論文の概要: Quantum Viterbi Algorithm

• arxiv url: http://arxiv.org/abs/2605.18912v1
• Date: Sun, 17 May 2026 20:09:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.872988
• Title: Quantum Viterbi Algorithm
• Title（参考訳）: 量子ビタビアルゴリズム
• Abstract要約: 隠れ量子マルコフモデル(HQMM)のための量子ビタビ復号アルゴリズムを提案する。 我々は厳密な量子優位性を証明する: コヒーレントな隠れ軌跡は、いかなる古典的戦略よりも厳密な復号スコアを達成できる。 結果は、連続的な決定のための具体的な量子アルゴリズムプリミティブとして量子ビタビ復号を配置する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a quantum Viterbi decoding algorithm for hidden quantum Markov models (HQMMs) motivated by quantum information processing and quantum algorithms. Given a finite sequence of measurement outcomes, the algorithm identifies hidden quantum trajectories that maximize a joint decoding functional, serving as a genuine quantum analogue of the classical Viterbi score. Unlike classical hidden Markov models, where decoding optimizes over a finite discrete state space, our method performs optimization over a continuous manifold of pure quantum effects, thereby exploiting coherent superpositions in the hidden memory. We prove a strict quantum advantage: coherent hidden trajectories can achieve decoding scores that strictly exceed any classical strategy constrained to diagonal (commuting) effects, even when both models share the same observed statistics. These results position quantum Viterbi decoding as a concrete quantum algorithmic primitive for sequential decision-making, with direct applications to quantum memories, quantum communication with memory, and near-term quantum machine learning on NISQ devices.
• Abstract（参考訳）: 本稿では,量子情報処理と量子アルゴリズムによる隠れ量子マルコフモデル(HQMM)に対する量子ビタビ復号アルゴリズムを提案する。 測定結果の有限列を与えられたアルゴリズムは、古典ヴィタビスコアの真の量子アナログとして機能する、結合復号関数を最大化する隠れ量子軌道を同定する。 有限離散状態空間上でデコードが最適化される古典的隠れマルコフモデルとは異なり、本手法は純粋量子効果の連続多様体上で最適化を行い、隠れメモリ内のコヒーレントな重ね合わせを利用する。 我々は厳密な量子優位性を証明する: コヒーレントな隠れ軌跡は、両モデルが同じ統計値を共有する場合でも、対角(交換)効果に制約された古典的戦略を厳格に超える復号スコアを達成できる。 これらの結果は、量子ヴィタビ復号を、逐次決定のための具体的な量子アルゴリズムプリミティブとして位置づけ、量子メモリ、メモリとの量子通信、NISQデバイスでの短期量子機械学習に直接適用することができる。

関連論文リスト

• Quantum-Channel Matrix Optimization for Holevo Bound Enhancement [87.57725685513088]
  固定された入力アンサンブルを与えられた量子チャネルを最適化するために、統一された射影勾配上昇アルゴリズムを提案する。 シミュレーションの結果、提案した量子チャネル最適化により、入力アンサンブル最適化よりも高いホレボ境界が得られることが示された。
  論文  参考訳（メタデータ） (2026-02-19T04:15:03Z)
• Quantum Approximate Walk Algorithm [0.6306978246081341]
  本稿では、量子ビット数に応じて線形に増加する回路深さを特徴とする古典的なデータ追跡可能な量子オラクルについて述べる。 古典的な入力と量子回路の結果の推論不可能なマッピングを確立することで、最先端のIBMハードウェアの実験結果を得た。
  論文  参考訳（メタデータ） (2025-11-10T22:43:12Z)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Runtime Quantum Advantage with Digital Quantum Optimization [36.136619420474766]
  IBMの156量子ビットデバイス上でのバイアスフィールドデジタル化された反断熱量子最適化(BF-DCQO)アルゴリズム。 古典的手法では困難であり,マルチコアプロセッサでも数分で実行可能である問題インスタンスを選択するのが適当である。 以上の結果から,特定目的量子アルゴリズムと組み合わせて利用可能なデジタル量子プロセッサは,量子誤り訂正がなくても,実行時量子優位性を示すことがわかった。
  論文  参考訳（メタデータ） (2025-05-13T15:24:17Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Benchmarking Variational Quantum Eigensolvers for Entanglement Detection in Many-Body Hamiltonian Ground States [37.69303106863453]
  変分量子アルゴリズム(VQA)は近年、量子優位を得る約束として登場している。 我々は、変分量子固有解法(VQEs)と呼ばれる特定の種類のVQAを用いて、絡み合った観測と絡み合った基底状態検出においてそれらをベンチマークする。 ハミルトニアン相互作用にインスパイアされた構造を持つ量子回路は、問題に依存しない回路よりもコスト関数推定のより良い結果を示した。
  論文  参考訳（メタデータ） (2024-07-05T12:06:40Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Enhancing Quantum Annealing in Digital-Analog Quantum Computing [0.0]
  デジタルアナログ量子コンピューティング(DAQC)は、実用的な量子コンピュータを構築する際の課題に対処するための有望なアプローチを提供する。 本稿では,量子アニールの性能向上を目的としたアルゴリズムを提案する。 本研究では、量子回路を用いた量子データ処理が、量子情報を捨てる古典的なデータ処理より優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-03T09:16:15Z)
• Quantum-Enhanced Greedy Combinatorial Optimization Solver [12.454028945013924]
  最適化問題を解くために反復量子最適化アルゴリズムを導入する。 72量子ビット以下のプログラム可能な超伝導量子系に量子アルゴリズムを実装した。 量子アルゴリズムは古典的な欲求よりも体系的に優れており、量子エンハンスメントのシグナルとなる。
  論文  参考訳（メタデータ） (2023-03-09T18:59:37Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Quantum variational learning for entanglement witnessing [0.0]
  この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。 我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。 我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
  論文  参考訳（メタデータ） (2022-05-20T20:14:28Z)
• Optimizing High-Efficiency Quantum Memory with Quantum Machine Learning for Near-Term Quantum Devices [0.0]
  我々は,HRE(High-retrieval-efficiency)量子メモリと呼ばれる,短期量子デバイスのための新しい量子メモリを定義する。 HRE量子メモリユニットは、読み出し手順の最適化のために、ハードウェアレベルでローカルユニタリ演算を統合する。 我々は、HRE量子メモリの読み出し手順が、入力量子システムや未知の量子レジスタの量子操作に関する情報なしで完全に盲目的に実現されていることを示す。
  論文  参考訳（メタデータ） (2020-03-11T12:01:03Z)

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。