Stima dell'ampiezza dall'elaborazione quantistica del segnale

Stima dell'ampiezza dall'elaborazione quantistica del segnale

Timestamp: 2 marzo 2023 12:06
Nodo di origine: 1988374

Patrick Rall1 e Bryce Fuller2

1IBM Quantum, MIT-IBM Watson AI Lab, Cambridge, Massachusetts 02142, Stati Uniti
2IBM Quantum, Thomas J Watson Research Center, Yorktown Heights, New York 10598, Stati Uniti

Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.

Astratto

Gli algoritmi di stima dell'ampiezza si basano sull'algoritmo di Grover: riflessioni alternate sullo stato dell'input e sul risultato desiderato. Ma cosa succede se ci viene data la possibilità di eseguire rotazioni arbitrarie, invece di semplici riflessioni? In questa situazione, scopriamo che l'elaborazione del segnale quantistico ci consente di stimare l'ampiezza in modo più flessibile. Sfruttiamo questa tecnica per fornire algoritmi migliorati e semplificati per molte attività di stima dell'ampiezza: eseguiamo stime non distruttive senza alcuna ipotesi sull'ampiezza, sviluppiamo un algoritmo con prestazioni migliorate nella pratica, presentiamo un nuovo metodo per la stima imparziale dell'ampiezza e infine diamo un metodo più semplice per scambiare la profondità del circuito quantistico con più ripetizioni di cortocircuiti.

► dati BibTeX

► Riferimenti

, Arjan Cornelissen, Yassine Hamoudi Un algoritmo quantistico sublineare per l'approssimazione delle funzioni di partizione arXiv:2207.08643 Atti del 34° simposio sugli algoritmi discreti (SODA) (2022).
https: / / doi.org/ 10.1137 / 1.9781611977554.ch46
arXiv: 2207.08643

, Joran van Apeldoorn, Arjan Cornelissen, András Gilyén, Giacomo Nannicini Tomografia quantistica utilizzando unità di preparazione dello stato arXiv:2207.08800 Atti del 34th Symposium on Discrete Algorithms (SODA) (2022).
https: / / doi.org/ 10.1137 / 1.9781611977554.ch47
arXiv: 2207.08800

, Yunpeng Zhao, Haiyan Wang, Kuai Xu, Yue Wang, Ji Zhu, Feng Wang Algoritmo adattivo per la stima dell'ampiezza quantistica arXiv:2206.08449 (2022).
arXiv: 2206.08449

, Alberto Manzano, Daniele Musso, Álvaro Leitao Stima dell'ampiezza quantistica reale arXiv:2204.13641 EPJ Quantum Technol. 10, 2 (2022).
https:/​/​doi.org/​10.1140/​epjqt/​s40507-023-00159-0
arXiv: 2204.13641

, Algoritmi di ricerca quantistico-classici ibridi Ansis Rosmanis arXiv:2202.11443 (2022).
arXiv: 2202.11443

, Jiasu Wang, Yulong Dong, Lin Lin Sul panorama energetico dell'elaborazione del segnale quantistico simmetrico arXiv:2110.04993 Quantum 6, 850 (2021).
https:/​/​doi.org/​10.22331/​q-2022-11-03-850
arXiv: 2110.04993

, Noah Linden, Ronald de Wolf La verifica del caso medio della trasformata quantistica di Fourier consente la stima della fase del caso peggiore arXiv:2109.10215 Quantum 6, 872 (2021).
https:/​/​doi.org/​10.22331/​q-2022-12-07-872
arXiv: 2109.10215

, Tudor Giurgica-Tiron, Sonika Johri, Iordanis Kerenidis, Jason Nguyen, Neal Pisenti, Anupam Prakash, Ksenia Sosnova, Ken Wright, William Zeng Stima dell'ampiezza a bassa profondità su un computer quantistico di ioni intrappolati arXiv:2109.09685 Physical Review Research 4, 033034 (2021) .
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033034
arXiv: 2109.09685

, John M. Martyn, Zane M. Rossi, Andrew K. Tan, Isaac L. Chuang Una grande unificazione degli algoritmi quantistici arXiv:2105.02859 PRX Quantum 2, 040203 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040203
arXiv: 2105.02859

, Patrick Rall Algoritmi quantistici coerenti più veloci per la stima di fase, energia e ampiezza arXiv:2103.09717 Quantum 5, 566 (2021).
https:/​/​doi.org/​10.22331/​q-2021-10-19-566
arXiv: 2103.09717

, Tudor Giurgica-Tironc, Iordanis Kerenidisa, Farrokh Labibd, Anupam Prakash e William Zeng Algoritmi a bassa profondità per la stima dell'ampiezza quantistica arXiv:2012.03348 Quantum 6, 745 (2020).
https:/​/​doi.org/​10.22331/​q-2022-06-27-745
arXiv: 2012.03348

