Fugu-MT 論文翻訳(概要): Computation of entanglement for quantum states by a Consensus-Based Optimization method

論文の概要: Computation of entanglement for quantum states by a Consensus-Based Optimization method

arxiv url: http://arxiv.org/abs/2605.03773v2
Date: Mon, 11 May 2026 14:18:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 19:24:01.243162
Title: Computation of entanglement for quantum states by a Consensus-Based Optimization method
Title（参考訳）: コンセンサス最適化法による量子状態の絡み合いの計算
Authors: Michael Herty, Yijia Tang, Yizhou Zhou,
Abstract要約: エンタングルメント計算のためのコンセンサスベースの最適化(CBO)手法を提案する。可変相互作用集合を扱うために,粒子を異なるサイズで交換する機構を導入する。
参考スコア（独自算出の注目度）: 6.678834676966502
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The computation of quantum entanglement can be formulated as a high-dimensional nonconvex optimization problem with orthogonality constraints. In this work, we propose structure-preserving consensus-based optimization (CBO) methods for entanglement computation, with one approach based on a Hermitian formulation and the other evolving directly on the unitary manifold. To handle the variable dimension of the feasible set, we introduce a cross-dimensional interaction mechanism allowing exchange of information between particles of different sizes. Numerical experiments demonstrate that the proposed methods achieve accurate approximations.
Abstract（参考訳）: 量子エンタングルメントの計算は、直交制約のある高次元非凸最適化問題として定式化することができる。本研究では,Hermitian の定式化とユニタリ多様体上で直接進化する手法を用いて,絡み合い計算のための構造保存型コンセンサスベース最適化(CBO)手法を提案する。実現可能な集合の可変次元を扱うために,異なる大きさの粒子間で情報を交換できる相互相互作用機構を導入する。数値実験により,提案手法が高精度な近似を実現することを示した。

関連論文リスト

Optimization-based Unfolding in High-Energy Physics [0.0]
高エネルギー物理学において、展開とは検出器が歪んだ測定から物理観測物の真の分布を再構築する過程である。我々は古典的手法と量子互換手法の両方を用いてこの問題に対処する枠組みを開発する。
論文参考訳（メタデータ） (2026-02-26T09:11:34Z)
Multi-Dimensional Visual Data Recovery: Scale-Aware Tensor Modeling and Accelerated Randomized Computation [51.65236537605077]
我々は,新しいタイプのネットワーク圧縮最適化手法,完全ランダム化テンソルネットワーク圧縮(FCTN)を提案する。 FCTNは多次元データ処理と解析において顕著な業績を残している。定式化モデルの解法を保証した効率的なアルゴリズムを導出する。
論文参考訳（メタデータ） (2026-02-13T14:56:37Z)
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)
Multidimensional Adaptive Coefficient for Inference Trajectory Optimization in Flow and Diffusion [26.876236866996422]
フローモデルと拡散モデルは、様々なタスクにおいて強い性能と訓練安定性を示してきた。フローおよび拡散モデルのためのプラグインモジュールである多次元適応係数(MAC)を提案する。
論文参考訳（メタデータ） (2024-04-22T13:20:01Z)
Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文参考訳（メタデータ） (2023-12-10T15:22:30Z)
Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文参考訳（メタデータ） (2022-05-18T17:11:23Z)
Geometric Methods for Sampling, Optimisation, Inference and Adaptive Agents [102.42623636238399]
我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
論文参考訳（メタデータ） (2022-03-20T16:23:17Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
Jointly Modeling and Clustering Tensors in High Dimensions [6.072664839782975]
テンソルの合同ベンチマークとクラスタリングの問題を考察する。本稿では,統計的精度の高い近傍に幾何的に収束する効率的な高速最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-04-15T21:06:16Z)
Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文参考訳（メタデータ） (2020-08-10T09:42:59Z)
Model Reduction and Neural Networks for Parametric PDEs [9.405458160620533]
無限次元空間間の入出力マップをデータ駆動で近似するフレームワークを開発した。提案されたアプローチは、最近のニューラルネットワークとディープラーニングの成功に動機づけられている。入力出力マップのクラスと、入力に対する適切な選択された確率測度について、提案手法の収束性を証明する。
論文参考訳（メタデータ） (2020-05-07T00:09:27Z)

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。