論文の概要: Tensor Decomposition for Non-Clifford Gate Minimization
- arxiv url: http://arxiv.org/abs/2602.15285v1
- Date: Tue, 17 Feb 2026 01:11:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-18 16:03:17.949442
- Title: Tensor Decomposition for Non-Clifford Gate Minimization
- Title（参考訳）: 非クリフォードゲート最小化のためのテンソル分解
- Authors: Kirill Khoruzhii, Patrick Gelß, Sebastian Pokutta,
- Abstract要約: フォールトトレラントな量子計算では、非クリフォードゲートを最小化する必要がある。
この問題に対して,Toffoli 数と tensor 分解を$bbF$ で接続する手法を開発した。
標準的なベンチマークでは、これらの手法はToffoliと$T$-countの両方で報告された結果と一致または改善され、ほとんどの回路は、以前の作業で使用されていた数千のTPUではなく、1つのCPUで1分以内で完了する。
- 参考スコア（独自算出の注目度）: 17.808896175242644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fault-tolerant quantum computation requires minimizing non-Clifford gates, whose implementation via magic state distillation dominates the resource costs. While $T$-count minimization is well-studied, dedicated $CCZ$ factories shift the natural target to direct Toffoli minimization. We develop algebraic methods for this problem, building on a connection between Toffoli count and tensor decomposition over $\mathbb{F}_2$. On standard benchmarks, these methods match or improve all reported results for both Toffoli and $T$-count, with most circuits completing in under a minute on a single CPU instead of thousands of TPUs used by prior work.
- Abstract（参考訳）: フォールトトレラントな量子計算では、非クリフォードゲートを最小化する必要がある。
T$カウントの最小化はよく研究されているが、専用のCCZ$ファクトリはToffoliの最小化に直接ターゲットを移す。
この問題に対する代数的手法を開発し、Toffoli数と$\mathbb{F}_2$上のテンソル分解との接続の上に構築する。
標準的なベンチマークでは、これらの手法はToffoliと$T$-countの両方で報告された結果と一致または改善され、ほとんどの回路は、以前の作業で使用されていた数千のTPUではなく、1つのCPUで1分以内で完了する。
関連論文リスト
- Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [48.46721044282335]
テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。
1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。
その結果,TDNは計算処理の劇的な高速化と競合する性能を示した。
論文 参考訳（メタデータ） (2025-07-01T18:46:27Z) - Proving the Limited Scalability of Centralized Distributed Optimization via a New Lower Bound Construction [57.93371273485736]
我々は、すべての労働者が同一の分布にアクセスする均質な(すなわちd.d.)場合であっても、すべての労働者が非バイアス付き境界 LDeltaepsilon2,$$$$$ のポリ対数的により良いポリ対数を求める集中型分散学習環境を考える。
論文 参考訳（メタデータ） (2025-06-30T13:27:39Z) - Reducing T Gates with Unitary Synthesis [0.41873449350124814]
本研究は、任意の単一ビットのユニタリを直接合成する新しいFT合成アルゴリズムを提案する。
テンソルネットワークを用いた探索により,ネイティブな$U3$合成が可能となり,$T$カウント,Cliffordゲートカウント,近似誤差が低減される。
論文 参考訳（メタデータ） (2025-03-20T04:53:54Z) - LDC-MTL: Balancing Multi-Task Learning through Scalable Loss Discrepancy Control [48.98651927356094]
マルチタスク学習(MTL)は、複数のタスクを同時に学習する能力に広く採用されている。
両レベル最適化の観点から定式化されたMDLの簡易かつスケーラブルな損失分散制御手法であるLCC-MTLを提案する。
提案手法は2つの重要な要素を包含する: (i) 細粒度損失分散制御のための2レベル定式化, (ii) 時間とメモリを$mathcalO(1)$でしか必要としないスケーラブルな1次2レベルアルゴリズム。
論文 参考訳（メタデータ） (2025-02-12T17:18:14Z) - Non-Clifford diagonalization for measurement shot reduction in quantum expectation value estimation [1.2754578699685275]
短期量子コンピュータ上での期待値を推定するには、しばしば非常に多くの測定を必要とする。
本稿では,この可換性の制約を緩和する手法を提案する。
我々は、$k$-NoCliDが回路ショットの数を、しばしば非常に大きなマージンで減らし、しばしば$k$が2.2まで小さくなることを示した。
論文 参考訳（メタデータ） (2024-08-21T18:00:03Z) - Minimal entanglement for injecting diagonal gates [0.0]
計算空間とマジックステートファクトリの接続性は,非クリフォード演算を実装可能な速度において,基本的なボトルネックとなることを示す。
計算空間に$D$を実装するために$nu(|Drangle)$ ebitsのみを使用する局所安定化回路を構築する。
論文 参考訳（メタデータ） (2024-03-27T18:00:03Z) - Efficiently Learning One-Hidden-Layer ReLU Networks via Schur
Polynomials [50.90125395570797]
正方形損失に関して、標準的なガウス分布の下での$k$ReLU活性化の線形結合をPAC学習する問題をmathbbRd$で検討する。
本研究の主な成果は,この学習課題に対して,サンプルおよび計算複雑性が$(dk/epsilon)O(k)$で,epsilon>0$が目標精度である。
論文 参考訳（メタデータ） (2023-07-24T14:37:22Z) - Early fault-tolerant simulations of the Hubbard model [3.988614978933934]
ハバードモデルのシミュレーションは、フォールトトレラント量子コンピュータの最初の有用な応用候補である。
本稿では, 分割演算FFFT法に対して, より厳密な境界を与えるトロッタライゼーションによるシミュレーション誤差の有界化に関する新しい解析手法を提案する。
約100万のToffoliゲートを使用して、フォールトトレラントな量子コンピュータに潜在的に有用な応用があることを発見した。
論文 参考訳（メタデータ） (2020-12-16T20:07:54Z) - Learning Halfspaces with Tsybakov Noise [50.659479930171585]
テュバコフ雑音の存在下でのハーフスペースの学習可能性について検討する。
真半空間に関して誤分類誤差$epsilon$を達成するアルゴリズムを与える。
論文 参考訳（メタデータ） (2020-06-11T14:25:02Z)
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。