論文の概要: Lipkin model on a quantum computer
- arxiv url: http://arxiv.org/abs/2011.04097v4
- Date: Sat, 18 Sep 2021 17:47:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 23:20:53.007880
- Title: Lipkin model on a quantum computer
- Title(参考訳): 量子コンピュータ上のリプキンモデル
- Authors: Michael J. Cervia, A. B. Balantekin, S. N. Coppersmith, Calvin W.
Johnson, Peter J. Love, C. Poole, K. Robbins, M. Saffman
- Abstract要約: 本稿では,Lipkin-Meshkov-Glickモデルに対して,変分量子固有解法(VQE)アルゴリズムを実装する回路を開発した。
本稿では,2粒子および3粒子に対するVQEの量子回路を提案し,さらに多くの粒子に対する回路構築について議論する。
- 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: Atomic nuclei are important laboratories for exploring and testing new
insights into the universe, such as experiments to directly detect dark matter
or explore properties of neutrinos. The targets of interest are often heavy,
complex nuclei that challenge our ability to reliably model them (as well as
quantify the uncertainty of those models) with classical computers. Hence there
is great interest in applying quantum computation to nuclear structure for
these applications. As an early step in this direction, especially with regards
to the uncertainties in the relevant quantum calculations, we develop circuits
to implement variational quantum eigensolver (VQE) algorithms for the
Lipkin-Meshkov-Glick model, which is often used in the nuclear physics
community as a testbed for many-body methods. We present quantum circuits for
VQE for two and three particles and discuss the construction of circuits for
more particles. Implementing the VQE for a two-particle system on the IBM
Quantum Experience, we identify initialization and two-qubit gates as the
largest sources of error. We find that error mitigation procedures reduce the
errors in the results significantly, but additional quantum hardware
improvements are needed for quantum calculations to be sufficiently accurate to
be competitive with the best current classical methods.
- Abstract(参考訳): 原子核は、ダークマターを直接検出したりニュートリノの性質を探索する実験など、宇宙への新たな洞察を探索し、テストするための重要な実験室である。
関心の対象はしばしば重く複雑な核であり、それらを確実にモデル化する能力(およびそれらのモデルの不確かさを定量化する)に挑戦する。
したがって、これらの応用には量子計算を核構造に適用することに大きな関心がある。
この方向への第一歩として、特に関連する量子計算の不確実性に関して、多体法のテストベッドとして核物理学コミュニティでよく用いられるリプキン・メシュコフ・グリックモデルのための変分量子固有解法(vqe)アルゴリズムを実装する回路を開発した。
2粒子および3粒子についてvqeの量子回路を提示し,さらに多くの粒子の回路構成について考察する。
IBM Quantum Experience上での2粒子系に対するVQEの実装により、初期化と2量子ゲートを最大のエラー源として同定する。
誤差軽減手法は結果の誤差を著しく低減するが,量子計算において量子ハードウェアのさらなる改良が求められ,現在の古典的手法と競合するほど正確である。
関連論文リスト
- A Quantum Leaky Integrate-and-Fire Spiking Neuron and Network [0.0]
量子ニューロモルフィックコンピューティングのための新しいソフトウェアモデルを導入する。
量子スパイクニューラルネットワーク(QSNN)と量子スパイク畳み込みニューラルネットワーク(QSCNN)の構築において,これらのニューロンを構築ブロックとして利用する。
論文 参考訳(メタデータ) (2024-07-23T11:38:06Z) - Rapidly Achieving Chemical Accuracy with Quantum Computing Enforced Language Model [22.163742052849432]
QiankunNet-VQEは量子コンピューティングを用いて量子状態の学習と生成を行うトランスフォーマーベースの言語モデルである。
最大12キュービットで実装され、最先端の古典的手法と競合する精度のレベルに達した。
論文 参考訳(メタデータ) (2024-05-15T07:50:57Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Quantum Computing Quantum Monte Carlo [8.69884453265578]
量子コンピューティングと量子モンテカルロを統合したハイブリッド量子古典アルゴリズムを提案する。
我々の研究は、中間スケールおよび早期フォールト耐性量子コンピュータで現実的な問題を解決するための道を開いた。
論文 参考訳(メタデータ) (2022-06-21T14:26:24Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳(メタデータ) (2022-05-10T08:05:59Z) - Model-Independent Error Mitigation in Parametric Quantum Circuits and
Depolarizing Projection of Quantum Noise [1.5162649964542718]
与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。
Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。
現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
論文 参考訳(メタデータ) (2021-11-30T16:08:01Z) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-30T12:19:27Z) - Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。
我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文 参考訳(メタデータ) (2021-03-31T02:41:36Z) - VQE Method: A Short Survey and Recent Developments [5.9640499950316945]
変分量子固有解法(VQE)は、ハミルトニアンの固有値と固有値を見つけるためにハイブリッド量子古典計算法を用いる方法である。
VQEは、様々な小さな分子に対する電子的シュリンガー方程式の解法に成功している。
現代の量子コンピュータは、現在利用可能なアンサツェを用いて生成されたディープ量子回路を実行することができない。
論文 参考訳(メタデータ) (2021-03-15T16:25:36Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳(メタデータ) (2020-09-02T22:46:47Z)
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。