Fugu-MT 論文翻訳(概要): A resource-efficient quantum-walker Quantum RAM

論文の概要: A resource-efficient quantum-walker Quantum RAM

arxiv url: http://arxiv.org/abs/2508.02855v1
Date: Mon, 04 Aug 2025 19:29:49 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-06 18:18:55.660602
Title: A resource-efficient quantum-walker Quantum RAM
Title（参考訳）: 資源効率のよい量子ウォーカー量子RAM
Authors: Giuseppe De Riso, Giuseppe Catalano, Seth Lloyd, Vittorio Giovannetti, Dario De Santis,
Abstract要約: 我々は、量子クエリの最適な複雑さのスケーリングを保ちながら、リソース要求を大幅に削減する新しいアーキテクチャを導入する。従来の提案と異なり,アルゴリズム設計では,局所的なユニタリ演算のみに基づく,単純かつ反復的な操作ブロックを利用する。この新しいアプローチは、必要な操作の複雑さを減らし、実験的な要件を単純化するだけでなく、アーキテクチャのスケーラビリティも強化する。
参考スコア（独自算出の注目度）: 3.728263002609659
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Efficient and coherent data retrieval and storage are essential for harnessing quantum algorithms' speedup. Such a fundamental task is addressed by a quantum Random Access Memory (qRAM). Despite their promising scaling properties, current qRAM proposals demand excessive resources and rely on operations beyond the capabilities of current hardware requirements, rendering their practical realization inefficient. We introduce a novel architecture that significantly reduces resource requirements while preserving optimal complexity scaling for quantum queries. Moreover, unlike previous proposals, our algorithm design leverages a simple, repeated operational block based exclusively on local unitary operations and short-range interactions between a limited number of quantum walkers traveling over a single binary tree. This novel approach not only simplifies experimental requirements by reducing the complexity of necessary operations but also enhances the architecture's scalability by ensuring a resource-efficient, modular design that maintains optimal quantum query performance.
Abstract（参考訳）: 量子アルゴリズムのスピードアップを利用するには、効率的でコヒーレントなデータ検索とストレージが不可欠である。このような基本的なタスクは量子ランダムアクセスメモリ(qRAM)によって処理される。有望なスケーリング特性にもかかわらず、現在のqRAM提案は過剰なリソースを必要とし、現在のハードウェア要件の能力を超えた操作に依存しており、実際の実現は非効率である。我々は、量子クエリの最適な複雑さのスケーリングを保ちながら、リソース要求を大幅に削減する新しいアーキテクチャを導入する。さらに, 従来の提案と異なり, アルゴリズム設計では, 局所的なユニタリ演算と, 単一二分木を走行する限られた数の量子ウォーカー間の短距離相互作用のみに基づく, 単純かつ反復的な操作ブロックを利用する。この新しいアプローチは、必要な操作の複雑さを減らし、実験的な要求を単純化するだけでなく、最適な量子クエリ性能を維持するリソース効率の高いモジュール設計を確実にすることで、アーキテクチャのスケーラビリティを向上させる。

関連論文リスト

Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis [0.0]
量子回路の効率的な合成のための強化学習フレームワークが導入された。このフレームワークは、ターゲット状態に向かってエージェントを誘導する静的なドメインインフォームド報酬と、カスタマイズ可能な動的ペナルティを組み合わせたものだ。最大7キュービットのグラフ状態準備タスクのベンチマークを行い、アルゴリズムが最小深度回路を常に発見できることを実証した。
論文参考訳（メタデータ） (2025-07-22T14:39:20Z)
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)
An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文参考訳（メタデータ） (2025-04-13T11:49:53Z)
Fast and Error-Correctable Quantum RAM [0.2184775414778289]
量子デバイスは、従来のコンピュータと根本的に異なる方法でデータを処理できる。多くのアルゴリズムは量子ランダムアクセスメモリ(QRAM)の助けを必要とする。
論文参考訳（メタデータ） (2025-03-24T21:51:49Z)
Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
論文参考訳（メタデータ） (2024-06-17T12:09:11Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
論文参考訳（メタデータ） (2023-07-25T00:38:46Z)
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)
Scalable algorithm simplification using quantum AND logic [18.750481652943005]
我々は、コストを削減し、キー量子回路の実行を可能にする AND 論理の量子バージョンを実装している。高温超伝導量子プロセッサにおいて,最大8キュービットの高密度一般化トフォリゲートとGroverの探索アルゴリズムを64エントリの探索空間で低深度合成する。
論文参考訳（メタデータ） (2021-12-30T04:25:39Z)
Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文参考訳（メタデータ） (2021-06-24T20:16:02Z)
Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文参考訳（メタデータ） (2020-09-15T18:17:27Z)
SQUARE: Strategic Quantum Ancilla Reuse for Modular Quantum Programs via Cost-Effective Uncomputation [7.92565122267857]
本稿では,量子プログラムにおけるスクラッチキュービット(アンシラ)の割り当てと再利用に取り組むコンパイル基盤を提案する。中心となるSQUAREは、量子ビット再利用の機会を生み出すために、戦略的に非計算を行う。 SQUARE は NISQ アプリケーションの平均成功率を 1.47 倍改善することを示した。
論文参考訳（メタデータ） (2020-04-18T06:34:37Z)

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。