論文の概要: Simplification Rules for Continuous-Time Quantum Walks on Dynamic Graphs

• arxiv url: http://arxiv.org/abs/2609.18463v1
• Date: Wed, 16 Sep 2026 10:58:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.76434
• Title: Simplification Rules for Continuous-Time Quantum Walks on Dynamic Graphs
• Title（参考訳）: 動的グラフを用いた連続時間量子ウォークの簡易化法則
• Abstract要約: 動的グラフ上の連続時間量子ウォーク(CTQW)は、時間進化グラフハミルトニアンの列として量子ゲートを実現する。 標準のシングルキュービットゲートをCTQWで実現し,新しいグラフ書き換えルールを導入する。
• 参考スコア（独自算出の注目度）: 0.18641315013048296
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous-time quantum walks (CTQWs) on dynamic graphs realize quantum gates as sequences of time-evolving graph Hamiltonians, but naive constructions produce long sequences with redundancy. Simplification rules, which are graph rewrite rules that shorten a dynamic graph sequence while preserving the unitary it implements, are the CTQW analogue of circuit identities in the gate model. In this work, we give CTQW realizations of the standard single-qubit gates and introduce new graph rewrite rules. We demonstrate the simplification rules through worked circuit reductions and outline their use as transpilation primitives for converting between the circuit model and the dynamic graph framework.
• Abstract（参考訳）: 動的グラフ上の連続時間量子ウォーク(CTQW)は、時間進化するグラフハミルトニアンの列として量子ゲートを実現するが、単純構造は冗長性を持った長いシーケンスを生成する。 単純化ルール(Simplification rules)は、実装するユニタリを保ちながら動的グラフ列を短くするグラフ書き換えルールであり、ゲートモデルにおける回路IDのCTQWアナログである。 本研究では,標準シングルキュービットゲートをCTQWで実現し,新しいグラフ書き換え規則を導入する。 動作回路の縮小による単純化ルールを実証し、回路モデルと動的グラフフレームワーク間の変換におけるトランスパイルプリミティブとしての使用法を概説する。

関連論文リスト

• On the Expressive Power of the Transverse-Field Ising Model for Graph Learning [1.4323566945483497]
  グラフをインデックス化したIsing Hamiltonianによって誘導される量子進化を、グラフ学習のための構造信号の源として研究する。 QDAGerは,ノード占有の時系列から量子力学的特徴を注入する量子インスピレーショングラフペア変換器である。
  論文  参考訳（メタデータ） (2026-08-18T13:12:50Z)
• Continuous-time quantum walk on a random graph using quantum circuits [0.0]
  量子ウォーク、特に連続時間量子ウォーク(CTQW)は、量子輸送をモデル化し、複雑な力学をシミュレートし、古典的な速さで量子アルゴリズムを開発するための強力なツールとして登場した。 本稿では, ランダムグラフ構造, 特に ErdHos-R'enyiランダムグラフのCTQWをシミュレートするスケーラブルな量子回路形式を提案する。
  論文  参考訳（メタデータ） (2025-10-16T17:24:14Z)
• Efficient Sparse State Preparation via Quantum Walks [4.864856930458624]
  我々は,単一エッジと自己ループの動的CTQWを計算のゲートモデルに変換するアルゴリズムを開発した。 このマッピングを用いて、動的CTQWに基づく効率的な量子状態準備フレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-30T17:28:23Z)
• Graph Condensation for Open-World Graph Learning [48.38802327346445]
  グラフ凝縮(GC)は、グラフニューラルネットワーク(GNN)を効率的に訓練するための有望な加速ソリューションとして登場した。 既存のGCメソッドは、単に観測された静的グラフ分布と凝縮グラフの整合性に制限される。 しかし、現実のシナリオでは、グラフは動的で常に進化しており、新しいノードとエッジが継続的に統合されている。 グラフパターンの進化をシミュレートするために構造対応分散シフトを統合する,堅牢なGCフレームワークであるOpenGCを提案する。
  論文  参考訳（メタデータ） (2024-05-27T09:47:09Z)
• Continuous Temporal Graph Networks for Event-Based Graph Data [41.786721257905555]
  本研究では、時間グラフデータの連続的ダイナミクスを捉えるために、CTGN(Continuous Temporal Graph Networks)を提案する。 鍵となる考え方は、ニューラルネットワークの常微分方程式(ODE)を用いて、動的グラフ上のノード表現の連続的ダイナミクスを特徴づけることである。 帰納的タスクと帰納的タスクの両方の実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-05-31T16:17:02Z)
• Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
  時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。 本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。 この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
  論文  参考訳（メタデータ） (2021-08-06T19:38:01Z)
• Simplifying Continuous-Time Quantum Walks on Dynamic Graphs [0.0]
  動的グラフ上の連続時間量子ウォークは、グラフのエッジを符号化するハミルトンの列でシュル「オーディンガーの方程式によって進化する。 本稿では,動的グラフを単純化可能な6つのシナリオを提案する。
  論文  参考訳（メタデータ） (2021-06-10T19:24:32Z)
• Dirichlet Graph Variational Autoencoder [65.94744123832338]
  本稿では,グラフクラスタメンバシップを潜在因子とするDGVAE(Dirichlet Graph Variational Autoencoder)を提案する。 バランスグラフカットにおける低パス特性により、入力グラフをクラスタメンバシップにエンコードする、Heattsと呼ばれるGNNの新しい変種を提案する。
  論文  参考訳（メタデータ） (2020-10-09T07:35:26Z)
• Data-Driven Learning of Geometric Scattering Networks [74.3283600072357]
  最近提案された幾何散乱変換の緩和に基づく新しいグラフニューラルネットワーク(GNN)モジュールを提案する。 我々の学習可能な幾何散乱(LEGS)モジュールは、ウェーブレットの適応的なチューニングを可能にし、学習された表現に帯域通過の特徴が現れるように促す。
  論文  参考訳（メタデータ） (2020-10-06T01:20:27Z)

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。