論文の概要: Quantum State Preparation Based on LimTDD
- arxiv url: http://arxiv.org/abs/2507.14496v1
- Date: Sat, 19 Jul 2025 06:00:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:31.913896
- Title: Quantum State Preparation Based on LimTDD
- Title(参考訳): LimTDDに基づく量子状態の準備
- Authors: Xin Hong, Chenjian Li, Aochu Dai, Sanjiang Li, Shenggang Ying, Mingsheng Ying,
- Abstract要約: 本稿では,局所可逆写像図(LimTDD)に基づく量子状態の準備手法を提案する。
LimTDDはテンソルネットワークと決定図の利点を組み合わせて、量子状態の効率的な表現を可能にしている。
- 参考スコア(独自算出の注目度): 5.328178128965817
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum state preparation is a fundamental task in quantum computing and quantum information processing. With the rapid advancement of quantum technologies, efficient quantum state preparation has become increasingly important. This paper proposes a novel approach for quantum state preparation based on the Local Invertible Map Tensor Decision Diagram (LimTDD). LimTDD combines the advantages of tensor networks and decision diagrams, enabling efficient representation and manipulation of quantum states. Compared with the state-of-the-art quantum state preparation method, LimTDD demonstrates substantial improvements in efficiency when dealing with complex quantum states, while also reducing the complexity of quantum circuits. Examples indicate that, in the best-case scenario, our method can achieve exponential efficiency gains over existing methods. This study not only highlights the potential of LimTDD in quantum state preparation but also provides a robust theoretical and practical foundation for the future development of quantum computing technologies.
- Abstract(参考訳): 量子状態の準備は、量子コンピューティングと量子情報処理の基本的なタスクである。
量子技術の急速な進歩により、効率的な量子状態の準備がますます重要になっている。
本稿では,LimTDD(Local Invertible Map Tensor Decision Diagram)に基づく量子状態生成手法を提案する。
LimTDDはテンソルネットワークと決定ダイアグラムの利点を組み合わせて、量子状態の効率的な表現と操作を可能にしている。
最先端の量子状態準備法と比較すると、LimTDDは複雑な量子状態を扱う際の効率を大幅に改善し、同時に量子回路の複雑さを低減している。
実例では,本手法が既存手法よりも指数関数効率の向上を達成できることが示唆されている。
この研究は、量子状態の準備におけるLimTDDの可能性を強調するだけでなく、量子コンピューティング技術の将来の発展のための堅牢な理論的かつ実践的な基盤を提供する。
関連論文リスト
- VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。
それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。
この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
論文 参考訳(メタデータ) (2025-06-12T01:38:15Z) - Quantum framework for Reinforcement Learning: Integrating Markov decision process, quantum arithmetic, and trajectory search [0.6062751776009752]
本稿では、強化学習(RL)タスクに対処する量子フレームワークを提案する。
量子概念と量子探索アルゴリズムを用いることで,エージェント-環境相互作用の実装と最適化を行う。
その結果、RLにおける量子エンハンスメントを達成するための量子モデルの能力を示す。
論文 参考訳(メタデータ) (2024-12-24T06:28:34Z) - Mixed-Dimensional Qudit State Preparation Using Edge-Weighted Decision Diagrams [3.393749500700096]
量子コンピュータは難解な問題を解く可能性がある。
このポテンシャルを利用するための重要な要素の1つは、多値系(qudit)のために量子状態を効率的に準備する能力である。
本稿では,混合次元系に着目した量子状態生成法について検討する。
論文 参考訳(メタデータ) (2024-06-05T18:00:01Z) - Computable and Faithful Lower Bound on Entanglement Cost [5.086696108576776]
我々は量子演算における絡み合いコストの計算可能で忠実な下限を開発する。
私たちの境界は半定値プログラミングによって効率的に計算できる。
提案手法は、ポイント・ツー・ポイントとバイパート・量子チャネルの両方の絡み合いコストの低い境界を導出するように拡張する。
論文 参考訳(メタデータ) (2023-11-17T17:07:26Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳(メタデータ) (2022-08-29T15:24:03Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳(メタデータ) (2021-06-29T14:01:40Z)
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。