論文の概要: The Meta-Variational Quantum Eigensolver (Meta-VQE): Learning energy
profiles of parameterized Hamiltonians for quantum simulation
- arxiv url: http://arxiv.org/abs/2009.13545v3
- Date: Fri, 28 May 2021 21:31:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 18:31:29.804968
- Title: The Meta-Variational Quantum Eigensolver (Meta-VQE): Learning energy
profiles of parameterized Hamiltonians for quantum simulation
- Title（参考訳）: メタ可変量子固有解法(Meta-VQE):量子シミュレーションのためのパラメータ化ハミルトニアンの学習エネルギープロファイル
- Authors: Alba Cervera-Lierta, Jakob S. Kottmann, Al\'an Aspuru-Guzik
- Abstract要約: 本稿では,パラメータ化ハミルトンの基底状態エネルギープロファイルを学習可能なメタVQEを提案する。
我々はこのアルゴリズムを、XXZスピンチェーン、電子的H$_4$ Hamiltonian、シングルトランモン量子シミュレーションを用いてテストする。
- 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: We present the meta-VQE, an algorithm capable to learn the ground state
energy profile of a parametrized Hamiltonian. By training the meta-VQE with a
few data points, it delivers an initial circuit parametrization that can be
used to compute the ground state energy of any parametrization of the
Hamiltonian within a certain trust region. We test this algorithm with a XXZ
spin chain, an electronic H$_{4}$ Hamiltonian and a single-transmon quantum
simulation. In all cases, the meta-VQE is able to learn the shape of the energy
functional and, in some cases, resulted in improved accuracy in comparison to
individual VQE optimization. The meta-VQE algorithm introduces both a gain in
efficiency for parametrized Hamiltonians, in terms of the number of
optimizations, and a good starting point for the quantum circuit parameters for
individual optimizations. The proposed algorithm proposal can be readily mixed
with other improvements in the field of variational algorithms to shorten the
distance between the current state-of-the-art and applications with quantum
advantage.
- Abstract（参考訳）: パラメータ化されたハミルトニアンの基底状態エネルギープロファイルを学習できるアルゴリズムであるmeta-vqeを提案する。
メタVQEをいくつかのデータポイントで訓練することにより、ある信頼領域内のハミルトニアンの任意のパラメトリゼーションの基底状態エネルギーを計算するのに使用できる初期回路のパラメトリゼーションを提供する。
我々はこのアルゴリズムを、XXZスピンチェーン、電子的H$_{4}$ Hamiltonian、シングルトランモン量子シミュレーションを用いてテストする。
いずれの場合も、メタVQEはエネルギー関数の形状を学習することができ、場合によっては個々のVQE最適化と比較して精度が向上する。
メタVQEアルゴリズムは、最適化数の観点からパラメトリケートハミルトンの効率の向上と、個別の最適化のための量子回路パラメータの出発点として良いものである。
提案したアルゴリズムは、変分アルゴリズムの分野における他の改良と容易に混同でき、現在の最先端と量子的優位性のある応用の間の距離を短くすることができる。
関連論文リスト
- Quantum Boltzmann machine learning of ground-state energies [3.187381965457262]
ハミルトニアンの基底状態エネルギーを推定することは、量子コンピュータが役に立つ基本的な課題である。
本稿では,量子ボルツマンマシンの性能解析を行う。
提案アルゴリズムは,新しい量子回路構築法により,エネルギー関数の勾配を効率的に推定する。
論文 参考訳（メタデータ） (2024-10-16T18:22:03Z) - Truncation technique for variational quantum eigensolver for Molecular
Hamiltonians [0.0]
変分量子固有解法(VQE)はノイズ量子デバイスのための最も有望な量子アルゴリズムの1つである。
そこで本研究では, トランケートされたハミルトニアンを用いて, 最適化手順を開始する物理直感的なトランケーション手法を提案する。
この戦略により、量子コンピュータ上でのハミルトニアンの期待値に対する必要な評価回数を減らすことができる。
論文 参考訳（メタデータ） (2024-02-02T18:45:12Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - Noisy Bayesian optimization for variational quantum eigensolvers [0.0]
変分量子固有解法(VQE)は、ハミルトニアン基底状態を見つけるために用いられるハイブリッド量子古典アルゴリズムである。
この研究は、現在利用可能な量子コンピュータ上でVQEを実行するのに適したGPRとBOの実装を提案する。
論文 参考訳（メタデータ） (2021-12-01T11:28:55Z) - Variational Adiabatic Gauge Transformation on real quantum hardware for
effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
変分アダバティックゲージ変換(VAGT)を導入する。
VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。
VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
論文 参考訳（メタデータ） (2021-11-16T20:50:08Z) - 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) - Improving the variational quantum eigensolver using variational
adiabatic quantum computing [0.0]
変分量子サンプリング(VAQC)は、量子回路のハミルトン最小固有値を求めるためのハイブリッド量子古典アルゴリズムである。
VAQCは,評価のために,VQEよりも正確な解を提供できることを示す。
論文 参考訳（メタデータ） (2021-02-04T20:25:50Z) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳（メタデータ） (2020-11-02T19:52:04Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Hybrid quantum-classical algorithms for solving quantum chemistry in
Hamiltonian-wavefunction space [0.3093890460224435]
変分量子固有解法(VQE)は典型的には量子回路の変分パラメータを最適化し、量子系の固有状態を作成する。
本稿では、ハミルトニアン誘導体をVQEに組み込み、いくつかのハイブリッド量子古典アルゴリズムを開発する。
論文 参考訳（メタデータ） (2020-08-20T15:08:40Z)
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。