論文の概要: Efficient Quantum State Preparation with Bucket Brigade QRAM

• arxiv url: http://arxiv.org/abs/2510.16149v1
• Date: Fri, 17 Oct 2025 18:50:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.869814
• Title: Efficient Quantum State Preparation with Bucket Brigade QRAM
• Title（参考訳）: Bucket Brigade QRAMによる効率的な量子状態生成
• Authors: Alessandro Berti, Francesco Ghisoni,
• Abstract要約: 量子状態におけるデータの合成は、量子アルゴリズムの設計において重要な要素である。 効率的な状態準備を実現するための主要なアプローチの1つは、量子ランダムアクセスメモリ(QRAM)を使用することである。 本稿では,Bucket Brigade QRAM(BBQRAM)の物理モデルとSegment Treeの古典的データ構造を統合し,効率的な状態生成を実現するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 47.72095699729477
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The preparation of data in quantum states is a critical component in the design of quantum algorithms. The cost of this step can significantly limit the realization of quantum advantage in domains such as machine learning, finance, and chemistry. One of the main approaches to achieve efficient state preparation is through the use of Quantum Random Access Memory (QRAM), a theoretical device for coherent data access with several proposed physical implementations. In this work, we present a framework that integrates the physical model of the Bucket Brigade QRAM (BBQRAM) with the classical data structure of the Segment Tree to achieve efficient state preparation. We introduce a memory layout that embeds a segment tree within BBQRAM memory cells by preserving the segment tree's hierarchy and supporting data retrieval in logarithmic time via specialized access primitives. We demonstrate that, under the proposed memory layout, our method encodes a matrix $A \in \mathbb{R}^{M \times N}$ in a quantum register of $\Theta(\log_2(MN))$ qubits in $O(\log_2^2(MN))$ time using constant ancillary qubits under a fixed-precision assumption. We further illustrate the method through a numerical example. This framework provides theoretical support for quantum algorithms that assume negligible data loading overhead and establishes a foundation for designing classical-to-quantum encoding algorithms that are aware of the underlying physical QRAM architecture.
• Abstract（参考訳）: 量子状態のデータの準備は、量子アルゴリズムの設計において重要な要素である。 このステップのコストは、機械学習、金融、化学といった領域における量子優位性の実現を著しく制限することができる。 効率的な状態準備を実現するための主要なアプローチの1つは、量子ランダムアクセスメモリ(QRAM)を使うことである。 本研究では,Bucket Brigade QRAM(BBQRAM)の物理モデルとSegment Treeの古典的データ構造を統合し,効率的な状態生成を実現するフレームワークを提案する。 BBQRAMメモリセルにセグメントツリーを埋め込むメモリレイアウトを導入し,セグメントツリー階層を保存し,特別なアクセスプリミティブを介して対数時間でデータ検索をサポートする。 提案したメモリレイアウトでは,行列 $A \in \mathbb{R}^{M \times N}$ を$\Theta(\log_2(MN))$ qubits in $O(\log_2^2(MN))$ qubits in $O(\log_2^2(MN))$ qubits under a fixed-precision assumption。 さらに数値的な例を通して,本手法について解説する。 このフレームワークは、無視可能なデータのロードオーバーヘッドを仮定する量子アルゴリズムを理論的にサポートし、基礎となる物理QRAMアーキテクチャを認識した古典的量子符号化アルゴリズムを設計するための基盤を確立する。

関連論文リスト

• Minimal Quantum Reservoirs with Hamiltonian Encoding [72.27323884094953]
  ハミルトニアン符号化に基づく量子貯水池計算のための最小限のアーキテクチャについて検討する。 このアプローチは、一般的に量子機械学習に関連する実験的なオーバーヘッドの多くを回避します。
  論文  参考訳（メタデータ） (2025-05-28T16:50:05Z)
• 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)
• Fat-Tree QRAM: A High-Bandwidth Shared Quantum Random Access Memory for Parallel Queries [0.6976976250169952]
  本稿では,複数の量子クエリを同時にパイプライン化可能な新しいクエリアーキテクチャであるFat-Tree QRAMを紹介する。 Fat-Tree QRAMは$O(log (N))$Independent query in $O(log (N))$ time using $O(N)$ qubits.
  論文  参考訳（メタデータ） (2025-02-10T18:47:16Z)
• Compilation of algorithm-specific graph states for quantum circuits [55.90903601048249]
  本稿では,高レベル言語で記述された量子回路から,アルゴリズム固有のグラフ状態を作成する量子回路コンパイラを提案する。 この計算は、このグラフ状態に関する一連の非パウリ測度を用いて実装することができる。
  論文  参考訳（メタデータ） (2022-09-15T14:52:31Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• Scalable and High-Fidelity Quantum Random Access Memory in Spin-Photon Networks [6.540771405203322]
  量子ランダムアクセスメモリ(qRAM)は、量子情報処理におけるスピードアップを可能にする重要な演算ユニットであると考えられている。 本稿では, ソリッドステートメモリと統合されたフォトニック集積回路(PIC)アーキテクチャを, qRAMを構築するための実行可能なプラットフォームとして提案する。 また、量子テレポーテーションに基づく代替スキームを提案し、それを量子ネットワークのコンテキストに拡張する。
  論文  参考訳（メタデータ） (2021-03-13T05:39:03Z)
• Quantum Search for Scaled Hash Function Preimages [1.3299507495084417]
  本稿では,Groverのアルゴリズムを量子シミュレーターに実装し,2つのスケールしたハッシュ関数の前像の量子探索を行う。 我々は,Groverのアルゴリズムのいくつかのステップの後に量子レジスタをサンプリングしてショートカットを提案する戦略は,誤差軽減の観点からは限界的な実用的優位性しか得られないことを示した。
  論文  参考訳（メタデータ） (2020-09-01T18:00:02Z)
• Quantum random access memory via quantum walk [0.0]
  量子ウォークを用いた新しい量子ランダムアクセスメモリ(qRAM)が提供される。 したがって、O(n) ステップのみが量子重ね合わせ状態の形で O(2n) データにアクセスおよび取得するために必要となる。
  論文  参考訳（メタデータ） (2020-08-31T04:54:12Z)
• Quantum Gram-Schmidt Processes and Their Application to Efficient State Read-out for Quantum Algorithms [87.04438831673063]
  本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。 我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。 我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
  論文  参考訳（メタデータ） (2020-04-14T11:05:26Z)

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。