論文の概要: Efficient block-encodings require structure

• arxiv url: http://arxiv.org/abs/2509.19667v1
• Date: Wed, 24 Sep 2025 00:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-02 14:47:37.728437
• Title: Efficient block-encodings require structure
• Title（参考訳）: 効率的なブロックエンコーディングは構造を必要とする
• Authors: Parker Kuklinski, Benjamin Rempfer, Justin Elenewski, Kevin Obenland,
• Abstract要約: ブロックエンコーディングは、ユニタリ演算子内のデータを表現する方法として、量子コンピューティングにおいてユビキタスである。 小さい6ビットの符号化であっても、構造に依存しない手法は、非常に難易度の高いリソースを必要とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Block-encodings are ubiquitous in quantum computing as a way to represent data within a unitary operator. While several unstructured methods are applicable to arbitrary data, these techniques are burdened by hidden costs and poor accuracy. In this paper, we demonstrate that, even for a small 6-qubit encoding, these structure-agnostic techniques require wildly intractable resources. We compare these resources with an encoding method which respects a mathematical representation of the block, leading to the conclusion that unstructured encoding mehtods should only be used in the most extenuating circumstances. This finding runs contrary to existing literature on quantum algorithms which often employ structure-agnostic methods.
• Abstract（参考訳）: ブロックエンコーディングは、ユニタリ演算子内のデータを表現する方法として、量子コンピューティングにおいてユビキタスである。 いくつかの非構造的手法は任意のデータに適用できるが、これらの手法は隠れたコストと低い精度で負担される。 本稿では、小さな6ビット符号化であっても、これらの構造に依存しない手法は、非常に難解な資源を必要とすることを実証する。 これらの資源をブロックの数学的表現を尊重する符号化手法と比較し、非構造的符号化は最も減退した状況においてのみ使用されるべきであるという結論に至った。 この発見は、しばしば構造に依存しない手法を用いる量子アルゴリズムに関する既存の文献とは対照的である。

関連論文リスト

• Compressive Meta-Learning [49.300635370079874]
  圧縮学習(Compressive learning)は、ランダムで非線形な特徴を用いることで効率的な処理を可能にするフレームワークである。 圧縮学習手法の符号化段階と復号段階の両方をメタラーニングするフレームワークを提案する。 ニューラルネットワークベースの圧縮PCA、圧縮リッジ回帰、圧縮k平均、オートエンコーダなど、複数のアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2025-08-14T22:08:06Z)
• Methods for Reducing Ancilla-Overhead in Block Encodings [0.7591490481106252]
  我々は、任意のブロックエンコーディングに対して、そのアンシラの1つを除いてほとんど計算されないアルゴリズムを導出した「時空トレードオフ」の存在を証明した。 ブロック符号化の近似乗算は, 1つのアンシラで高精度に実現できることを示す。
  論文  参考訳（メタデータ） (2025-07-10T16:28:40Z)
• Fast correlated decoding of transversal logical algorithms [67.01652927671279]
  大規模計算には量子エラー補正(QEC)が必要であるが、かなりのリソースオーバーヘッドが発生する。 近年の進歩により、論理ゲートからなるアルゴリズムにおいて論理キュービットを共同で復号化することにより、症候群抽出ラウンドの数を削減できることが示されている。 ここでは、回路を介して伝播する関連する論理演算子製品を直接復号することで、回路の復号化の問題を修正する。
  論文  参考訳（メタデータ） (2025-05-19T18:00:00Z)
• Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
  本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。 これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。 本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
  論文  参考訳（メタデータ） (2025-01-25T04:53:36Z)
• Dictionary-based Block Encoding of Sparse Matrices with Low Subnormalization and Circuit Depth [2.4487770108795393]
  本稿では,新しいデータ構造に基づくスパース行列の効率的なブロック符号化プロトコルを提案する。 同じ値のゼロでない要素は、ブロックエンコーディングプロトコルの辞書で同じ分類に属する。 我々のプロトコルは、ユニタリ(LCU)とスパースアクセス入力モデル(SAIM)の線形結合に接続する。
  論文  参考訳（メタデータ） (2024-05-28T09:49:58Z)
• Tram: A Token-level Retrieval-augmented Mechanism for Source Code Summarization [76.57699934689468]
  ニューラルモデルの性能を高めるために,デコーダ側で詳細なTokenレベル検索強化機構(Tram)を提案する。 文脈的コードセマンティクスの取得におけるトークンレベルの検索の課題を克服するために,コードセマンティクスを個々の要約トークンに統合することを提案する。
  論文  参考訳（メタデータ） (2023-05-18T16:02:04Z)
• Modular decoding: parallelizable real-time decoding for quantum computers [55.41644538483948]
  リアルタイム量子計算は、ノイズの多い量子ハードウェアによって生成されたデータのストリームから論理的な結果を取り出すことができる復号アルゴリズムを必要とする。 本稿では,デコーディングの精度を犠牲にすることなく,最小限の追加通信でこの問題に対処できるモジュールデコーディングを提案する。 本稿では,格子探索型耐故障ブロックのモジュールデコーディングの具体例であるエッジ頂点分解について紹介する。
  論文  参考訳（メタデータ） (2023-03-08T19:26:10Z)
• On efficient quantum block encoding of pseudo-differential operators [6.134067544403308]
  ブロック符号化は多くの既存の量子アルゴリズムの中核にある。 本稿では, 擬微分演算子 (PDO) を用いた高密度演算子のリッチファミリーのブロック符号化について述べる。
  論文  参考訳（メタデータ） (2023-01-21T07:18:57Z)

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。