Fugu-MT 論文翻訳(概要): Minimally entangled typical thermal states algorithm with Trotter gates

論文の概要: Minimally entangled typical thermal states algorithm with Trotter gates

arxiv url: http://arxiv.org/abs/2005.09455v1
Date: Mon, 18 May 2020 04:15:31 GMT
ステータス: 処理完了
システム内更新日: 2023-05-19 10:54:38.815111
Title: Minimally entangled typical thermal states algorithm with Trotter gates
Title（参考訳）: トロッターゲートを用いた最小絡み合った典型的な熱状態アルゴリズム
Authors: Shimpei Goto and Ippei Danshita
Abstract要約: 我々は,アベリア対称性を破ることなく,METTSアルゴリズムの効率を向上する。マルコフ連鎖モンテカルロサンプリングにおける連続状態間の相関は桁違いに減少する。本稿では, トロッターゲートの動作を用いたプロトコルが, グランド・カノニカル・アンサンブルのシミュレーションにも有効であることを示す。
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 improve the efficiency of the minimally entangled typical thermal states (METTS) algorithm without breaking the Abelian symmetries. By adding the operation of Trotter gates that respects the Abelian symmetries to the METTS algorithm, we find that a correlation between successive states in Markov-chain Monte Carlo sampling decreases by orders of magnitude. We measure the performance of the improved METTS algorithm through the simulations of the canonical ensemble of the Bose-Hubbard model and confirm that the reduction of the autocorrelation leads to the reduction of computation time. We show that our protocol using the operation of Trotter gates is effective also for the simulations of the grand canonical ensemble.
Abstract（参考訳）: 我々は、アベリア対称性を破ることなく、最小絡み合った典型的な熱状態(METTS)アルゴリズムの効率を改善する。 METTSアルゴリズムにアベリア対称性を尊重するトロッターゲートの操作を追加することにより、マルコフ連鎖モンテカルロサンプリングにおける連続状態間の相関が桁違いに減少することがわかった。本稿では,Bose-Hubbardモデルの正準アンサンブルのシミュレーションにより,改良されたMETTSアルゴリズムの性能を測定し,自己相関の低減が計算時間の短縮につながることを確認した。本稿では, トロッターゲートの動作を用いたプロトコルが, グランド・カノニカル・アンサンブルのシミュレーションにも有効であることを示す。

関連論文リスト

Reinforced Disentanglers on Random Unitary Circuits [0.10923877073891444]
ブロックウォールパターンで配置された2ビットゲートのランダムクリフォード回路上で,効率的なアンタングルを探索する。遠心分離器は連続する絡み合う層の間に挿入される射影測定のセットとして定義される。
論文参考訳（メタデータ） (2024-11-14T19:51:26Z)
Adaptive variational quantum dynamics simulations with compressed circuits and fewer measurements [4.2643127089535104]
AVQDS(T)と呼ばれる適応変分量子力学シミュレーション(AVQDS)法の改良版を示す。このアルゴリズムは、変分力学の精度の尺度であるマクラクラン距離を一定しきい値以下に保つために、アンザッツ回路に不連結なユニタリゲートの層を適応的に加算する。また、雑音耐性を増強した変動パラメータに対する線形運動方程式を解くために、固有値トランケーションに基づく手法を示す。
論文参考訳（メタデータ） (2024-08-13T02:56:43Z)
Scaling of contraction costs for entanglement renormalization algorithms including tensor Trotterization and variational Monte Carlo [0.0]
テンソルトロッタライゼーションやモンテカルロサンプリングが量子インスパイアされた古典的MERAアルゴリズムに繋がるかどうかを考察する。アルゴリズム位相図は、エネルギー精度のスケーリングと結合次元のトロッターステップの数に依存する最良のMERA法を示す。
論文参考訳（メタデータ） (2024-07-30T17:54:15Z)
Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文参考訳（メタデータ） (2023-12-19T21:45:38Z)
Gaussian process regression and conditional Karhunen-Lo\'{e}ve models for data assimilation in inverse problems [68.8204255655161]
偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。 CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
論文参考訳（メタデータ） (2023-01-26T18:14:12Z)
Characterization of variational quantum algorithms using free fermions [0.0]
我々はこれらの対称性と対象状態の局所性の間の相互作用を数値的に研究する。解に収束するイテレーションの数は、システムサイズと線形にスケールする。
論文参考訳（メタデータ） (2022-06-13T18:11:16Z)
Minimally Entangled Typical Thermal States Algorithms for Finite Temperature Matsubara Green Functions [0.0]
有限温度テンソルネットワークを拡張して,松原の仮想時間相関関数を計算する。ベンチマークとして、単バンドアンダーソン不純物モデルについて検討する。結果は、最先端の連続したモンテカルロと競合する。
論文参考訳（メタデータ） (2021-07-29T13:02:25Z)
Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文参考訳（メタデータ） (2021-07-21T17:10:14Z)
On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文参考訳（メタデータ） (2021-06-30T17:51:36Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Sinkhorn Natural Gradient for Generative Models [125.89871274202439]
本研究では,シンクホーンの発散による確率空間上の最も急降下法として機能するシンクホーン自然勾配(SiNG)アルゴリズムを提案する。本稿では,SiNG の主要成分であるシンクホーン情報行列 (SIM) が明示的な表現を持ち,対数的スケールの複雑さを正確に評価できることを示す。本実験では,SiNGと最先端のSGD型解法を定量的に比較し,その有効性と有効性を示す。
論文参考訳（メタデータ） (2020-11-09T02:51:17Z)

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。