論文の概要: Comment on "Scalable Quantum Machine Learning: Trainability, Expressivity and Efficiency": Polynomial Evaluation of the Triplet-Block Readout
- arxiv url: http://arxiv.org/abs/2608.20435v1
- Date: Thu, 20 Aug 2026 06:44:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.093111
- Title: Comment on "Scalable Quantum Machine Learning: Trainability, Expressivity and Efficiency": Polynomial Evaluation of the Triplet-Block Readout
- Title（参考訳）: スケーラブル量子機械学習:訓練性、表現性、効率性」へのコメント:トリプルト・ブロック・リードアウトの多項式的評価
- Abstract要約: arXiv:2607.24014v1における三重ブロック2体読み出しの古典的コスト要求について検討した。
入力は対角2粒子還元密度行列を持ち、受動フェルミオン線形光学は$bigwedge2 W$を介して伝播する。
これにより、完全相関ベクトル $(langle n_i n_jrangle)_ij$ に対する決定論的 $O(n4)$ アルゴリズムが、$k$ とフェルミオン-線形光学の範囲とは独立に与えられる。
- 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 examine the classical-cost claim for the triplet-block two-body readout in arXiv:2607.24014v1. The Gaussian-state expansion used there gives an $O(2^{2k/3}\mathrm{poly}(n))$ classical algorithm, but it is not necessary for fixed-body observables. The triplet-block input has an explicitly computable diagonal two-particle reduced density matrix, which passive fermionic linear optics propagates through $\bigwedge^2 W$. This gives a deterministic $O(n^4)$ algorithm for the complete correlator vector $(\langle n_i n_j\rangle)_{i<j}$, independently of $k$ and the fermionic-linear-optics extent. More generally, every number-conserving fixed-$r$-body expectation is polynomially computable whenever the input $r$-particle reduced density matrix is classically available; if that matrix is diagonal, all diagonal correlators are computable in $O(n^{2r})$ time. This invalidates the algorithm-relative exponential-cost conclusion for the supervised two-body readout, without affecting the gradient-variance, barren-plateau, parameter-shift, or sampling-hardness results.
- Abstract（参考訳）: arXiv:2607.24014v1における三重ブロック2体読み出しの古典的コスト要求について検討した。
ここで用いられるガウス状態展開は、$O(2^{2k/3}\mathrm{poly}(n))$classical algorithmを与えるが、固定体オブザーバブルには必要ない。
三重項ブロック入力は、明示的に計算可能な対角2粒子還元密度行列を持ち、受動フェルミオン線形光学は$\bigwedge^2 W$を介して伝播する。
これは、完全な相関ベクトル $(\langle n_i n_j\rangle)_{i<j}$ に対する決定論的 $O(n^4)$ アルゴリズムを与える。
より一般的には、入力$r$-粒子還元密度行列が古典的に利用可能であるとき、任意の数保存固定値体予想は多項式計算可能であり、その行列が対角行列であれば、すべての対角線相関子は$O(n^{2r})$時間で計算可能である。
これにより、勾配分散、バレンプラトー、パラメータシフト、サンプリングハードネスの結果に影響を与えることなく、教師付き2体読み出しに対するアルゴリズム相対的な指数的コストの結論が無効になる。
関連論文リスト
- Exponential Reduction of Mesh Dependence in Quantum Estimation of Parabolic PDE Observables [3.3636842548621275]
線形および二次可観測物を推定し、測定前に回路内部に粗いキャンセリングを配置する量子PDEアルゴリズムを開発した。
また、1次元のエネルギー直交ダイアド中間点の詳細に基づく非フーリエ実現を与える。
