論文の概要: Toward Quantum Advantage in Learning Parities with Structured Noise via Lower Bound Optimization of the Condition Number
- arxiv url: http://arxiv.org/abs/2608.19122v2
- Date: Sat, 22 Aug 2026 11:12:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:42.890953
- Title: Toward Quantum Advantage in Learning Parities with Structured Noise via Lower Bound Optimization of the Condition Number
- Title（参考訳）: 条件数の下限最適化による構造的雑音をもつ学習環境における量子アドバンテージ
- Abstract要約: 構造雑音の学習は非線形ブールシステムの解法に還元できる。
量子コンピューティングでは、そのようなシステムは一般的にマコーレー線形系に変換される。
マコーレー線形系の新しい還元法を提案する。
- 参考スコア（独自算出の注目度）: 6.045942774425782
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning Parities with Structured Noise (LPSN) can be reduced to solving nonlinear Boolean systems. In quantum computing, such systems are typically transformed into Macaulay linear systems and solved via quantum linear system algorithms, a process severely limited by the condition number. To address this, we propose a novel reduction method for Macaulay linear systems. Under the assumptions of Ding et al., we derive a condition number lower bound incorporating a scaling factor. This reduction not only guarantees efficient quantum state preparation but also exhibits a distinct advantage regarding the condition number interval relative to the reduced right-hand side vector, thereby reducing the lower bound of the condition number and ultimately optimizing the upper bound on the time complexity of the quantum algorithm for solving Boolean systems. Furthermore, applying this improved quantum algorithm to LPSN significantly reduces sample complexity by exploiting the Macaulay system's solution structure. We further provide a concrete logical-level quantum resource estimate, demonstrating that the optimized condition number translates directly into a reduction in circuit width, depth, and gate count. Finally, we establish an algorithm selection strategy by systematically comparing quantum and classical approaches across noise pattern adaptability, sample complexity, and time complexity. Results demonstrate that our quantum algorithm exhibits the potential to outperform classical counterparts under specific parameter regimes.
- Abstract（参考訳）: 構造化ノイズ(LPSN)を用いた学習は非線形ブールシステムの解法に還元できる。
量子コンピューティングにおいて、そのようなシステムは一般にマコーレー線形系に変換され、量子線形系アルゴリズムによって解かれる。
そこで本研究では,マカオレー線形系に対する新しい還元法を提案する。
Ding et al の仮定の下で、スケーリング係数を組み込んだ条件数の下界を導出する。
この削減は、効率的な量子状態の準備を保証するだけでなく、縮小右辺ベクトルに対する条件数間隔に関して明確な優位性を示し、それによって条件数の下限を減らし、最終的にブール系を解くための量子アルゴリズムの時間的複雑さに基づいて上限を最適化する。
さらに、この改良された量子アルゴリズムをLPSNに適用することで、マッコーレー系の解構造を利用してサンプルの複雑さを著しく低減する。
さらに、最適化された条件番号が回路幅、深さ、ゲート数の減少に直接変換されることを示す、具体的な論理レベルの量子リソース推定を提供する。
最後に,ノイズパターン適応性,サンプル複雑度,時間複雑度にまたがる量子的アプローチと古典的アプローチを体系的に比較することで,アルゴリズムの選択戦略を確立する。
