論文の概要: Fast quantum imaginary time evolution
- arxiv url: http://arxiv.org/abs/2009.12239v1
- Date: Fri, 25 Sep 2020 13:52:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 00:42:26.380383
- Title: Fast quantum imaginary time evolution
- Title(参考訳): 高速量子想像時間進化
- Authors: Kok Chuan Tan
- Abstract要約: 高速QITEと呼ばれる量子想像時間進化(QITE)アルゴリズムの高速実装を提案する。
QITEのアルゴリズムコストは通常、トロッターステップごとに非自明に作用する粒子の数で指数関数的にスケールする。
- 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 fast implementation of the quantum imaginary time evolution (QITE)
algorithm called Fast QITE is proposed. The algorithmic cost of QITE typically
scales exponentially with the number of particles it nontrivially acts on in
each Trotter step. In contrast, a Fast QITE implementation reduces this to only
a linear scaling. It is shown that this speed up leads to a quantum advantage
when sampling diagonal elements of a matrix exponential, which cannot be
achieved using the standard implementation of the QITE algorithm. Finally the
cost of implementing Fast QITE for finite temperature simulations is also
discussed.
- Abstract(参考訳): 高速QITEと呼ばれる量子想像時間進化(QITE)アルゴリズムの高速実装を提案する。
QITEのアルゴリズムコストは通常、トロッターステップごとに非自明に作用する粒子の数で指数関数的にスケールする。
対照的に、Fast QITEの実装は、これを線形スケーリングだけに還元する。
このスピードアップは、QITEアルゴリズムの標準実装では達成できない行列指数の対角要素をサンプリングする際の量子優位性をもたらすことが示されている。
最後に,有限温度シミュレーションのための高速QITEの実装コストについても論じる。
関連論文リスト
- Quantum speedup of leverage score sampling and its application [0.0]
本稿では,レバレッジスコアの計算を高速化する量子アルゴリズムを提案する。
応用として,ベクトル解出力を用いた剛性回帰問題に対する新しい量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-01-15T14:40:18Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - On Quantum Speedups for Nonconvex Optimization via Quantum Tunneling
Walks [31.228956832890393]
古典的アルゴリズムは、互いによく知っているものを効率的に打つことはできないが、Qは適切な初期状態が与えられたときにできる。
我々は、古典的アルゴリズムが互いによく知っているものを効果的に打つことができないような、特定の二重井戸の風景を構築するが、Qは適切な初期状態を与えることができる。
論文 参考訳(メタデータ) (2022-09-29T01:39:20Z) - Improved algorithms of quantum imaginary time evolution for ground and
excited states of molecular systems [0.0]
量子想像時間進化(Quantum imaginary Time Evolution、QITE)は、最近提案された量子古典ハイブリッドアルゴリズムであり、システムの最低状態に達することが保証されている。
基礎となるQITE方程式のオーダー・バイ・オーダーの導出を解析し,理論的に確立された修正を提案する。
また、仮想時間進化状態のノルムを正確に推定し、励起状態計算に適用する方法についても論じる。
論文 参考訳(メタデータ) (2022-05-04T10:32:16Z) - Fragmented imaginary-time evolution for early-stage quantum signal
processors [0.0]
QITE(Quantum imaginary-time Evolution)のシミュレーションは、量子計算の大きな可能性である。
我々の主な貢献は、新しい世代の決定論的高精度QITEアルゴリズムである。
複雑化に優れたQITE回路サブルーチンを2つ提案する。
論文 参考訳(メタデータ) (2021-10-25T18:02:24Z) - Synthesis of Quantum Circuits with an Island Genetic Algorithm [44.99833362998488]
特定の演算を行うユニタリ行列が与えられた場合、等価な量子回路を得るのは非自明な作業である。
量子ウォーカーのコイン、トフォリゲート、フレドキンゲートの3つの問題が研究されている。
提案したアルゴリズムは量子回路の分解に効率的であることが証明され、汎用的なアプローチとして、利用可能な計算力によってのみ制限される。
論文 参考訳(メタデータ) (2021-06-06T13:15:25Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z) - Quantum Power Flow [11.828274912580074]
この手紙は量子パワーフロー(QPF)アルゴリズムの概念実証である。
これは、量子コンピューティングを利用する様々な前例のない効率的な電力システム分析の基盤となっている。
論文 参考訳(メタデータ) (2021-04-11T01:03:18Z) - Long-time simulations with high fidelity on quantum hardware [1.8909337252764988]
本研究では,現在のハードウェア上で長時間,高忠実度シミュレーションを行うことが可能であることを示す。
具体的には、リゲッティおよびIBM量子コンピュータ上でのXYモデルスピンチェーンをシミュレートする。
これは反復トロッター法で可能なよりも150倍長い因子である。
論文 参考訳(メタデータ) (2021-02-08T16:18:50Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Momentum Q-learning with Finite-Sample Convergence Guarantee [49.38471009162477]
本稿では,有限サンプル保証を用いたモーメントに基づくQ-ラーニングアルゴリズムのクラスを解析する。
線形関数近似とマルコフサンプリングによるMomentumQの収束保証を確立する。
提案したMomentumQが他のモーメントベースのQ-ラーニングアルゴリズムより優れていることを示す。
論文 参考訳(メタデータ) (2020-07-30T12:27:03Z)
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。