論文の概要: Efficient 2D Tensor Network Simulation of Quantum Systems
- arxiv url: http://arxiv.org/abs/2006.15234v2
- Date: Thu, 3 Sep 2020 15:57:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 11:16:09.870756
- Title: Efficient 2D Tensor Network Simulation of Quantum Systems
- Title(参考訳): 量子システムの効率的な2次元テンソルネットワークシミュレーション
- Authors: Yuchen Pang, Tianyi Hao, Annika Dugad, Yiqing Zhou, Edgar Solomonik
- Abstract要約: 射影エンタングル状態(PEPS)のような2次元テンソルネットワークは物理系や量子回路の重要なクラスに適している。
本稿では,PEPSに基づく手法のための新しいアルゴリズムとソフトウェア抽象化を提案する。
- 参考スコア(独自算出の注目度): 6.074275058563179
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulation of quantum systems is challenging due to the exponential size of
the state space. Tensor networks provide a systematically improvable
approximation for quantum states. 2D tensor networks such as Projected
Entangled Pair States (PEPS) are well-suited for key classes of physical
systems and quantum circuits. However, direct contraction of PEPS networks has
exponential cost, while approximate algorithms require computations with large
tensors. We propose new scalable algorithms and software abstractions for
PEPS-based methods, accelerating the bottleneck operation of contraction and
refactorization of a tensor subnetwork. We employ randomized SVD with an
implicit matrix to reduce cost and memory footprint asymptotically. Further, we
develop a distributed-memory PEPS library and study accuracy and efficiency of
alternative algorithms for PEPS contraction and evolution on the Stampede2
supercomputer. We also simulate a popular near-term quantum algorithm, the
Variational Quantum Eigensolver (VQE), and benchmark Imaginary Time Evolution
(ITE), which compute ground states of Hamiltonians.
- Abstract(参考訳): 量子系のシミュレーションは、状態空間の指数関数的な大きさのため困難である。
テンソルネットワークは、量子状態の体系的に即興近似を提供する。
Projected Entangled Pair States (PEPS) のような2次元テンソルネットワークは物理系や量子回路の重要なクラスに適している。
しかし、PEPSネットワークの直接収縮は指数的コストであり、近似アルゴリズムは大きなテンソルを持つ計算を必要とする。
本稿では,PEPSに基づく手法のための新しいスケーラブルなアルゴリズムとソフトウェア抽象化を提案し,テンソルサブネットワークのボトルネック操作とリファクタリングを高速化する。
コストとメモリフットプリントを漸近的に削減するために,暗黙の行列を持つランダム化SVDを用いる。
さらに、分散メモリPEPSライブラリを開発し、Stampede2スーパーコンピュータ上でPEPSの縮小と進化のための代替アルゴリズムの精度と効率について検討する。
また,ハミルトニアンの基底状態を計算する近距離量子アルゴリズム,変分量子固有解法(vqe)とベンチマーク虚時発展法(ite)をシミュレートした。
関連論文リスト
- variPEPS -- a versatile tensor network library for variational ground
state simulations in two spatial dimensions [0.29998889086656577]
iPEPSを用いた無限2次元システムのシミュレーションのための,効率的で包括的で汎用的なテンソルネットワークライブラリの機能について述べる。
論文 参考訳(メタデータ) (2023-08-23T18:03:14Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - Investigating Quantum Many-Body Systems with Tensor Networks, Machine
Learning and Quantum Computers [0.0]
古典的および量子コンピュータ上で量子シミュレーションを行う。
未知の量子多体系の位相図を教師なし方式でマッピングする。
論文 参考訳(メタデータ) (2022-10-20T09:46:25Z) - Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる
本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。
その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
論文 参考訳(メタデータ) (2022-09-01T17:08:41Z) - Tensor Networks for Simulating Quantum Circuits on FPGAs [0.0]
現在の量子コンピューティングのほとんどの研究は、真の量子コンピュータではなく、量子コンピュータのシミュレーションに対して行われている。
このようなシミュレーションを高速化する1つの方法は、フィールドプログラマブルゲートアレイ(FPGA)ハードウェアを使用して、行列乗算を効率的に計算することである。
量子コンピューティングシステムのメモリフットプリントを潜在的に削減する1つの方法は、テンソルネットワークとして表現することである。
論文 参考訳(メタデータ) (2021-08-15T22:43:38Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳(メタデータ) (2021-07-19T23:41:03Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳(メタデータ) (2021-06-24T20:16:02Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳(メタデータ) (2021-04-01T19:06:00Z) - Ps and Qs: Quantization-aware pruning for efficient low latency neural
network inference [56.24109486973292]
超低遅延アプリケーションのためのニューラルネットワークのトレーニング中の分級と量子化の相互作用を研究します。
量子化アウェアプルーニングは,タスクのプルーニングや量子化のみよりも計算効率のよいモデルであることが判明した。
論文 参考訳(メタデータ) (2021-02-22T19:00:05Z) - A Neural-Network Variational Quantum Algorithm for Many-Body Dynamics [15.435967947933404]
量子多体系の時間進化をシミュレートするニューラルネットワーク-ネットワーク変分量子アルゴリズムを提案する。
提案アルゴリズムは、測定コストの低い短期量子コンピュータに効率よく実装することができる。
論文 参考訳(メタデータ) (2020-08-31T02:54:09Z) - Holographic quantum algorithms for simulating correlated spin systems [0.0]
相関スピン系の効率的な基底状態準備と動的進化のための「ホログラフィック」量子アルゴリズムスイートを提案する。
このアルゴリズムは、行列生成状態(MPS)と量子チャネルの等価性、および部分的な測定と量子ビット再使用を利用する。
潜在的な資源貯蓄の実証として,トラップイオン量子コンピュータ上での反強磁性ハイゼンベルク鎖のホロVQEシミュレーションを実装した。
論文 参考訳(メタデータ) (2020-05-06T18:00:01Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。