論文の概要: Quantum stochastic series expansion methods
- arxiv url: http://arxiv.org/abs/2010.00949v1
- Date: Fri, 2 Oct 2020 12:25:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 04:10:24.858200
- Title: Quantum stochastic series expansion methods
- Title(参考訳): 量子確率級数展開法
- Authors: Kok Chuan Tan, Dhiman Bowmick, and Pinaki Sengupta
- Abstract要約: シリーズ拡張(SSE)モンテカルロ法の量子的実装を提案する。
量子SSEは、SSEの古典的な実装よりも大きな利点をもたらすことが示されている。
- 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 quantum implementation of the Stochastic Series Expansion (SSE) Monte Carlo
method is proposed, and it is shown that quantum SSE offers significant
advantages over classical implementations of SSE. In particular, for problems
where classical SSE encounters the sign problem, the cost of implementing a
Monte Carlo iteration scales only linearly with system size in quantum SSE,
while it may scale exponentially with system size in classical SSE. In cases
where classical SSE can be efficiently implemented, quantum SSE still offers an
advantage by allowing for more general observables to be measured.
- Abstract(参考訳): 確率級数展開法(SSE)モンテカルロ法(英語版)の量子的実装を提案し、量子SSEがSSEの古典的実装に対して大きな利点をもたらすことを示した。
特に、古典的SSEが符号問題に遭遇する問題では、モンテカルロ反復の実装コストは量子的SSEのシステムサイズと線形にしかスケールしないが、古典的SSEのシステムサイズと指数関数的にスケールできる。
古典的SSEを効率的に実装できる場合、量子SSEはより一般的な観測可能量を測定することができるという利点がある。
関連論文リスト
- A quantum advantage over classical for local max cut [48.02822142773719]
量子最適化近似アルゴリズム(QAOA)は、次数3グラフ上の古典的手法に匹敵する計算上の優位性を持つ。
結果として、最先端の量子ハードウェアに関係している小規模量子計算でさえ、比較可能な単純な古典よりも大きな優位性を持つ可能性が示唆された。
論文 参考訳(メタデータ) (2023-04-17T16:42:05Z) - Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
量子計算を古典的な結果によって補う手法を提案する。
予測の利点を生かして、新しいタイプの量子測度がもたらされる。
予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
論文 参考訳(メタデータ) (2022-09-12T15:47:44Z) - Classical Splitting of Parametrized Quantum Circuits [0.0]
バレンプラトーは、大規模な量子系をシミュレートするために変分量子アルゴリズムを使用する際の大きな障害であるようである。
我々は、不規則な高原を避けるために、古典的なアンスアッツまたはパラメタライズド量子回路の分割を提案する。
論文 参考訳(メタデータ) (2022-06-20T08:42:02Z) - Every Classical Sampling Circuit is a Quantum Sampling Circuit [0.8122270502556371]
このノートは、ある確率分布を符号化する量子状態である「Q-marginals」を紹介している。
これは、興味の確率分布の古典的な回路サンプリングから直接作成できることを示している。
論文 参考訳(メタデータ) (2021-09-10T12:52:23Z) - 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) - Stochastic Series Expansion Quantum Monte Carlo for Rydberg Arrays [0.45119235878273]
ライドバーグ原子は強い相互作用を持つ量子多体系を実現する強力なプラットフォームである。
一般的なライドベルク・ハミルトンは、その平衡特性が量子モンテカルロ(QMC)による効率的なシミュレーションに有効であることを意味する符号問題を含まない。
このアルゴリズムは1次元と2次元の大型Rydbergアレイ上で実験結果を再現可能であることを示す。
論文 参考訳(メタデータ) (2021-07-01T22:34:44Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - Variational Hamiltonian simulation for translational invariant systems
via classical pre-processing [0.0]
本稿では,量子回路の効率性を予測するため,古典最適化の解を用いた変分アルゴリズムを提案する。
我々の戦略は、数桁の精度でトロッタースズキの精度を向上させることができる。
我々の手法を古典的にシミュラブルなシステムサイズを超えて外挿することができる。
論文 参考訳(メタデータ) (2021-06-07T14:59:50Z) - Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。
本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文 参考訳(メタデータ) (2021-04-30T21:34:11Z) - Scaling overhead of embedding optimization problems in quantum annealing [0.0]
完全連結グラフの埋め込みは二次空間のオーバーヘッドを生じさせるため、解法における大きなオーバーヘッドとなる。
この結果から,古典的デジタルアニールと比較して,標準的なアナログ量子ハードウェアは不利であることが示された。
論文 参考訳(メタデータ) (2021-03-29T23:52:08Z) - Bernstein-Greene-Kruskal approach for the quantum Vlasov equation [91.3755431537592]
一次元定常量子ブラソフ方程式は、エネルギーを力学変数の1つとして分析する。
量子トンネル効果が小さい半古典的な場合、無限級数解が開発される。
論文 参考訳(メタデータ) (2021-02-18T20:55:04Z)
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。