Fugu-MT 論文翻訳(概要): Random Construction of Quantum LDPC Codes

論文の概要: Random Construction of Quantum LDPC Codes

arxiv url: http://arxiv.org/abs/2511.04634v1
Date: Thu, 06 Nov 2025 18:31:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-07 20:17:53.557308
Title: Random Construction of Quantum LDPC Codes
Title（参考訳）: 量子LDPC符号のランダム構成
Authors: Koki Okada, Kenta Kasai,
Abstract要約: 提案した局所修正は,2時間2$のクロススワップ操作によって真の構造的ランダム性をもたらす。各補修の計算複雑性は最大列と列の重みにのみ依存し、全体の行列サイズには依存しない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a method for modifying orthogonal sparse matrix pairs used in CSS codes while preserving their matrix row and column weight distributions, which play a crucial role in determining the performance of belief-propagation decoding. Unlike simple row or column permutations that merely reorder existing elements, the proposed local modification introduces genuine structural randomness through small $2\times2$ cross-swap operations followed by integer-linear-program-based local repairs that restore orthogonality. By applying this procedure repeatedly in a random manner, ensembles of randomized quantum LDPC codes can be constructed. The computational complexity of each repair depends only on the maximum row and column weights and is independent of the overall matrix size, ensuring scalability to large code blocks.
Abstract（参考訳）: そこで本研究では,CSSコードで使用される直交スパース行列対を,行列列と列重み分布を保存しながら修正する手法を提案する。既存の要素を単に並べ替える単純な行や列の置換とは異なり、提案された局所修正は、小さな2.\times2$のクロススワップ演算と、直交を復元する整数線形プログラムベースの局所的な修復によって、真の構造的ランダム性をもたらす。この手順をランダムに繰り返し適用することにより、ランダム化された量子LDPC符号のアンサンブルを構築することができる。各修復の計算複雑性は最大行と列の重みにのみ依存し、全体の行列サイズとは独立して、大きなコードブロックへのスケーラビリティを確保する。

関連論文リスト

Cartan-Khaneja-Glaser decomposition of $\SU(2^n)$ via involutive automorphisms [0.46664938579243564]
本稿では, 1次行列のカルタン・カーネジャ・グラーガー分解を$SU(2n)$で行う新しいアルゴリズムを提案する。我々は、不定義行列対数への依存や、切り詰めたベーカー・カンベル・ハウスドルフ級数(BCH)の収束問題など、それらの方法の重要な制限を克服する。
論文参考訳（メタデータ） (2025-09-05T19:46:50Z)
Efficient Quantum Access Model for Sparse Structured Matrices using Linear Combination of Things [0.6138671548064355]
構成されたスパース行列に合わせたLCU(Linear Combination of Unitary)スタイルの分解のための新しいフレームワークを提案する。 LCUは変動型およびフォールトトレラントな量子アルゴリズムの基本的なプリミティブである。我々は、空間性と構造をよりよく捉えることができる単純で単項でない作用素のコンパクトな集合であるシグマ基底を導入する。
論文参考訳（メタデータ） (2025-07-04T17:05:07Z)
Efficient Variational Quantum Linear Solver for Structured Sparse Matrices [0.6138671548064355]
代替基底を用いることで、行列のスパーシリティと基盤構造をよりうまく活用できることが示される。我々は、グローバル/ローカルなVQLSコスト関数を計算するために効率的な量子回路を設計するために、ユニタリ補完の概念を用いる。
論文参考訳（メタデータ） (2024-04-25T19:22:05Z)
Depth-Optimal Addressing of 2D Qubit Array with 1D Controls Based on Exact Binary Matrix Factorization [5.475873482700239]
最近の中性原子系プラットフォームの進歩は、2次元量子ビットアレイの制御粒度と柔軟性のバランスに長方形(ロウカラム)アドレスが当てられることを示唆している。深度最適長方形アドレッシング問題を,通信複雑性と最適化にも現れるNPハード問題である,正確な二分分解として定式化する。本稿では, フォールトトレラント量子コンピューティングの文脈における長方形のアドレッシングについて論じる。
論文参考訳（メタデータ） (2024-01-24T20:58:14Z)
An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-30T15:57:14Z)
High-Dimensional Sparse Bayesian Learning without Covariance Matrices [66.60078365202867]
共分散行列の明示的な構成を避ける新しい推論手法を提案する。本手法では, 数値線形代数と共役勾配アルゴリズムの対角線推定結果とを結合する。いくつかのシミュレーションにおいて,本手法は計算時間とメモリにおける既存手法よりも拡張性が高い。
論文参考訳（メタデータ） (2022-02-25T16:35:26Z)
Sparse Quadratic Optimisation over the Stiefel Manifold with Application to Permutation Synchronisation [71.27989298860481]
二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-09-30T19:17:35Z)
Structured Reordering for Modeling Latent Alignments in Sequence Transduction [86.94309120789396]
本稿では,分離可能な置換の辺りを正確に推定する効率的な動的プログラミングアルゴリズムを提案する。結果のSeq2seqモデルは、合成問題やNLPタスクの標準モデルよりも体系的な一般化が優れている。
論文参考訳（メタデータ） (2021-06-06T21:53:54Z)
Square Root Bundle Adjustment for Large-Scale Reconstruction [56.44094187152862]
QR分解によるランドマーク変数のnullspace marginalizationに依存するバンドル調整問題の新たな定式化を提案する。平方根束調整と呼ばれる私たちのアプローチは、一般的に使用されるSchur補完トリックと代数的に等価です。 BALデータセットを用いた実世界での実験では、提案されたソルバが単一の精度でも平均的等しく正確なソリューションで達成できることを示す。
論文参考訳（メタデータ） (2021-03-02T16:26:20Z)
Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文参考訳（メタデータ） (2020-12-29T04:08:38Z)

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。