, Ramgopal Venkateswaran, Ryan O'Donnell Conteggio approssimativo quantistico con iterazioni Grover non adattive arXiv: 2010.04370 38 ° Simposio internazionale sugli aspetti teorici dell'informatica (STACS) (2020).
https: / / doi.org/ 10.4230 / LIPIcs.STACS.2021.59
arXiv: 2010.04370

, Srinivasan Arunachalam, Vojtech Havlicek, Giacomo Nannicini, Kristan Temme, Pawel Wocjan Algoritmi più semplici (classici) e più veloci (quantistici) per le funzioni di partizione di Gibbs arXiv:2009.11270 Quantum 6, 789 (2020).
https:/​/​doi.org/​10.22331/​q-2022-09-01-789
arXiv: 2009.11270

, Kwangmin Yu, Hyunkyung Lim, Pooja Rao, Dasol Jin Confronto degli algoritmi di stima dell'ampiezza mediante implementazione arXiv:2005.05300 (2020).
arXiv: 2005.05300

, Rui Chao, Dawei Ding, Andras Gilyen, Cupjin Huang, Mario Szegedy Trovare gli angoli per l'elaborazione del segnale quantistico con la precisione della macchina arXiv: 2003.02831 (2020).
arXiv: 2003.02831

, Kouhei Nakaji Stima dell'ampiezza più rapida arXiv:2003.02417 QIC20.13-14-2 (2020).
https: / / doi.org/ 10.26421 / QIC20.13-14-2
arXiv: 2003.02417

, Lin Lin, Yu Tong. Preparazione dello stato fondamentale quasi ottimale Quantum 4, 372 arXiv:2002.12508 (2020).
https:/​/​doi.org/​10.22331/​q-2020-12-14-372
arXiv: 2002.12508

, Dmitry Grinko, Julien Gacon, Christa Zoufal, Stefan Woerner Stima dell'ampiezza quantistica iterativa npj Quantum Inf 7, 52 arXiv:1912.05559 (2019).
https:/​/​doi.org/​10.1038/​s41534-021-00379-1
arXiv: 1912.05559

, Scott Aaronson, Patrick Rall. Conteggio quantistico approssimativo, Simposio semplificato sulla semplicità negli algoritmi. 2020, 24-32 arXiv:1908.10846 (2019).
https: / / doi.org/ 10.1137 / 1.9781611976014.5 mila
arXiv: 1908.10846

, Aram W. Harrow, Annie Y. Wei. Adaptive Quantum Simulated Annealing per l'inferenza bayesiana e la stima delle funzioni di partizione Proc. di SODA 2020 arXiv:1907.09965 (2019).
https: / / doi.org/ 10.1137 / 1.9781611975994.12 mila
arXiv: 1907.09965

, Yohichi Suzuki, Shumpei Uno, Rudy Raymond, Tomoki Tanaka, Tamiya Onodera, Naoki Yamamoto Stima dell'ampiezza senza stima della fase arXiv:1904.10246 Quantum Information Processing, 19, 75 (2019).
https:/​/​doi.org/​10.1007/​s11128-019-2565-2
arXiv: 1904.10246

, Jeongwan Haah Decomposizione del prodotto di funzioni periodiche nell'elaborazione del segnale quantistico Quantum 3, 190. arXiv:1806.10236 (2018).
https:/​/​doi.org/​10.22331/​q-2019-10-07-190
arXiv: 1806.10236

, András Gilyén, Yuan Su, Guang Hao Low, Nathan Wiebe Trasformazione del valore singolare quantistico e oltre: miglioramenti esponenziali per l'aritmetica della matrice quantistica arXiv:1806.01838 (2018).
https: / / doi.org/ 10.1145 / 3313276.3316366 mila
arXiv: 1806.01838

, András Gilyén, Yuan Su, Guang Hao Low, Nathan Wiebe Trasformazione del valore singolare quantistico e oltre: miglioramenti esponenziali per l'aritmetica della matrice quantistica Atti del 51° simposio annuale ACM SIGACT sulla teoria dell'informatica (STOC 2019) Pagine 193–204 (2019).
https: / / doi.org/ 10.1145 / 3313276.3316366 mila

, Guang Hao Low, Isaac L. Chuang Simulazione hamiltoniana mediante amplificazione spettrale uniforme arXiv: 1707.05391 (2017).
arXiv: 1707.05391

, Guang Hao Low, Isaac L. Chuang Simulazione hamiltoniana mediante Qubitization Quantum 3, 163 arXiv:1610.06546 (2016).
https:/​/​doi.org/​10.22331/​q-2019-07-12-163
arXiv: 1610.06546

