論文の概要: Improved gap dependence in adiabatic state preparation by adaptive schedule

• arxiv url: http://arxiv.org/abs/2512.10329v1
• Date: Thu, 11 Dec 2025 06:27:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.222464
• Title: Improved gap dependence in adiabatic state preparation by adaptive schedule
• Title（参考訳）: 適応スケジュールによる断熱処理におけるギャップ依存性の改善
• Authors: Dong An, Xi Guo,
• Abstract要約: 本研究では, 緩やかなギャップ測定条件下において, ギャップ依存性を2次的に改善し, 幅広いシステムに対して逆線形化可能であることを示す。 また、よく使われる線形スケジュールが最適ではないことを厳格に示す。
• 参考スコア（独自算出の注目度）: 5.946394713686651
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adiabatic quantum computing is a powerful framework for state preparation, while its evolution time often scales quadratically in the inverse Hamiltonian spectral gap, leading to sub-optimal computational complexity. In this work, we introduce a nonlinear adaptive strategy for finding the time scheduling function, and show that the gap dependence can be quadratically improved to be inverse linear for a wide range of systems under a mild gap measure condition. Through variational analysis, we further demonstrate the optimality of our schedule for systems with linear gap and the partial optimality for general systems, while we also rigorously show that the commonly used linear schedule is never optimal.
• Abstract（参考訳）: アディアバティック量子コンピューティングは状態準備のための強力なフレームワークであるが、その進化時間はハミルトンスペクトルギャップの逆で2次的にスケールし、最適以下の計算複雑性をもたらす。 本研究では,時間スケジューリング関数を求める非線形適応戦略を導入し,そのギャップ依存性を2次的に改善し,広いシステムに対して軽度ギャップ測定条件下での逆線形化を示す。 変分解析により、線形ギャップを持つ系のスケジュールの最適性と一般系の部分最適性をさらに証明し、また、一般的に使用される線形スケジュールが最適ではないことを厳密に示す。

関連論文リスト

• Predictability Enables Parallelization of Nonlinear State Space Models [14.40958116079456]
  非線形系の力学とそれに対応する最適化定式化の条件付けとの正確な関係を確立する。 状態変動が将来の行動に影響を及ぼす度合いとして定義されるシステムの予測可能性が,評価に必要な最適化ステップの数に影響を与えることを示す。
  論文  参考訳（メタデータ） (2025-08-22T22:27:50Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent [43.097493761380186]
  勾配アルゴリズムは線形系を解くのに有効な方法である。 最適値に収束しない場合であっても,勾配降下は正確な予測を導出することを示す。 実験的に、勾配降下は十分に大規模または不条件の回帰タスクにおいて最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-06-20T15:07:37Z)
• Accelerated First-Order Optimization under Nonlinear Constraints [61.98523595657983]
  我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。 これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
  論文  参考訳（メタデータ） (2023-02-01T08:50:48Z)
• Spatio-Temporal Variational Gaussian Processes [26.60276485130467]
  時空間フィルタリングと自然変動推論を組み合わせたガウス過程推論にスケーラブルなアプローチを導入する。 還元された誘導点集合上で状態空間モデルを構成するスパース近似を導出する。 分離可能なマルコフカーネルの場合、完全スパースケースは標準変分GPを正確に回復する。
  論文  参考訳（メタデータ） (2021-11-02T16:53:31Z)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)
• State Space Expectation Propagation: Efficient Inference Schemes for Temporal Gaussian Processes [21.22700483305901]
  非時間的時間的および時間的共役過程モデルにおけるベイズ推定を近似する。 我々はこれらのアルゴリズムについて統一的な視点を提供し、パワーEPモーメントマッチングのステップを線形化に置き換えることで、古典的なスムースラーをいかに回復するかを示す。
  論文  参考訳（メタデータ） (2020-07-12T13:59:25Z)
• On dissipative symplectic integration with applications to gradient-based optimization [77.34726150561087]
  本稿では,離散化を体系的に実現する幾何学的枠組みを提案する。 我々は、シンプレクティックな非保守的、特に散逸的なハミルトン系への一般化が、制御された誤差まで収束率を維持することができることを示す。
  論文  参考訳（メタデータ） (2020-04-15T00:36:49Z)

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。