その結果,我々の量子アルゴリズムは,パラメータの特定の条件下での古典的手法よりも優れる可能性が示された。
関連論文リスト
- Quantum Algorithms for Solving Generalized Linear Systems via Momentum Accelerated Gradient and Schrödingerization [34.04094622012203]
運動量加速勾配法とシュル「オーディンジェライゼーション」を組み合わせた量子アルゴリズムを提案する。
このアルゴリズムは線形システムの解法における古典的なカウンターパークの高速化を実現する。
既存の非シュリンガー化に基づく量子線形系アルゴリズムの実用的限界を克服することができる。
論文 参考訳（メタデータ） (2025-09-20T08:40:53Z) - Variational quantum algorithms with invariant probabilistic error cancellation on noisy quantum processors [13.51474348538291]
我々は、PECと量子近似最適化アルゴリズム(QAOA)を組み合わせた新しいノイズ適応戦略を提案する。
この手法を超伝導量子プロセッサ上で実験的に検証し,サンプリングコストを90.1%削減した。
これらの結果は、大規模で低ノイズの量子回路でVQAを実行するための有望な道を開き、実用的な量子コンピューティングの進歩への道を開いた。
論文 参考訳（メタデータ） (2025-06-08T08:25:47Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Accelerating Quantum Reinforcement Learning with a Quantum Natural Policy Gradient Based Approach [36.05085942729295]
本稿では、古典的なNPG推定器で使用されるランダムサンプリングを決定論的勾配推定手法で置き換える量子自然ポリシー勾配(QNPG)アルゴリズムを提案する。
提案したQNPGアルゴリズムは、量子オラクルへのクエリに対する$tildemathcalO(epsilon-1.5)$のサンプル複雑性を達成し、マルコフ決定プロセス(MDP)へのクエリに対する$tildemathcalO(epsilon-2)$の古典的な下界を大幅に改善する。
論文 参考訳（メタデータ） (2025-01-27T17:38:30Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳（メタデータ） (2022-12-06T22:01:49Z) - Iteration Complexity of Variational Quantum Algorithms [5.203200173190989]
雑音は量子回路のバイアスによる目的関数の評価を行う。
我々は、欠落した保証を導き、収束率が影響を受けないことを見出す。
論文 参考訳（メタデータ） (2022-09-21T19:18:41Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳（メタデータ） (2022-09-01T17:08:41Z) - Adiabatic quantum computing with parameterized quantum circuits [0.0]
本稿では,近距離デバイスに実装可能なアディベート量子コンピューティングの離散バージョンを提案する。
提案アルゴリズムと変分量子固有解器を2つの古典最適化問題で比較する。
論文 参考訳（メタデータ） (2022-06-09T09:31:57Z) - Limitations of variational quantum algorithms: a quantum optimal
transport approach [11.202435939275675]
我々は、ノイズとノイズレスの両体制において、標準NISQ提案の極めて厳密な境界を得る。
境界は、QAOAのような両方の回路モデルアルゴリズムと、量子アニールのような連続時間アルゴリズムの性能を制限する。
論文 参考訳（メタデータ） (2022-04-07T13:58:44Z) - Multistate Transition Dynamics by Strong Time-Dependent Perturbation in
NISQ era [0.0]
我々は,McLachlan変分原理をハイブリッド量子古典アルゴリズムに応用した量子計算手法を開発した。
ベンチマークデータと比較すると、遷移確率は1%以上の精度で得られる。
論文 参考訳（メタデータ） (2021-12-13T00:49:15Z) - An optimal quantum sampling regression algorithm for variational
eigensolving in the low qubit number regime [0.0]
量子サンプリング回帰(QSR)は、代替の量子古典的アルゴリズムである。
低量子ビット数構造における時間的複雑さに基づいて,その利用事例を分析した。
ベンチマーク問題に対するアルゴリズムの有効性を示す。
論文 参考訳（メタデータ） (2020-12-04T00:01:15Z) - Efficient Algorithms for Causal Order Discovery in Quantum Networks [44.356294905844834]
入力および出力システムへのブラックボックスアクセスを前提として,最初の効率的な量子因果順序探索アルゴリズムを開発した。
我々は、量子コムを用いて因果順序をモデル化し、我々のアルゴリズムは、与えられたプロセスと互換性のある入力と出力の順序を出力する。
我々のアルゴリズムは、量子通信ネットワークで利用可能な伝送経路を効率的に検出し、最適化する方法を提供する。
論文 参考訳（メタデータ） (2020-12-03T07:12:08Z)
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。