Fugu-MT 論文翻訳(概要): Optimal Linear Combination of Hamiltonian Simulation for Dissipative Dynamics

論文の概要: Optimal Linear Combination of Hamiltonian Simulation for Dissipative Dynamics

arxiv url: http://arxiv.org/abs/2610.39541v1
Date: Thu, 29 Oct 2026 07:43:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 23:29:50.01737
Title: Optimal Linear Combination of Hamiltonian Simulation for Dissipative Dynamics
Title（参考訳）: 散逸ダイナミクスのためのハミルトンシミュレーションの最適線形結合
Abstract要約: ハミルトニアンシミュレーション(LCHS)の線形結合は、量子コンピュータ上での散逸ダイナミクスをシミュレーションする効率的な方法である。 NiとYingciteNY26が提案するカーネルファミリーは,ミニマックスのLCHSクエリコストを最小化する。
参考スコア（独自算出の注目度）: 13.252368760346265
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Linear combination of Hamiltonian simulation (LCHS) is an efficient method for simulating dissipative dynamics on quantum computers. The choice of the LCHS kernel controls the cost of the algorithm. We prove that the kernel family proposed by Ni and Ying~\cite{NY26} minimizes the LCHS query cost in the minimax sense. For target accuracy $ε$, the minimum cost is asymptotically $\frac{2\mathrm{e}}π(\ln\frac1ε-\ln\ln\frac1ε+o(1))$, with optimal leading constant $\frac{2\mathrm{e}}π$. Our lower-bound proof combines weak duality with a realization lemma that approximates extremal dual functions by matrix elements of dissipative evolutions.
Abstract（参考訳）: ハミルトニアンシミュレーション(LCHS)の線形結合は、量子コンピュータ上での散逸ダイナミクスをシミュレーションする効率的な方法である。 LCHSカーネルの選択はアルゴリズムのコストを制御する。我々は,Ni と Ying~\cite{NY26} が提案するカーネルファミリーがminimax の意味においてLCHS クエリコストを最小限に抑えることを証明した。目標精度$ε$に対して、最小コストは漸近的に $\frac{2\mathrm{e}}π(\ln\frac1ε-\ln\ln\frac1ε+o(1))$ であり、最適リード定数$\frac{2\mathrm{e}}π$ である。我々の下界証明は、散逸進化の行列要素による極端双対函数を近似する実現補題と弱双対性を組み合わせたものである。

関連論文リスト

Optimal kernel functions for linear combination of Hamiltonian simulation [0.0]
ハミルトニアンシミュレーション(LCHS)の線形結合は、線形非単体力学の量子シミュレーションに最適である。自然複素解析条件により定義される許容可能なカーネル関数のクラスを拡張したクラスに対してLCHS近似定理を確立する。この関数の最小値は、$tfrac2mathrmebig(logfrac1varepsilon-logfrac1varepsilon+o(1)big)$ as $varepsilondownarrow0$であることを示す。
論文参考訳（メタデータ） (2026-10-02T17:39:24Z)
Quantum Eigenvalue Transformation via Linear Combination of Hamiltonian Simulation: A Weyl Calculus Approach [13.252368760346265]
ハミルトニアンシミュレーション(LCHS)の線形結合は、量子コンピュータ上で行列指数を$e-tA$で実装する効率的な方法を提供する。一般行列関数が$f(A)$の場合、$f$は$A$の数値範囲で解析的であり、$A$はおそらく非正規である。我々の構成は、最適な$mathcalO(logfrac1)$クエリ複雑性スケーリングを備えた量子固有値変換アルゴリズムを生成する。
論文参考訳（メタデータ） (2026-06-29T06:37:46Z)
Stochastic Momentum Methods for Non-smooth Non-Convex Finite-Sum Coupled Compositional Optimization [68.22688819802622]
我々は、(ほぼ)$レベルのKKTソリューションを見つけるために、$O(/epsilon)$の最先端の複雑さを新たに提案する。 O(/epsilon)$ の(ほぼ) $ レベルの KKT ソリューションを見つけるための技術的複雑さを適用することで、(ほぼ) $ レベルの KKT ソリューションを見つけるための $O(/epsilon)$ の最先端の複雑さを新たに達成する。
論文参考訳（メタデータ） (2025-06-03T06:31:59Z)
Obtaining Lower Query Complexities through Lightweight Zeroth-Order Proximal Gradient Algorithms [65.42376001308064]
複素勾配問題に対する2つの分散化ZO推定器を提案する。我々は、現在最先端の機能複雑性を$mathcalOleft(minfracdn1/2epsilon2, fracdepsilon3right)$から$tildecalOleft(fracdepsilon2right)$に改善する。
論文参考訳（メタデータ） (2024-10-03T15:04:01Z)
Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
論文参考訳（メタデータ） (2024-05-10T09:58:47Z)
A quantum central path algorithm for linear optimization [5.450016817940232]
中心経路の量子力学的シミュレーションにより線形最適化問題を解くための新しい量子アルゴリズムを提案する。このアプローチは、$m$制約と$n$変数を含む線形最適化問題を$varepsilon$-optimalityに解くアルゴリズムをもたらす。標準ゲートモデル(すなわち、量子RAMにアクセスせずに)では、我々のアルゴリズムは少なくとも$$mathcalO left( sqrtm + n textsfnnz (A) fracR_1 を用いてLO問題の高精度な解を得ることができる。
論文参考訳（メタデータ） (2023-11-07T13:26:20Z)
Quantum Simulation of the First-Quantized Pauli-Fierz Hamiltonian [0.5097809301149342]
我々は、我々の分割と形式主義の征服を通じて、大きな$Lambda$の量子化よりも優れたスケーリングと量子化を得られることを示す。また,マルチコントロールされたXゲート群を実装する新しい方法を含む,ゲート最適化のための新しいアルゴリズムおよび回路レベル技術も提供する。
論文参考訳（メタデータ） (2023-06-19T23:20:30Z)
Minimax Optimal Quantization of Linear Models: Information-Theoretic Limits and Efficient Algorithms [59.724977092582535]
測定から学習した線形モデルの定量化の問題を考える。この設定の下では、ミニマックスリスクに対する情報理論の下限を導出する。本稿では,2層ReLUニューラルネットワークに対して,提案手法と上界を拡張可能であることを示す。
論文参考訳（メタデータ） (2022-02-23T02:39:04Z)
Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。