Fugu-MT 論文翻訳(概要): Comparative Analysis on Two Quantum Algorithms for Solving the Heat Equation

論文の概要: Comparative Analysis on Two Quantum Algorithms for Solving the Heat Equation

arxiv url: http://arxiv.org/abs/2510.04511v1
Date: Mon, 06 Oct 2025 06:01:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-07 16:52:59.699919
Title: Comparative Analysis on Two Quantum Algorithms for Solving the Heat Equation
Title（参考訳）: 熱方程式解法における2つの量子アルゴリズムの比較解析
Authors: Samantha Tseng, Abhyudaya Chouhan, Dominic Cupidon,
Abstract要約: 偏微分方程式を解く最適量子アルゴリズムは我々を導いた。我々は、2020年以降に開発された量子法に関する調査を行い、そのような2つの解法を1次元の熱方程式に適用した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: As of now, an optimal quantum algorithm solving partial differential equations eludes us. There are several different methods, each with their own strengths and weaknesses. In past years comparisons of these existing methods have been made, but new work has emerged since then. Therefore, we conducted a survey on quantum methods developed post-2020, applying two such solvers to the heat equation in one spatial dimension. By analyzing their performance (including the cost of classical extraction), we explore their precision and runtime efficiency advancements between the two, identifying advantages and considerations.
Abstract（参考訳）: 現在、偏微分方程式を解く最適量子アルゴリズムは我々を導いた。それぞれに独自の長所と短所がある。従来の手法との比較はここ数年行われてきたが、それ以来新たな研究が生まれている。そこで我々は、2020年以降に開発された量子法について調査を行い、そのような2つの解法を1次元の熱方程式に適用した。それらの性能(古典的抽出コストを含む)を解析することにより、それらの精度と実行効率の向上を探求し、利点と考慮事項を識別する。

関連論文リスト

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis [40.72119156403829]
我々は、微分方程式とその解マップを学習するための新しいカーネルベースのフレームワークを、データ要求において効率的に導入する。我々のアプローチは数学的に解釈可能であり、学習方程式の量的最悪の誤り境界の形で厳密な理論的保証によって裏付けられている。
論文参考訳（メタデータ） (2025-03-02T21:48:03Z)
Heat semigroup representation of Laplacian [0.0]
この研究は、計算量子力学のための新しい数値アルゴリズムを導入する。このアプローチの鍵となる利点は、その計算効率にある。提案したマルチウェーブレットに基づくラプラシアン近似は、2つの基本的な量子化学応用を通して検証される。
論文参考訳（メタデータ） (2025-01-15T14:17:13Z)
H-DES: a Quantum-Classical Hybrid Differential Equation Solver [0.0]
本稿では、微分方程式の系を解くための独自のハイブリッド量子古典アルゴリズムを提案する。このアルゴリズムは、異なるパラメタライズド回路によって生成される量子状態の振幅における解関数を符号化するスペクトル法に依存している。
論文参考訳（メタデータ） (2024-10-01T23:47:41Z)
Variational quantum algorithm based on Lagrange polynomial encoding to solve differential equations [0.0]
本稿では、ラグランジュ符号化と微分量子回路を組み合わせた新しい変分量子アルゴリズム(VQA)の2つの異なるアーキテクチャを導入する。提案した新しいVQAは, 従来の変分量子アルゴリズムと比較してゲートの複雑さが小さくなり, 解の類似性や品質が向上することが示されている。
論文参考訳（メタデータ） (2024-07-23T10:11:44Z)
Solving Fractional Differential Equations on a Quantum Computer: A Variational Approach [0.1492582382799606]
本稿では, 時間-屈折偏微分方程式の解法として, 効率的な変分型量子古典アルゴリズムを提案する。その結果, 解の忠実度は分数指数に不感であり, 勾配評価コストは時間ステップ数とともに経済的にスケールすることがわかった。
論文参考訳（メタデータ） (2024-06-13T02:27:16Z)
Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
論文参考訳（メタデータ） (2023-06-29T15:37:19Z)
A quantum advantage over classical for local max cut [48.02822142773719]
量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
論文参考訳（メタデータ） (2023-04-17T16:42:05Z)
Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
論文参考訳（メタデータ） (2022-10-15T17:32:49Z)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
Quantum Algorithms for Solving Ordinary Differential Equations via Classical Integration Methods [1.802439717192088]
微分方程式を解くために,量子コンピュータの利用について検討する。我々は、対応するデジタル量子回路を考案し、シミュレーションし、6$mathrmth$order Gauss-Legendreコロケーション法を実装し、実行する。将来有望なシナリオとして、デジタル算術法は、逆問題に対する量子探索アルゴリズムの「オークル」として使用できる。
論文参考訳（メタデータ） (2020-12-17T09:49:35Z)

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。