, Guang Hao Low, Isaac L. Chuang Simulazione hamiltoniana ottimale mediante Quantum Signal Processing Phys. Rev. Lett. 118, 010501 arXiv:1606.02685 (2016).
https: / / doi.org/ 10.1103 / PhysRevLett.118.010501
arXiv: 1606.02685

, Earl T. Campbell, Joe O'Gorman Un efficiente approccio allo stato magico alle rotazioni di piccoli angoli Quantum Science and Technology, 1, 015007 arXiv:1603.04230 (2016).
https:/​/​doi.org/​10.1088/​2058-9565/​1/​1/​015007
arXiv: 1603.04230

, Guang Hao Low, Theodore J. Yoder, Isaac L. Chuang La metodologia delle porte quantistiche composite equiangolari risonanti arXiv:1603.03996 Phys. Rev. X 6, 041067 (2016).
https: / / doi.org/ 10.1103 / PhysRevX.6.041067
arXiv: 1603.03996

, Ashley Montanaro Accelerazione quantistica dei metodi Monte Carlo Proc. Roy. soc. Ser. A, vol. 471 n. 2181arXiv:1504.06987 (2015).
https: / / doi.org/ 10.1098 / rspa.2015.0301
arXiv: 1504.06987

, Theodore J. Yoder, Guang Hao Low, Isaac L. Chuang Ricerca quantistica a virgola fissa con un numero ottimale di query arXiv:1409.3305 Phys. Rev. Lett. 113, 210501 (2014).
https: / / doi.org/ 10.1103 / PhysRevLett.113.210501
arXiv: 1409.3305

, Itai Arad, Alexei Kitaev, Zeph Landau, Umesh Vazirani "Una legge di area e un algoritmo sub-esponenziale per sistemi 1D" arXiv:1301.1162.
arXiv: 1301.1162

, J. Demeyer “Insiemi diofantei su anelli polinomiali e il decimo problema di Hilbert per campi funzionali” Tesi di dottorato presso Universiteit Gent. (2007).

, Gilles Brassard, Peter Hoyer, Michele Mosca, Alain Tapp Amplificazione e stima dell'ampiezza quantistica Calcolo quantistico e informazioni quantistiche, 305:53-74 arXiv:quant-ph/​0005055 (2000).
https: / / doi.org/ 10.1090 / conm / 305 / 05215
arXiv: Quant-ph / 0005055

, Ashwin Nayak, Felix Wu. La complessità delle query quantistiche nell'approssimare la mediana e le relative statistiche arXiv:quant-ph/​9804066 Atti del 31° simposio annuale ACM SIGACT sulla teoria dell'informatica (STOC 1999) Pagine 384-393 (1998).
https: / / doi.org/ 10.1145 / 301250.301349 mila
arXiv: Quant-ph / 9804066

, Theodore Rivlin Introduzione all'approssimazione delle funzioni SIAM Review vol. 12, iss. 2 Dover Publications, Inc. New York. (1969).
https: / / doi.org/ 10.1137 / 1012069 mila

, C. Clopper, E. Pearson L'uso della confidenza o dei limiti fiduciali illustrato nel caso del binomio, Biometrika, vol. 26, n. 4, pp. 404–413. (1934).
https: / / doi.org/ 10.2307 / 2331986 mila

Citato da

[1] Xin Wang, Youle Wang, Zhan Yu e Lei Zhang, "Elaborazione della fase quantistica: trasformazione ed estrazione dell'autoinformazione dei sistemi quantistici", arXiv: 2209.14278, (2022).

[2] Yongming Li e Ariel Neufeld, "Algoritmo Quantum Monte Carlo per la risoluzione delle PDE di Black-Scholes per il prezzo delle opzioni ad alta dimensione nella finanza e la sua prova del superamento della maledizione della dimensionalità", arXiv: 2301.09241, (2023).

[3] Adam Callison e Dan E. Browne, "Stima dell'ampiezza quantistica di massima verosimiglianza migliorata", arXiv: 2209.03321, (2022).

Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2023-03-02 17:08:11). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.

Impossibile recuperare Crossref citato da dati durante l'ultimo tentativo 2023-03-02 17:08:09: Impossibile recuperare i dati citati per 10.22331 / q-2023-03-02-937 da Crossref. Questo è normale se il DOI è stato registrato di recente.

Questo documento è pubblicato in Quantum sotto il Creative Commons Attribuzione 4.0 Internazionale (CC BY 4.0) licenza. Il copyright rimane dei detentori del copyright originali come gli autori o le loro istituzioni.

Timestamp:

Di più da Diario quantistico