Fugu-MT 論文翻訳(概要): Shallow data-loading circuits for multivariable functions

論文の概要: Shallow data-loading circuits for multivariable functions

arxiv url: http://arxiv.org/abs/2611.02296v1
Date: Sun, 01 Nov 2026 23:45:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-12 05:12:27.591788
Title: Shallow data-loading circuits for multivariable functions
Title（参考訳）: 多変数関数のための浅部データローディング回路
Abstract要約: 我々は,D$次元ハイパーキューブ上の解析関数に対して,浅いQROM,対角ブロック符号化,量子状態準備法を構築する。 n$ qubitsと2- (n/D)$エラーでは、これらの回路は深さが$O left( sqrtfracn log (n)D right)$ in the Clifford + $T$ gate set, albeit using $2O(sqrtnD log (n))$ ancilla qubits
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: We construct shallow QROM, diagonal block-encoding, and quantum state preparation oracles for analytic functions on the $D$-dimensional hypercube $[0, 1]^D$. On $n$ qubits and with $2^{- Ω(n/D)}$ error, these circuits have depths of $O \left( \sqrt{\frac{n \log_2 (n)}{D}} \right)$ in the Clifford + $T$ gate set, albeit using $2^{O(\sqrt{nD \log_2 (n)})}$ ancilla qubits. This is a near-quadratic depth reduction compared to known linear-depth methods.
Abstract（参考訳）: D$-dimensional hypercube $[0, 1]^D$ 上の解析関数に対する浅い QROM, 対角ブロック符号化, 量子状態準備オラクルを構築する。 n$ qubits と $2^{- Ω(n/D)} の誤差では、これらの回路の深さは$O \left( \sqrt {\frac{n \log_2 (n)}{D}} \right)$ Clifford + $T$ gate set, albeit using $2^{O(\sqrt{nD \log_2 (n)})}$ ancilla qubits である。これは、既知の線形深度法と比較して、ほぼ四分法に近い深さの減少である。

関連論文リスト

Mid-circuit measurements and feedforward implement every unitary exactly in constant depth [0.0]
フィードフォワードによる中間回路測定は、正確な$n$-qubitのユニタリ合成において最適な最悪の量子深さを減少させる。我々の決定論的構成は、単一キュービットの測定、$O(1)$パリティフィードフォワードのラウンド、$O(n4nlog(n+2))$トータルキュービットを使用する。
論文参考訳（メタデータ） (2026-10-05T15:43:41Z)
Polynomial-time additive-error estimation of output probabilities for shallow quantum circuits [0.17398560678845074]
我々は、$|langle x|U|0nrangle|2$ to additive error $varepsilon$ in $mathrmpoly(n, 1/varepsilon)$ timeを推定する決定論的古典的アルゴリズムを与える。
論文参考訳（メタデータ） (2026-10-01T17:49:01Z)
(Almost) quadruply optimal unitary designs in 1D [0.0]
回路深さ$O(log(n/varepsilon) + klog k)$を相対誤差で達成する。これは、回路深度が$(log(n/varepsilon) + k)$、必要数の$T$ゲートが$widetilde(nk)$と一致する。
論文参考訳（メタデータ） (2026-08-19T07:56:18Z)
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)
Spectral Gaps with Quantum Counting Queries and Oblivious State Preparation [47.600794349481966]
本研究では、量子ビットの対数数を用いて、加算誤差$epsilonDelta_k$まで値を近似する量子アルゴリズムを提案する。この分析における重要な技術的ステップは、適切なランダム初期状態の準備であり、最終的には閾値よりも小さい固有値の数を効率的に数えることができる。
論文参考訳（メタデータ） (2025-08-28T17:04:18Z)
Depth-Efficient Quantum Circuit Synthesis for Deterministic Dicke State Preparation [5.755460769073285]
ディック状態は量子コンピューティングに広く応用された、絡み合った量子状態の重要なクラスを表す。一般に見られる2つの量子ビット接続制約の下でDicke状態生成のための決定論的量子回路を提案する。
論文参考訳（メタデータ） (2025-05-21T11:55:17Z)
Solving Quadratic Systems with Full-Rank Matrices Using Sparse or Generative Priors [33.0212223058894]
二次系$y_i=boldsymbol xtopboldsymbol A_iboldsymbol x, i=1,ldots,m$とフルランク行列$boldsymbol A_i$からの信号を回復する問題は、未割り当て距離幾何学やサブ波長イメージングなどの応用で頻繁に発生する。本稿では、$mll n$ が $boldsymbol x$ の事前知識を取り入れた高次元の場合について述べる。
論文参考訳（メタデータ） (2023-09-16T16:00:07Z)
Low-degree learning and the metric entropy of polynomials [44.99833362998488]
少なくとも$Omega(sqrtvarepsilon)2dlog n leq log mathsfM(mathscrF_n,d,|cdot|_L,varepsilon)は2辺の推定値$c(1-varepsilon)2dlogを満たす。
論文参考訳（メタデータ） (2022-03-17T23:52:08Z)
Infinite-Horizon Offline Reinforcement Learning with Linear Function Approximation: Curse of Dimensionality and Algorithm [46.36534144138337]
本稿では,オフライン強化学習におけるポリシー評価のサンプル複雑さについて検討する。低分布シフトの仮定の下では、最大$oleft(maxleft fracleftvert thetapirightvert _24varepsilon4logfracddelta,frac1varepsilon2left(d+logfrac1deltaright)right right)$サンプルを必要とするアルゴリズムがあることを示す。
論文参考訳（メタデータ） (2021-03-17T18:18:57Z)
Quantum-classical algorithms for skewed linear systems with optimized Hadamard test [10.386115383285288]
我々は、過度に決定された場合と過度に決定された場合のスキュード線形系に対するハイブリッド量子古典アルゴリズムについて論じる。我々の入力モデルは、線形系を定義する行列の列または行が多対数深さの量子回路によって与えられるようなものである。本稿では,各次元における実時間多対数性を持つ分解線形系の特殊ケースに対するアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-09-28T12:59:27Z)

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。