Fugu-MT 論文翻訳(概要): Resource estimate for quantum many-body ground-state preparation on a quantum computer

論文の概要: Resource estimate for quantum many-body ground-state preparation on a quantum computer

arxiv url: http://arxiv.org/abs/2006.04650v3
Date: Mon, 10 May 2021 17:21:02 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 06:57:32.254628
Title: Resource estimate for quantum many-body ground-state preparation on a quantum computer
Title（参考訳）: 量子コンピュータ上での量子多体基底状態生成のための資源推定
Authors: Jessica Lemieux, Guillaume Duclos-Cianci, David S\'en\'echal and David Poulin
Abstract要約: 中間サイズの量子コンピュータ上で量子多体系の基底状態を作成するのに必要な資源を推定する。中間格子に対して,回路T深度を最大106ドル程度削減できることが判明した。
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 estimate the resources required to prepare the ground state of a quantum many-body system on a quantum computer of intermediate size. This estimate is made possible using a combination of quantum many-body methods and analytic upper bounds. Our routine can also be used to optimize certain design parameters for specific problem instances. Lastly, we propose and benchmark an improved quantum state preparation procedure. We find that it reduces the circuit T-depth by a factor as large as $10^6$ for intermediate-size lattices.
Abstract（参考訳）: 中間サイズの量子コンピュータ上で量子多体系の基底状態を作成するのに必要な資源を推定する。この推定は、量子多体法と解析上界の組み合わせを用いて可能である。私たちのルーチンは、特定の問題インスタンスに対する設計パラメータの最適化にも使用できます。最後に、改良された量子状態準備手順の提案とベンチマークを行う。中間サイズ格子の回路t深さを10^6$まで削減できることが判明した。

関連論文リスト

Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文参考訳（メタデータ） (2024-06-05T17:16:07Z)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
Preparation of Entangled Many-Body States with Machine Learning [0.06768558752130309]
量子シミュレータ上での標的量子多体状態の生成は、量子科学と技術の重要なステップの1つである。少数の量子ビットでは、グリーンベルガー=ホルン=ゼーリンガー状態のようないくつかの量子状態が準備されているが、多くの量子ビットを持つ系では根本的な困難が残っている。そこで我々は,深層学習プロセスを実装したアルゴリズムを1つ提供し,多くの量子ビットで目標基底状態を作成する。
論文参考訳（メタデータ） (2023-07-27T05:03:57Z)
State preparation in quantum algorithms for fragment-based quantum chemistry [0.0]
量子アルゴリズムの状態準備は、量子化学において高い精度を達成するために不可欠である。量子位相推定(QPE)と直接初期化(DI)の2つの状態準備法を比較した。一方、QPEはより大きなフラグメントに対してより効率的であるのに対して、DIでは小さなフラグメントに対してリソースが少なくなります。
論文参考訳（メタデータ） (2023-05-29T14:25:15Z)
Estimating many properties of a quantum state via quantum reservoir processing [2.5432391525687748]
本稿では、任意の量子状態の古典的近似を量子貯水池で構築するための一般的な枠組みを提案する。この手法の重要な利点は、任意の特性を推定するためには、単一の局所的な測定設定しか必要としない点である。この推定スキームは、非単位局所次元を持つ高次元システムやハイブリッドシステムに拡張可能である。
論文参考訳（メタデータ） (2023-05-11T15:21:21Z)
End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
論文参考訳（メタデータ） (2022-11-22T18:54:48Z)
Assessing requirements to scale to practical quantum advantage [56.22441723982983]
大規模量子アプリケーションに必要なリソースを推定するために,スタックの層を抽象化し,量子リソース推定のためのフレームワークを開発する。 3つのスケールされた量子アプリケーションを評価し、実用的な量子優位性を達成するために数十万から数百万の物理量子ビットが必要であることを発見した。私たちの研究の目標は、より広範なコミュニティがスタック全体の設計選択を探索できるようにすることで、実用的な量子的優位性に向けた進歩を加速することにあります。
論文参考訳（メタデータ） (2022-11-14T18:50:27Z)
Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文参考訳（メタデータ） (2021-08-30T23:50:05Z)
Direct Fidelity Estimation of Quantum States using Machine Learning [8.306287613158094]
ほとんど全ての量子アプリケーションにおいて、重要なステップの1つは、準備された量子状態の忠実度が期待を満たすことを検証することである。本稿では,機械学習技術を用いた新しい手法を提案する。
論文参考訳（メタデータ） (2021-02-04T02:08:21Z)
QUANTIFY: A framework for resource analysis and design verification of quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。 Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文参考訳（メタデータ） (2020-07-21T15:36:25Z)

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。