Fugu-MT 論文翻訳(概要): Tangent-space methods for truncating uniform MPS

論文の概要: Tangent-space methods for truncating uniform MPS

arxiv url: http://arxiv.org/abs/2001.11882v3
Date: Thu, 11 Feb 2021 15:56:28 GMT
ステータス: 処理完了
システム内更新日: 2023-06-05 02:39:18.488098
Title: Tangent-space methods for truncating uniform MPS
Title（参考訳）: 均一MPSのタンジェント空間法
Authors: Bram Vanhecke, Maarten Van Damme, Jutho Haegeman, Laurens Vanderstraeten, Frank Verstraete
Abstract要約: 量子テンソルネットワークシミュレーションにおける中心的プリミティブは、低い結合次元の1つで行列積状態を近似する問題である。我々は、一様(無限)行列積状態に対して、接空間に基づく変分アルゴリズムを定式化してこれを実現する。
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: A central primitive in quantum tensor network simulations is the problem of approximating a matrix product state with one of a lower bond dimension. This problem forms the central bottleneck in algorithms for time evolution and for contracting projected entangled pair states. We formulate a tangent-space based variational algorithm to achieve this for uniform (infinite) matrix product states. The algorithm exhibits a favourable scaling of the computational cost, and we demonstrate its usefulness by several examples involving the multiplication of a matrix product state with a matrix product operator.
Abstract（参考訳）: 量子テンソルネットワークシミュレーションにおける中心的プリミティブは、低い結合次元の1つで行列積状態を近似する問題である。この問題は、時間発展と縮約された絡み合った対状態のアルゴリズムにおける中心的なボトルネックを形成する。我々は,一様(無限)行列積状態に対して,接空間に基づく変分アルゴリズムを定式化する。このアルゴリズムは計算コストの好適なスケーリングを示し、行列積状態と行列積演算子の乗算を含むいくつかの例によってその有用性を示す。

関連論文リスト

A fixed-point algorithm for matrix projections with applications in quantum information [7.988085110283119]
このアルゴリズムは反復数において最適解に指数関数的に収束することを示す。量子資源理論および量子シャノン理論における我々のアルゴリズムのいくつかの応用について論じる。
論文参考訳（メタデータ） (2023-12-22T11:16:11Z)
An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-30T15:57:14Z)
Fair Recommendation by Geometric Interpretation and Analysis of Matrix Factorization [4.658166900129066]
行列分解に基づくレコメンデータシステムは、事実上次元減少技術を保存する角度を保存するものである。我々は、次元減少問題を保存する元の角度を、次元減少問題を保存する距離に再構成する。従来の高次元のレコメンダシステムの入力データの幾何学的形状は、興味深い性質を持つ同心円上に分布していることを示す。
論文参考訳（メタデータ） (2023-01-10T05:30:46Z)
Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-05-21T01:47:17Z)
Density matrix reconstruction using non-negative matrix product states [0.0]
量子状態トモグラフィーは、量子情報処理の鍵となる技術であるが、その複雑さとシステムサイズが指数関数的に増加するため、困難である。本稿では, 必ずしも指数関数的に成長しない測定結果の集合に基づいて, 最適非負行列積状態近似を反復的に求めるアルゴリズムを提案する。応用として,本アルゴリズムは脱分極雑音下でのXXZスピン鎖の基底状態を数値的に再現する。
論文参考訳（メタデータ） (2022-04-26T15:32:35Z)
High-Dimensional Sparse Bayesian Learning without Covariance Matrices [66.60078365202867]
共分散行列の明示的な構成を避ける新しい推論手法を提案する。本手法では, 数値線形代数と共役勾配アルゴリズムの対角線推定結果とを結合する。いくつかのシミュレーションにおいて,本手法は計算時間とメモリにおける既存手法よりも拡張性が高い。
論文参考訳（メタデータ） (2022-02-25T16:35:26Z)
Sublinear Time Approximation of Text Similarity Matrices [50.73398637380375]
一般的なNystr"om法を不確定な設定に一般化する。我々のアルゴリズムは任意の類似性行列に適用でき、行列のサイズでサブ線形時間で実行される。本手法は,CUR分解の単純な変種とともに,様々な類似性行列の近似において非常によく機能することを示す。
論文参考訳（メタデータ） (2021-12-17T17:04:34Z)
Contour Integral-based Quantum Algorithm for Estimating Matrix Eigenvalue Density [5.962184741057505]
本稿では,固有値密度を所定の間隔で計算する量子アルゴリズムを提案する。所定の間隔における固有値カウントは、出力状態のキュービットの分数におけるビットパターンを観測する確率として導出される。
論文参考訳（メタデータ） (2021-12-10T08:58:44Z)
Direct solution of multiple excitations in a matrix product state with block Lanczos [62.997667081978825]
我々は,多目的密度行列再正規化群法を導入し,多くの励起を持つ束行列積状態に作用する。多数の励起は、鎖全体で非常に信頼性の高い局所観測可能な小さな結合次元で得ることができる。
論文参考訳（メタデータ） (2021-09-16T18:36:36Z)
Optimal Iterative Sketching with the Subsampled Randomized Hadamard Transform [64.90148466525754]
最小二乗問題に対する反復スケッチの性能について検討する。本研究では、Haar行列とランダム化されたHadamard行列の収束速度が同一であることを示し、ランダムなプロジェクションを経時的に改善することを示した。これらの手法は、ランダム化次元還元を用いた他のアルゴリズムにも適用することができる。
論文参考訳（メタデータ） (2020-02-03T16:17:50Z)

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。