Fugu-MT 論文翻訳(概要): Simulating Gaussian boson sampling on graphs in polynomial time

論文の概要: Simulating Gaussian boson sampling on graphs in polynomial time

arxiv url: http://arxiv.org/abs/2511.16558v1
Date: Thu, 20 Nov 2025 17:11:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-21 17:08:52.74935
Title: Simulating Gaussian boson sampling on graphs in polynomial time
Title（参考訳）: 多項式時間におけるグラフ上のガウスボソンサンプリングのシミュレーション
Authors: Konrad Anand, Zongchen Chen, Mary Cryan, Graham Freifeld, Leslie Ann Goldberg, Heng Guo, Xinyuan Zhang,
Abstract要約: グラフ上のガウスボソンサンプリング(GBS)に関する分布を古典的にサンプリングできることを示す。また、ボソンサンプリングに関する別の分布が古典的に時間内にサンプリングできることも示している。
参考スコア（独自算出の注目度）: 5.887460283144293
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We show that a distribution related to Gaussian Boson Sampling (GBS) on graphs can be sampled classically in polynomial time. Graphical applications of GBS typically sample from this distribution, and thus quantum algorithms do not provide exponential speedup for these applications. We also show that another distribution related to Boson sampling can be sampled classically in polynomial time.
Abstract（参考訳）: グラフ上のガウスボソンサンプリング(GBS)に関する分布は多項式時間で古典的にサンプリング可能であることを示す。 GBSのグラフィカルな応用はこの分布からサンプリングされるので、量子アルゴリズムはこれらのアプリケーションに対して指数的なスピードアップを提供しない。また、ボソンサンプリングに関する別の分布が多項式時間で古典的にサンプリング可能であることも示している。

関連論文リスト

Efficient Classical Sampling from Gaussian Boson Sampling Distributions on Unweighted Graphs [31.937752933240674]
我々はマルコフ連鎖モンテカルロに基づくアルゴリズムを提案し、無向非重み付きグラフ上のGBS分布をサンプリングする。我々の主な貢献はグラウバー力学の二重ループ変種であり、その定常分布はGBS分布と一致する。提案手法は,非重み付きグラフ上のGBS分布からの効率的な古典的サンプリングのための理論的保証と実用的優位性の両方を提供する。
論文参考訳（メタデータ） (2025-05-05T08:13:57Z)
Using Gaussian Boson Samplers to Approximate Gaussian Expectation Problems [0.0]
GBSサンプルを用いた2つの推定器がモンテカルロ(MC)推定器に指数的な高速化をもたらすことを示す。正確には、指数的スピードアップは、これらの推定器が同じ精度に達することを保証されたサンプルサイズで定義される。
論文参考訳（メタデータ） (2025-02-26T17:30:49Z)
Denoising Diffusion Samplers [41.796349001299156]
拡散モデルの認知は、多くの領域で最先端の結果を提供する生成モデルの一般的なクラスである。我々は、非正規化確率密度関数から大まかにサンプリングし、それらの正規化定数を推定する類似のアイデアを探求する。この文脈ではスコアマッチングは適用できないが、モンテカルロサンプリングのために生成的モデリングで導入された多くのアイデアを利用することができる。
論文参考訳（メタデータ） (2023-02-27T14:37:16Z)
Experimentally finding dense subgraphs using a time-bin encoded Gaussian boson sampling device [0.0]
我々は、時間ビン符号化干渉計を用いて、GBSを実験的に実装し、サンプルを抽出し、グラフ内の高密度部分グラフの探索を強化する。その結果,10個のノードを含むグラフにおいて,3と4のサブグラフの古典的手法よりも改善が見られた。我々は、光回路における不完全性の役割と、アルゴリズムの性能について数値的に検討する。
論文参考訳（メタデータ） (2022-04-11T16:56:30Z)
Certification of Gaussian Boson Sampling via graph theory [4.063872661554895]
実ガウスボソンサンプリング装置の光子計数とグラフ中の完全マッチング数との接続を利用する。本フレームワークでは,グラフ特徴ベクトルとグラフカーネルの分布を利用した2つのアプローチを提案する。
論文参考訳（メタデータ） (2022-02-15T20:22:28Z)
Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。 NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2021-10-26T10:45:25Z)
Deterministic Gibbs Sampling via Ordinary Differential Equations [77.42706423573573]
本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
論文参考訳（メタデータ） (2021-06-18T15:36:09Z)
Sampling Signals on Graphs: From Theory to Applications [119.19108613761915]
我々は、理論と潜在的な応用に焦点をあてたグラフのサンプリングに関する最近の進歩を概観する。グラフ信号サンプリングにおけるほとんどの手法は標準信号のサンプリングに使用される手法と平行に設計されているが、グラフ信号のサンプリング理論はシャノン-ニキスト理論とシフト不変サンプリング理論とは大きく異なる。
論文参考訳（メタデータ） (2020-03-09T07:49:40Z)
Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
論文参考訳（メタデータ） (2020-02-21T14:03:16Z)
Generative Modeling with Denoising Auto-Encoders and Langevin Sampling [88.83704353627554]
DAEとDSMの両方がスムーズな人口密度のスコアを推定することを示した。次に、この結果をarXiv:1907.05600のホモトピー法に適用し、その経験的成功を理論的に正当化する。
論文参考訳（メタデータ） (2020-01-31T23:50:03Z)

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。