離散積分変換と量子コンピュータ
スポンサーリンク
概要
- 論文の詳細を見る
量子コンピュータ量子物理現象をリソースとする, まったく新しい原理に基づく計算機械である.その計算過程が線形であることと重ね合わせの原理のゆえに, 計算量を指数関数的に低滅できる可能性を持っている.この優れた点を生かし, よりよい量子アルゴリズムを開発するための指針の1つはその本質をよく認識することであろう.本論文では, そのための1つとして, 量子コンピュータがやっていることは, 離散フーリェ変換に代表される, 離散積分変換にほかならないということをまず示す.つぎに, すで開発されている有用な量子アルゴリズムでは典型的な離散積分変換がキーポイントになっていることを指摘し, 2^n次元の線形空間上のウェーブレット変換をO(n^2)で計算する量子アルゴリズムが存在することを構成的に示す.
- 社団法人電子情報通信学会の論文
- 1998-03-19
著者
関連論文
- データ復元におけるヒトの予備知識について
- 情報科学からみたニュ-ラルネット (ニュ-ラルネット)
- ホップフィ-ルドマシンと疑似勾配系 (ニュ-ラルネットの数理--脳の解明に向けて)
- 遺伝子にみる進化の情報 (情報圧縮--モデルの推定)
- かたちのスペクトル分析--視覚からみたパタ-ン認識 (画像)
- 情報量規準による区分的線形推定
- 遺伝的アルゴリズムの収束性
- 量子計算と線形2端子回路網 (函数解析学の応用としての情報数理の研究)
- ホップフィールドニューラルネットワークスにおいて大域的最適解が得られる目的関数の族について
- パターンの構造を考慮に入れた学習理論について (パターン認識のための学習 : 基礎と応用)
- 組合せ最適化問題の目的関数を計算する量子回路の一構成法(量子情報理論とその応用)
- 離散積分変換と量子コンピュータ
- 組合せ的最適化問題を多項式時間で解く量子コンピュータについて
- 巡回セールスマン問題を多項式時間で解く量子コンピュータについて
- 2. 各分野における技術の変遷 : 2-11 ニューラルネット(あの技術は今… : 技術の変遷と21世紀への展望)
- 個体数が十分大きい場合のスキーマ定理
- 遺伝的アルゴリズムにおけるスキーマ定理について
- 多点探索型シミュレーティッドアニーリング
- 力学系とニューラルネット(ニューラルネットワーク)
- 3.情報工学に見られる不動点論の散策 3.1ニューラルネットと不動点 : 連想・探索・学習過程の動作的意味 (不動点をめぐって)
- ニューラルネットの基礎数理(3)
- ニューラルネットの基礎数理(2)
- ニューラルネットの基礎数理(1)
- ニュ-ラルネットと学習可能性
- 概念の階層性に着目した数学学習用CAI : LICAI-IIシステムについて
- 図形分節を説明するためのモデル
- 学習認識機械としてのニューラルネットへの期待と課題
- 2. ニューラルネットによる最小値探索(ファジィOR第5回研究会)
- 数理的アプロ-チ--ニュ-ロダイナミックスの数理 (脳における情報処理)
- ニューラルネットによる最小値探索
- ニュ-ロン回路網の可能性 (認識と理解) -- (私の意見--新しい可能性)
- パタ-ン理解の立場から (知識情報処理) -- (知識情報処理の展望)
- 開曲線にも適用できる新しいフ-リエ記述子
- 学習可能性と線形空間
- パタ-ン識別関数の学習可能性について