論文の概要: Gaussian boson sampling: Benchmarking quantum advantage

• arxiv url: http://arxiv.org/abs/2604.12330v1
• Date: Tue, 14 Apr 2026 06:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.274853
• Title: Gaussian boson sampling: Benchmarking quantum advantage
• Title（参考訳）: ガウスボソンサンプリング:量子優位性のベンチマーク
• Authors: Ned Goodman, Alexander S. Dellios, Margaret D. Reid, Peter D. Drummond,
• Abstract要約: GBSをほぼ解決可能な,スケーラブルだが古典的なアルゴリズムを提案する。 出力カウントデータの数値シミュレーションは1152モードまでの現在の実験よりも正確な解に近い。 この研究によりより正確なアルゴリズムが実現され、基礎となる物理学によってQC量子の優位性がどのように影響を受けるかを理解するための一歩となる。
• 参考スコア（独自算出の注目度）: 39.146761527401424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computers solve intractable problems which classically require an exponentially long time to compute. With the development of large-scale experiments that claim quantum advantage, a vital issue has now emerged. What are the errors, and how do they affect the complexity of the problem solved? Large-scale Gaussian boson sampling (GBS) experiments give an example in which random numbers are generated. Despite classical hardness, these have computable benchmarks for checking data validity. While there are other quantum computing architectures, Gaussian boson sampling is uniquely testable at all scales. Several large, pioneering quantum computing (QC) experiments have been carried out to investigate quantum advantage. Here, we introduce a highly scalable but classical algorithm that can solve GBS approximately. Our numerical simulation of the output count data is closer to the exact solution than current experiments up to 1152 modes. This algorithm outperforms all previous classical, approximate algorithms and scales efficiently to larger experiments. Our results show that effects beyond losses can cause the errors that allow classical simulability. This work will lead to more precise algorithms and is a step towards understanding how QC quantum advantage is affected by the underlying physics.
• Abstract（参考訳）: 量子コンピュータは、古典的には計算に指数的に長い時間を要する難解な問題を解く。 量子アドバンテージを主張する大規模な実験の開発により、現在重要な問題が浮上している。 エラーとは何で、解決した問題の複雑さにどのように影響しますか? 大規模ガウスボソンサンプリング(GBS)実験は、乱数を生成する例を示す。 古典的な硬さにもかかわらず、これらはデータの妥当性をチェックするための計算可能なベンチマークを持っている。 他の量子コンピューティングアーキテクチャもあるが、ガウスボソンサンプリングはあらゆるスケールで一意にテスト可能である。 量子優位性を調べるために、いくつかの大規模で先駆的な量子コンピューティング(QC)実験が実施されている。 本稿では,GBSを近似的に解くことのできる,スケーラブルだが古典的なアルゴリズムを提案する。 出力カウントデータの数値シミュレーションは1152モードまでの現在の実験よりも正確な解に近い。 このアルゴリズムは従来の近似アルゴリズムよりも優れており、より大規模な実験に効率よくスケールする。 以上の結果から,損失を超える影響は,古典的シミュラビリティに影響を及ぼす可能性が示唆された。 この研究によりより正確なアルゴリズムが実現され、基礎となる物理学によってQC量子の優位性がどのように影響を受けるかを理解するための一歩となる。

関連論文リスト

• Quantum Algorithm for a Stochastic Multicloud Model [0.0]
  本研究では,大気科学の問題に対して量子計算アルゴリズムを適用した。 その結果,従来のコンピュータ用アルゴリズムと同じシミュレーションを実現できることがわかった。
  論文  参考訳（メタデータ） (2024-06-17T09:14:20Z)
• Machine learning on quantum experimental data toward solving quantum many-body problems [0.0]
  最大44量子ビットのシステムに対する古典的機械学習アルゴリズムの実装を成功例に示す。 我々は、多体物理学に関心のある問題に対するハイブリッドアプローチの適用性を拡張した。
  論文  参考訳（メタデータ） (2023-10-30T10:25:59Z)
• Solving Graph Problems Using Gaussian Boson Sampling [22.516585968074146]
  ノイズの多い中間スケールの量子コンピュータを用いてグラフ問題を解く。 我々は,大きな光子クリック数を持つGBS増幅の存在と,特定の雑音下での強化を実験的に観察した。 我々の研究は、既存の中間スケール量子コンピュータを用いて現実の問題をテストするためのステップである。
  論文  参考訳（メタデータ） (2023-02-02T08:25:47Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Long-Time Error-Mitigating Simulation of Open Quantum Systems on Near Term Quantum Computers [38.860468003121404]
  本研究では,最大2千個のエンタングゲートを含むディープ回路においても,ハードウェアエラーに対する堅牢性を示す量子ハードウェア上でのオープン量子システムシミュレーションについて検討する。 我々は, 無限の熱浴に結合した2つの電子系をシミュレートする: 1) 駆動電界における放散自由電子系, 2) 磁場中の単一軌道における2つの相互作用電子の熱化 - ハバード原子。 この結果から, 開放量子系シミュレーションアルゴリズムは, ノイズの多いハードウェア上で, 同様に複雑な非散逸性アルゴリズムをはるかに上回ることができることを示した。
  論文  参考訳（メタデータ） (2021-08-02T21:36:37Z)

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。