェント強化学習(MARL)のための新しいアルゴリズムの設計と解析を行う。 エピソディックな2プレーヤゼロサムMGに対して、ナッシュ平衡を学習するための3つのサンプル効率アルゴリズムを提案する。 我々は、Reg-MAIDSをマルチプレイヤー汎用MGに拡張し、ナッシュ平衡または粗相関平衡をサンプル効率良く学習できることを証明する。
  論文  参考訳（メタデータ） (2024-04-30T06:48:56Z)
• Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
  我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。 特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
  論文  参考訳（メタデータ） (2023-12-19T13:17:43Z)
• Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
  本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。 システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
  論文  参考訳（メタデータ） (2023-10-07T15:07:10Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)

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。