論文の概要: Quantum Markov Chain Monte Carlo for Cosmological Functions

• arxiv url: http://arxiv.org/abs/2509.09395v1
• Date: Thu, 11 Sep 2025 12:23:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.377636
• Title: Quantum Markov Chain Monte Carlo for Cosmological Functions
• Title（参考訳）: 宇宙機能のための量子マルコフ連鎖モンテカルロ
• Authors: Giuseppe Sarracino, Vincenzo Fabrizio Cardone, Roberto Scaramella, Giuseppe Riccio, Andrea Bulgarelli, Carlo Burigana, Luca Cappelli, Stefano Cavuoti, Farida Farsian, Irene Graziotti, Massimo Meneghetti, Giuseppe Murante, Nicolò Parmiggiani, Alessandro Rizzo, Francesco Schillirò, Vincenzo Testa, Tiziana Trombetti,
• Abstract要約: マルコフ連鎖モンテカルロ法における量子コンピューティングの実装について述べる。 このアルゴリズムは、量子回路を介してパラメータ空間の新しいステップを提案する。 提案法は, 古典的メトロポリス・ハスティングス受理法により受理又は拒絶される。
• 参考スコア（独自算出の注目度）: 27.301072183603207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an implementation of Quantum Computing for a Markov Chain Monte Carlo method with an application to cosmological functions, to derive posterior distributions from cosmological probes. The algorithm proposes new steps in the parameter space via a quantum circuit whose resulting statevector provides the components of the shift vector. The proposed point is accepted or rejected via the classical Metropolis-Hastings acceptance method. The advantage of this hybrid quantum approach is that the step size and direction change in a way independent of the evolution of the chain, thus ideally avoiding the presence of local minima. The results are consistent with analyses performed with classical methods, both for a test function and real cosmological data. The final goal is to generalize this algorithm to test its application to complex cosmological computations.
• Abstract（参考訳）: 本稿では,マルコフ連鎖モンテカルロ法に対する量子計算の実装と,宇宙論的なプローブから後部分布を導出する宇宙関数への応用について述べる。 このアルゴリズムは、状態ベクトルがシフトベクトルの成分を提供する量子回路を介して、パラメータ空間における新しいステップを提案する。 提案法は, 古典的メトロポリス・ハスティングス受理法により受理又は拒絶される。 このハイブリッド量子アプローチの利点は、ステップサイズと方向が鎖の進化とは独立に変化し、したがって局所ミニマの存在を理想的に避けることである。 結果は、テスト関数と実際の宇宙データの両方に対して、古典的な手法で実行される分析と一致している。 最後の目標は、このアルゴリズムを一般化して、複雑な宇宙計算への応用をテストすることである。

関連論文リスト

• Quantum Natural Stochastic Pairwise Coordinate Descent [13.986982036653632]
  勾配に基づく方法で最適化された変分量子アルゴリズムは、しばしば準最適収束性能を示す。 量子自然勾配降下(QNGD)は、量子情報計量によって状態空間の幾何学を組み込むより効率的な方法である。 我々は、新しい量子情報計量を定式化し、この計量の偏りのない推定器を単発測定を用いて構築する。
  論文  参考訳（メタデータ） (2024-07-18T18:57:29Z)
• Wasserstein Quantum Monte Carlo: A Novel Approach for Solving the Quantum Many-Body Schr\"odinger Equation [56.9919517199927]
  ワーッセルシュタイン量子モンテカルロ (WQMC) はフィッシャー・ラオ計量ではなくワーッセルシュタイン計量によって誘導される勾配流を用いており、テレポートではなく確率質量の輸送に対応する。 我々は、WQMCの力学が分子系の基底状態へのより高速な収束をもたらすことを実証的に実証した。
  論文  参考訳（メタデータ） (2023-07-06T17:54:08Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Implementation and Learning of Quantum Hidden Markov Models [0.0]
  量子チャネルの理論とオープン量子システムを用いて、量子隠れマルコフモデル(QHMM)として知られるジェネレータのクラスの効率的なユニタリ特性を提供する。 我々は、QHMMが、等価な古典的隠れマルコフモデル(HMM)と比較して、プロセス言語のよりコンパクトで表現力豊かな定義であることを証明した。 本稿では,QHMMのための2つの実践的学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-07T17:25:02Z)
• Markov Chain Monte-Carlo Enhanced Variational Quantum Algorithms [0.0]
  本稿では,モンテカルロ法を用いて解析的境界を時間複雑度に設定する変動量子アルゴリズムを提案する。 提案手法の有効性と,MaxCutインスタンスの量子回路シミュレーションによる解析の有効性を実証する。
  論文  参考訳（メタデータ） (2021-12-03T23:03:44Z)
• Quantum algorithm for stochastic optimal stopping problems with applications in finance [60.54699116238087]
  有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。 プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
  論文  参考訳（メタデータ） (2021-11-30T12:21:41Z)
• Sampling, rates, and reaction currents through reverse stochastic quantization on quantum computers [0.0]
  量子コンピュータを用いて問題に対処する方法を示す。 局所最小値から逃れるハイブリッド量子古典サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2021-08-25T18:04:52Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Measuring Analytic Gradients of General Quantum Evolution with the Stochastic Parameter Shift Rule [0.0]
  本研究では,量子計測から直接最適化される関数の勾配を推定する問題について検討する。 マルチキュービットパラメトリック量子進化の勾配を推定するアルゴリズムを提供する数学的に正確な公式を導出する。 私たちのアルゴリズムは、利用可能な全ての量子ゲートがノイズである場合でも、いくつかの近似で機能し続けています。
  論文  参考訳（メタデータ） (2020-05-20T18:24:11Z)

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。