論文 参考訳（メタデータ） (2026-07-20T16:09:24Z) - Two-Tower Quantum Matrix Chain Multiplication: Trading Qubits for Depth [73.08853228981701]
行列連鎖乗法は、科学計算、機械学習、グラフ解析における問題である。
我々は、$K$行列の$mathcalW$を回路深さの量子状態にエンコードする量子サブルーチンであるemphTwo-Tower Matrixを提案する。
論文 参考訳（メタデータ） (2026-07-14T18:42:40Z) - Particle-preserving fermionic shadows with mode-independent sample complexity [0.0]
我々は、未知の$$$$$$n$-modeフェルミオン状態に関して、粒子保存作用素の期待値の学習問題を考察する。
我々の主な応用は任意のスレーター行列状態との重なりを推定することである。
第1量子符号化では、近似ユニタリ設計により、モード数で回路深さが多値になる。
論文 参考訳（メタデータ） (2026-06-25T16:37:29Z) - Optimal Scalar Quantization for Matrix Multiplication: Closed-Form Density and Phase Transition [50.36362492608702]
乗算前の2つの行列のエントリーワイズスカラー量子化について検討した。
我々は、閉形式の最適点密度 [ star(u) propto exp!left(-fracu26right)bigl( (1-2)+2u22bigr), qquad u=fracx_X を求め、相関駆動相転移を証明した。
論文 参考訳（メタデータ） (2026-03-20T01:53:44Z) - A probabilistic quantum algorithm for Lyapunov equations and matrix inversion [0.0]
リアプノフ方程式の解に比例した混合状態を生成する確率論的量子アルゴリズムを提案する。
各ステップでアルゴリズムは現在の状態を返すか、全く正の正の地図をトレースしないか、あるいは偏りのあるコインフリップとアンシラ測定の結果に応じて再起動する。
最も一般的な形式で、アルゴリズムは行列値の重み付き和と積分を近似した混合状態を生成する。
論文 参考訳（メタデータ） (2025-08-06T17:52:06Z) - Quantum algorithm for the gradient of a logarithm-determinant [0.0]
スパースランク入力演算子の逆を効率的に決定することができる。
このアルゴリズムは、完全に誤り訂正された量子コンピュータのために想定されている。
このアルゴリズムがカーネルベースの量子機械学習にどのように使えるかについて議論する。
論文 参考訳（メタデータ） (2025-01-16T09:39:31Z) - How to Capture Higher-order Correlations? Generalizing Matrix Softmax
Attention to Kronecker Computation [12.853829771559916]
本稿では,三重相関を捉える注意の一般化について検討する。
この一般化は、変圧器では不可能であった三重結合の検出に関する問題を解くことができる。
構築, アルゴリズム, 下位境界が自然に高次テンソルや相関に一般化されることが示される。
論文 参考訳（メタデータ） (2023-10-06T07:42:39Z) - Average-Case Complexity of Tensor Decomposition for Low-Degree
Polynomials [93.59919600451487]
多くの統計的推論タスクにおいて「統計計算ギャップ」が発生する。
1つの成分が他の成分よりもわずかに大きいランダムオーダー3分解モデルを考える。
テンソルエントリは$ll n3/2$のとき最大成分を正確に推定できるが、$rgg n3/2$のとき失敗する。
論文 参考訳（メタデータ） (2022-11-10T00:40:37Z) - Near-optimal fitting of ellipsoids to random points [68.12685213894112]
楕円体をランダムな点に合わせるという基本的な問題は、低ランク行列分解、独立成分分析、主成分分析に関係している。
我々はこの予想を、ある$n = Omega(, d2/mathrmpolylog(d))$ に対する適合楕円体を構成することで対数的因子まで解決する。
我々の証明は、ある非標準確率行列の便利な分解を用いて、サンダーソン等最小二乗構成の実現可能性を示す。
論文 参考訳（メタデータ） (2022-08-19T18:00:34Z) - Quantum algorithms for spectral sums [50.045011844765185]
正半定値行列(PSD)のスペクトル和を推定するための新しい量子アルゴリズムを提案する。
本稿では, スペクトルグラフ理論における3つの問題に対して, アルゴリズムと手法が適用可能であることを示す。
論文 参考訳（メタデータ） (2020-11-12T16:29:45Z) - Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。
代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文 参考訳（メタデータ） (2020-06-12T10:21:40Z)
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。