論文の概要: Multinomial shot sampling for quantum circuits
- arxiv url: http://arxiv.org/abs/2610.35119v1
- Date: Mon, 26 Oct 2026 09:55:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 18:28:26.816002
- Title: Multinomial shot sampling for quantum circuits
- Title（参考訳）: 量子回路用マルチナノショットサンプリング
- Abstract要約: 古典的な量子回路のシミュレーションでは、最終状態からのサンプリングショットはルーチンだがコストがかかるステップである。
提案手法の実装について述べるとともに,確率がいくつかの結果に集中している状態の計算を短縮する。
私たちの実装は、テスト対象のすべての構成においてより高速で、ショットの数で成長し、ほとんどの構成で103ドルを超える要因によって、S = 106ドルになります。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In classical simulations of quantum circuits, sampling shots (measurement outcomes) from the final state is a routine but costly step. In widely used software, including Qiskit and PennyLane, its cost grows linearly with the number of shots $S$, even when the simulation has already produced the full state vector, because every shot is generated and processed individually. If only the measurement counts are needed, this is unnecessary. The counts can be drawn directly from a multinomial distribution, decomposed into a sequence of conditional binomial draws, each performed in expected constant time by the BTPE algorithm. The sampling cost is then independent of $S$. We describe an implementation of this approach, which also shortens the computation for states whose probability is concentrated on a few outcomes, and compare it with Qiskit's sampling primitives for up to 20 qubits and $10^6$ shots. Our implementation is faster in every configuration tested, by a factor that grows with the number of shots and exceeds $10^3$ in most configurations at $S = 10^6$, and its samples are statistically indistinguishable from those of the reference implementations.
- Abstract（参考訳）: 古典的な量子回路シミュレーションでは、最終状態からのサンプリングショット(測定結果)はルーチンだがコストがかかるステップである。
QiskitやPennyLaneなど、広く使われているソフトウェアでは、すべてのショットが生成され、個別に処理されるため、シミュレーションが既に完全な状態ベクトルを生成した場合でも、そのコストはショット数$S$とともに直線的に増加する。
測定値が必要な場合のみ、これは不要である。
カウントは多項分布から直接引き出すことができ、条件付き二項引き数列に分解され、それぞれBTPEアルゴリズムによって期待された一定時間で実行される。
次にサンプリングコストは$S$とは独立である。
このアプローチの実装について述べるとともに、確率がいくつかの結果に集中している状態の計算を短縮し、最大20キュービットと10^6$ショットでQiskitのサンプリングプリミティブと比較する。
我々の実装は、テスト対象のすべての構成においてより高速で、ショットの数で成長し、ほとんどの構成において10^3$を超える因子によって、S = 10^6$で、そのサンプルは、参照実装と統計的に区別できない。
関連論文リスト
- Random Projections for Multi-Copy Quantum Algorithms [3.995502708329505]
量子状態の非線形特性を推定することは、量子情報科学における中心的な課題である。
スワップテストに基づく標準プロトコルは、完全なヒルベルト空間上のコヒーレントな操作を必要とする。
低次元部分空間へのランダムなプロジェクションに基づくマルチコピー計測のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-18T13:49:14Z) - Noisy Quantum Simulation Using Tracking, Uncomputation and Sampling [1.989128176079823]
ほとんどの研究者にとって、量子ハードウェア上の計算時間へのアクセスは限られている。
これにより、量子回路の実行を正確に、かつ正確に模倣するシミュレータを構築する必要が生じる。
本稿では,雑音量子シミュレーションのためのTUSQ - Tracking, Uncomputation, Smplingを提案する。
論文 参考訳（メタデータ） (2025-08-06T21:08:39Z) - On sampling determinantal and Pfaffian point processes on a quantum
computer [49.1574468325115]
DPPは1970年代の量子光学のモデルとしてマッキによって導入された。
ほとんどのアプリケーションはDPPからのサンプリングを必要としており、その量子起源を考えると、古典的なコンピュータでDPPをサンプリングするのは古典的なものよりも簡単かどうか疑問に思うのが自然である。
バニラサンプリングは、各コスト$mathcalO(N3)$と$mathcalO(Nr2)$の2つのステップから構成される。
論文 参考訳（メタデータ） (2023-05-25T08:43:11Z) - More Optimal Simulation of Universal Quantum Computers [0.0]
最悪のサンプリングコストは$le(2+sqrt2)xi_t delta-1$であり、$t rightarrow infty$である。
我々は、この68倍のプレファクタを、相関サンプリングにより$t$の先行値の低減により削減する。
論文 参考訳（メタデータ） (2022-02-02T19:00:03Z) - Solving the sampling problem of the Sycamore quantum circuits [6.0604034858265345]
本研究では,GoogleのSycamore量子回路の出力分布から,目的の忠実度を持つ独立サンプルを生成する問題について検討する。
本稿では,対応するテンソルネットワークを1回だけ契約することで,この問題を古典的に解決する手法を提案する。
530ドルキュービットと20ドルサイクルのSycamore量子超越回路では、無相関なビットストリングが100万個発生しました。
論文 参考訳（メタデータ） (2021-11-04T17:13:09Z) - Optimal Testing of Discrete Distributions with High Probability [49.19942805582874]
高確率状態に着目して離散分布を試験する問題について検討する。
一定の要素でサンプル最適である近接性および独立性テストのための最初のアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-09-14T16:09:17Z) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳（メタデータ） (2020-06-04T17:51:00Z) - Locally Private Hypothesis Selection [96.06118559817057]
我々は、$mathcalQ$から$p$までの総変動距離が最良の分布に匹敵する分布を出力する。
局所的な差分プライバシーの制約は、コストの急激な増加を引き起こすことを示す。
提案アルゴリズムは,従来手法のラウンド複雑性を指数関数的に改善する。
論文 参考訳（メタデータ） (2020-02-21T18:30:48Z)
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。