論文の概要: KrMM Recurrences: HPC-Enhanced Estimators for Nonlinear Classical Shadows

• arxiv url: http://arxiv.org/abs/2610.26472v1
• Date: Mon, 19 Oct 2026 14:19:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 03:02:01.819334
• Title: KrMM Recurrences: HPC-Enhanced Estimators for Nonlinear Classical Shadows
• Title（参考訳）: KrMM再帰:非線形古典影に対するHPC強化推定器
• Abstract要約: 関数の推定器で発生する計算カーネルは、一般に解くのが難しい問題のクラスである。 この構造は,カスタムSIMDベクトル化とともに並列化が可能であり,計算コストを大幅に削減できることを示す。
• 参考スコア（独自算出の注目度）: 1.8920934738244026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While quantum technologies are rapidly evolving, near-term applications heavily rely on hybrid quantum-classical paradigms. Among these, the classical shadows framework has gained a lot of traction, not only for quantum information science, but also for the development and verification of quantum hardware. It allows to efficiently classically estimate many properties of quantum states from randomized measurements alone, a task that is otherwise intractable due to the destructive nature of measurements in quantum systems. There are, however, many properties of interest that are, due to their very problem formulation, not efficiently estimable. In this work, we identify a computational kernel occurring in estimators of polynomial functions, a class of problems that are in general computationally difficult to solve. We show that this structure allows a row-wise partition that, together with a custom SIMD vectorization, enables massive parallelization and can reduce the computational cost significantly. We show applicability and scalability of the approach on different tasks, and our results showcase that the approach allows high sequential throughput and close-to-ideal parallel scaling. The work thus provides a new way of identifying and exploiting structure in classical shadow estimators, resulting in practical advantages on inherently difficult problems.
• Abstract（参考訳）: 量子技術は急速に進化しているが、短期的応用はハイブリッド量子古典パラダイムに大きく依存している。 これらの中、古典的なシャドウフレームワークは、量子情報科学だけでなく、量子ハードウェアの開発と検証にも多くの注目を集めている。 ランダム化された測定のみから、量子状態の多くの特性を効率よく古典的に推定することができる。 しかし、非常に問題的な定式化のため、効率的に見積もることができない多くの興味のある性質がある。 本研究では,多項式関数の推定器で発生する計算カーネルを,一般に解くのが難しい問題のクラスとして同定する。 この構造は,カスタムSIMDベクトル化とともに並列化が可能であり,計算コストを大幅に削減できることを示す。 異なるタスクに対するアプローチの適用性と拡張性を示し、その結果、このアプローチが高いシーケンシャルなスループットとクローズ・トゥ・イデアルな並列スケーリングを可能にしていることを示す。 この研究は、古典的な影推定器の構造を特定し、活用する新しい方法を提供し、結果として本質的に難しい問題に対して実践的な優位性をもたらす。

関連論文リスト

• Learnable yet not simulable: a quantum resource theory of learning models [57.695822250391906]
  量子資源が量子回路の古典的な学習可能性を支配するかは、いまだ不明である。 チューナブル量子回路系の期待値関数について検討する。 これらの結果は,古典シミュレーションと学習の境界を記述するための定量的な資源理論の枠組みを確立する。
  論文  参考訳（メタデータ） (2026-08-03T14:48:03Z)
• Quantum-accelerated conjugate gradient methods via spectral initialization [0.0]
  フォールトトレラント量子アルゴリズムは、古典的共役勾配解法(CG)のスペクトル情報の初期推定を構築するためにのみ用いられる。 QACGの中心的な特徴は、量子と古典的解法の間の条件数の制御可能な分解である。 その結果,早期のフォールトトレラント量子コンピューティングの科学的,産業的利用への具体的な道筋が示されている。
  論文  参考訳（メタデータ） (2026-02-10T11:51:42Z)
• Quantum Interior Point Methods: A Review of Developments and An Optimally Scaling Framework [0.0]
  大規模でデータ集約的な線形および円錐最適化問題の解決に対する需要が高まっており、古典的なインテリアポイント法の限界が強調されている。 量子コンピューティングの最近の進歩、特に量子線形系解法は、IPMの最も計算集約的なステップへの有望な道を提供する。 これらの課題に対処するためにQIPMが開発され、実現可能性維持、反復改良、プレコンディショニングといった技術が取り入れられている。
  論文  参考訳（メタデータ） (2025-12-06T00:13:27Z)
• Entanglement-assisted variational algorithm for discrete optimization problems [0.0]
  離散最適化問題は、しばしば正確に難解であり、近似メソッドの使用を必要とする。 古典物理学に触発されたヒューリスティックスは、長い間この領域において中心的な役割を果たしてきた。 量子アニールは、アナログおよびデジタル量子デバイスの両方で実現されたハードウェア実装によって、有望な代替手段として登場した。
  論文  参考訳（メタデータ） (2025-01-15T19:00:10Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [88.57261102552016]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Scalable Quantum Computation of Highly Excited Eigenstates with Spectral Transforms [0.76146285961466]
  我々はHHLアルゴリズムを用いて、物理的ハミルトニアンの内部固有状態を変動的かつ標的的に生成する。 これは量子コンピュータ上の逆ハミルトニアンの期待値の効率的な計算によって実現される。 本稿では, フォールトトレラント, 短期量子コンピュータにおけるこの方式の実装について詳述する。
  論文  参考訳（メタデータ） (2023-02-13T19:01:02Z)
• Variational Quantum Algorithms for Computational Fluid Dynamics [0.0]
  変分量子アルゴリズムは、ノイズ耐性が比較的高いため、特に有望である。 本稿では,変分量子アルゴリズムの計算流体力学への応用について述べる。 古典的な計算手法に対する量子的優位性は、この10年の終わりまでに達成できると我々は主張する。
  論文  参考訳（メタデータ） (2022-09-11T18:49:22Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)

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。