論文の概要: PCPOP.jl: A Julia package for partially commutative polynomial optimization
- arxiv url: http://arxiv.org/abs/2607.09339v2
- Date: Mon, 13 Jul 2026 01:52:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.277298
- Title: PCPOP.jl: A Julia package for partially commutative polynomial optimization
- Title（参考訳）: PCPOP.jl:部分可換多項式最適化のためのJuliaパッケージ
- Authors: Moisés Bermejo Morán, Abhishek Mishra,
- Abstract要約: PCPOPは、非可換最適化、t-人種最適化、トレース最適化、状態最適化をサポートするJuliaパッケージである。
PCPOPは部分可換変数の計算のための特別なフレームワークを実装しており、代数情報に現れる問題に対して大きな計算上の利点を提供する。
- 参考スコア（独自算出の注目度）: 1.389385993711899
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Here we present PCPOP, a Julia package for polynomial optimization that supports non-commutative optimization, tracial polynomial optimization, trace polynomial optimization and state polynomial optimization. PCPOP fully supports exact arithmetic computations and incorporates convenient functionalities such as algebraic reductions based on Gröbner basis methods, automatized symmetrization via Wedderburn decompositions, and Jordan algebra reductions. As a distinguished feature, PCPOP implements a specialized framework for polynomial computations in partially commutative variables that provides significant computational advantages for problems appearing in quantum information.
- Abstract（参考訳）: ここでは,非可換最適化,トランザクショナル多項式最適化,トレース多項式最適化,状態多項式最適化をサポートするJuliaパッケージであるPCPOPを提案する。
PCPOPは正確な算術演算を完全にサポートし、グレーブナー基底法に基づく代数的還元、ウェダーバーン分解による自動対称性化、ジョルダン代数還元といった便利な機能を組み込んでいる。
卓越した特徴として、PCPOPは部分可換変数の多項式計算のための特別なフレームワークを実装し、量子情報に現れる問題に対して大きな計算上の利点を提供する。
関連論文リスト
- Partially-Commutative Polynomial Optimization [1.236218755528715]
部分可換モノイドを用いて部分可換最適化問題に対するSDP緩和を構築する方法を示す。
部分可換最適化問題に対して,SDP緩和法を用いて,部分可換計算を単項構造に実装する方法を示す。
論文 参考訳（メタデータ） (2026-07-09T18:01:42Z) - The Complexity of Min-Max Optimization for Quadratic Polynomials [71.85811744604827]
我々は、超キューブ上での min-max 最適化の近似定常点の計算が二次数に対してPPAD-hardであることを示す。
その結果, 2-team 0-sum polymatrix に対するPPAD-hardness 結果が得られた。
論文 参考訳（メタデータ） (2026-06-15T17:37:13Z) - Complementary polynomials in quantum signal processing [0.0]
与えられた$P$を実装するには、まず対応する補完的な$Q$を構築しなければならない。
この問題に対する既存のアプローチでは、明示的な誤り解析には適さない数値的手法が採用されている。
複素解析を用いた補体系に対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-06T16:47:11Z) - Analyzing and Enhancing the Backward-Pass Convergence of Unrolled
Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。
本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。
Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文 参考訳（メタデータ） (2023-12-28T23:15:18Z) - Covering Number of Real Algebraic Varieties and Beyond: Improved Bounds and Applications [8.438718130535296]
ユークリッド空間における多くの集合の被覆数について上限を証明する。
本稿では,3つの計算応用における結果のパワーについて説明する。
論文 参考訳（メタデータ） (2023-11-09T03:06:59Z) - Non-Convex Optimization with Certificates and Fast Rates Through Kernel
Sums of Squares [68.8204255655161]
非最適化近似問題を考える。
本稿では,最優先計算を保証するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-04-11T09:37:04Z) - A Reinforcement Learning Environment for Polyhedral Optimizations [68.8204255655161]
マルコフ決定過程(MDP)として多面体モデルにおける法的変換空間の形状に依存しない定式化を提案する。
変換を使う代わりに、定式化は可能なスケジュールの抽象空間に基づいている。
我々の総合的MDP定式化は、強化学習を用いて幅広いループで最適化ポリシーを学習することを可能にする。
論文 参考訳（メタデータ） (2021-04-28T12:41:52Z) - Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。
本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。
本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-04T00:26:56Z) - Quantum Gradient Algorithm for General Polynomials [5.008814514502094]
問題を最適化するための一般的な戦略であるグラディエントベースのアルゴリズムは、多くの現代の機械学習技術にとって不可欠である。
着飾った振幅で数値を最適化する量子勾配アルゴリズムを提案する。
高次元最適化におけるポテンシャル値について、この量子アルゴリズムは勾配最適化を容易にする。
論文 参考訳（メタデータ） (2020-04-23T11:28:45Z)
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。