Fugu-MT 論文翻訳(概要): Quantum Amplitude Estimation in Gradient-Based Stochastic Optimization

論文の概要: Quantum Amplitude Estimation in Gradient-Based Stochastic Optimization

arxiv url: http://arxiv.org/abs/2607.00040v1
Date: Mon, 29 Jun 2026 13:50:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-02 19:56:07.589693
Title: Quantum Amplitude Estimation in Gradient-Based Stochastic Optimization
Title（参考訳）: 勾配に基づく確率最適化における量子振幅推定
Abstract要約: 我々は,量子振幅推定アルゴリズムが勾配に基づく最適化においてモンテカルロ法に対して2次改善が得られることを,数学的およびシミュレーションにより証明する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we prove, both mathematically and through a simulation, how the Quantum Amplitude Estimation algorithm can obtain quadratic improvements with respect to the Monte Carlo method in gradient-based stochastic optimization, highlighting the central role of the Quantum Phase Estimation concentration guarantee in achieving the predicted advantage.
Abstract（参考訳）: 本稿では,数理的にもシミュレーションを通じても,勾配に基づく確率最適化におけるモンテカルロ法に対して,量子振幅推定アルゴリズムが二次的改善を達成できることを証明し,予測された優位性を達成する上での量子位相推定濃度保証の中心的役割を強調した。

関連論文リスト

Stochastic Pauli-path simulator for large-scale quantum optimization [57.179828941706006]
パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
論文参考訳（メタデータ） (2026-07-20T10:43:44Z)
On the Role of Batch Size in Stochastic Conditional Gradient Methods [51.97510367368799]
条件勾配法におけるバッチサイズの役割を,$-KL条件下で検討した。バッチサイズの増加は、当初は最適化の精度を向上するが、重要なしきい値を超えると、固定トークン予算の下でのメリットと飽和度は、パフォーマンスを劣化させる可能性がある。
論文参考訳（メタデータ） (2026-03-22T12:23:41Z)
Efficient Stochastic Optimisation via Sequential Monte Carlo [0.5599792629509229]
難解勾配を持つ関数を最適化するための連続モンテカルロサンプリング器を開発する。提案手法は,高コストな内部サンプリング手法を効率的なSMC近似に置き換えることにより,計算精度が大幅に向上する。本研究は,エネルギーベースモデルの報酬調整におけるアプローチの有効性を示す。
論文参考訳（メタデータ） (2026-01-29T17:13:25Z)
An em algorithm for quantum Boltzmann machines [40.40469032705598]
我々は、量子ボルツマンマシンを訓練するためのエムアルゴリズムの量子バージョンを開発する。量子効果を隠蔽層に限定した半量子制限ボルツマンマシンにアルゴリズムを実装した。
論文参考訳（メタデータ） (2025-07-29T07:59:22Z)
Fast Expectation Value Calculation Speedup of Quantum Approximate Optimization Algorithm: HoLCUs QAOA [55.2480439325792]
本稿では,LCU演算子の線形結合として表現できる演算子の期待値を計算するための新しい手法を提案する。この方法は任意の量子アルゴリズムに対して一般的であり、変分量子アルゴリズムの加速に特に関心がある。
論文参考訳（メタデータ） (2025-03-03T17:15:23Z)
Quantum speedup of non-linear Monte Carlo problems [3.534338813984755]
本研究では,非線形推定問題の幅広いクラスに対する高速化を実現する量子インサイド量子モンテカルロアルゴリズムを提案する。このアプローチの重要な革新は、量子コンピューティング用に特別に設計されたマルチレベルモンテカルロ近似の新しいシーケンスである。
論文参考訳（メタデータ） (2025-02-07T17:13:27Z)
Non-degenerate Marginal-Likelihood Calibration with Application to Quantum Characterization [0.0]
我々は,ケネディ・オハガン(KOH)ベイズ的枠組みの中で,新たな限界化可能性戦略を提案する。我々の方法は、元のものと異なる正確な可能性を定義するが、関連するすべての情報を保存している。ローレンス・リバモア国立研究所(Lawrence Livermore National Laboratory)の超伝導量子装置のキャラクタリゼーションに応用されている。
論文参考訳（メタデータ） (2023-08-24T04:39:18Z)
One-step corrected projected stochastic gradient descent for statistical estimation [49.1574468325115]
これは、Fisherスコアリングアルゴリズムの1ステップで修正されたログ様関数の予測勾配勾配に基づいている。理論およびシミュレーションにより、平均勾配勾配や適応勾配勾配の通常の勾配勾配の代替として興味深いものであることを示す。
論文参考訳（メタデータ） (2023-06-09T13:43:07Z)
Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
論文参考訳（メタデータ） (2022-09-05T07:23:03Z)
Zeroth-Order Hybrid Gradient Descent: Towards A Principled Black-Box Optimization Framework [100.36569795440889]
この作業は、一階情報を必要としない零次最適化(ZO)の反復である。座標重要度サンプリングにおける優雅な設計により,ZO最適化法は複雑度と関数クエリコストの両面において効率的であることを示す。
論文参考訳（メタデータ） (2020-12-21T17:29:58Z)
Efficient qubit phase estimation using adaptive measurements [0.0]
物理系の量子位相を推定することは、量子パラメータ推定理論における中心的な問題である。量子位相を推定する現在の方法では、量子クラム・ラオ境界に達することができない。この問題を回避するために,共変量測定に基づく新しい適応方式を提案する。
論文参考訳（メタデータ） (2020-12-21T02:43:47Z)
A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文参考訳（メタデータ） (2020-06-23T01:34:18Z)
Quantum-Enhanced Simulation-Based Optimization [0.8057006406834467]
シミュレーションに基づく最適化は、正確に評価するのに計算コストのかかる目的関数を最適化することを目指している。量子振幅推定(QAE)は、古典モンテカルロシミュレーションよりも2次的なスピードアップを達成することができる。
論文参考訳（メタデータ） (2020-05-21T17:02:59Z)

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。