論文の概要: Phase Matching for a Generalized Grover's Algorithm

• arxiv url: http://arxiv.org/abs/2605.13758v1
• Date: Wed, 13 May 2026 16:39:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.184135
• Title: Phase Matching for a Generalized Grover's Algorithm
• Title（参考訳）: 一般化グローバーアルゴリズムの位相マッチング
• Authors: Chris Cardullo, Min Kang,
• Abstract要約: 完全に一般化されたGroverのアルゴリズムを用いて、反復の各ステップに最適な位相変化を求める。 最終イテレーションにおいて、最適位相変化は従来のGroverのアルゴリズムと異なり、位相マッチングを観測しないことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the fully generalized Grover's algorithm to find the optimal phase changes for each step of the iteration to maximize gain in probability of observation of the target, and when phase matching is required. We find that classical Grover's algorithm and phase matching remains to be optimal till the target probability gets close 1. However, as the probability of observation approaches 1, the optimal phase changes differ from $π$ and no longer observe phase matching. We provide the optimization statement to find the optimal phase changes given the current amplitude vector and the size of the set. To analyze this formula, we approach it from a numerical and analytical perspective, with the analytical perspective focusing on special cases that simplify the optimization and allow for general statements about its behavior. Finally, we provide an example of a 5 qubit system and show that for the final iteration the optimal phase changes differ from traditional Grover's algorithm and do not observe phase matching, but lead to an increase in the probability of the target.
• Abstract（参考訳）: 完全に一般化されたGroverのアルゴリズムを用いて、反復の各ステップの最適位相変化を探索し、目標観測の確率を最大化し、位相整合が必要な場合の利得を最大化する。 古典的なグローバーのアルゴリズムと位相マッチングは、目標確率が1に近づくまで最適である。 しかし、観測確率が1に近づくにつれて、最適な位相変化は$π$と異なり、もはや位相マッチングは観測されない。 電流振幅ベクトルと集合の大きさから最適な位相変化を求めるための最適化文を提供する。 この式を数値的・解析的な観点から分析し、最適化を単純化し、その挙動に関する一般的な言明を許容する特別事例に着目した分析的視点で分析する。 最後に, 5量子ビットシステムの例を示し, 最終イテレーションにおいて, 最適位相変化は従来のGroverのアルゴリズムと異なり, 位相マッチングを観測せず, ターゲットの確率の増加につながることを示す。

関連論文リスト

• Local Entropy Search over Descent Sequences for Bayesian Optimization [48.7994415668802]
  実用的な方法は、勾配降下のような局所最適化手法を用いて初期設計の近傍を反復的に洗練することである。 降下列で到達可能な解を明示的に対象とするベイズ最適化パラダイムである局所エントロピー探索(LES)を提案する。
  論文  参考訳（メタデータ） (2025-11-24T15:52:17Z)
• Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
  乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。 以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-22T19:06:39Z)
• Optimal phase change for a generalized Grover's algorithm [0.0]
  任意の振幅ベクトルを用いた一般化Groverのアルゴリズムについて検討する。 目標を観測する確率が 1 にかなり近づくまで、$pi$ の位相変化は最適である。
  論文  参考訳（メタデータ） (2025-09-24T23:12:20Z)
• Enhancing Grover's Search Algorithm: A Modified Approach to Increase the Probability of Good States [0.0]
  本稿では,Groverの探索アルゴリズムを改良し,良好な状態を見つける確率の計算を高速化する。 最初のイテレーション中にモデルの微分から数学的に決定された回転位相角を組み込むことを提案する。
  論文  参考訳（メタデータ） (2024-01-31T04:55:06Z)
• Amplitude Amplification for Optimization via Subdivided Phase Oracle [0.9176056742068814]
  振幅増幅の修正版を用いて最適化問題を解くアルゴリズムを提案する。 数値シミュレーションにより, 対象値の正規分布, 歪正規分布, 指数分布分布に対して, 最適解の確率を増幅するアルゴリズムが有効であることを示す。
  論文  参考訳（メタデータ） (2022-05-02T01:14:27Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• Stochastic batch size for adaptive regularization in deep network optimization [63.68104397173262]
  ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。 一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
  論文  参考訳（メタデータ） (2020-04-14T07:54:53Z)

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。