論文の概要: Scalable Hamiltonian learning for large-scale out-of-equilibrium quantum dynamics

• arxiv url: http://arxiv.org/abs/2103.01240v1
• Date: Mon, 1 Mar 2021 19:00:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-09 14:26:27.462744
• Title: Scalable Hamiltonian learning for large-scale out-of-equilibrium quantum dynamics
• Title（参考訳）: 大規模非平衡量子力学のためのスケーラブルハミルトン学習
• Authors: Agnes Valenti and Guliuxin Jin and Julian L\'eonard and Sebastian D. Huber and Eliska Greplova
• Abstract要約: 平衡外量子系におけるハミルトントモグラフィーのためのニューラルネットワークに基づくスケーラブルなアルゴリズムを提案する。 具体的には,任意の大きさの準1次元ボゾン系のハミルトニアンを再構成可能であることを示す。
• 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: Large-scale quantum devices provide insights beyond the reach of classical simulations. However, for a reliable and verifiable quantum simulation, the building blocks of the quantum device require exquisite benchmarking. This benchmarking of large scale dynamical quantum systems represents a major challenge due to lack of efficient tools for their simulation. Here, we present a scalable algorithm based on neural networks for Hamiltonian tomography in out-of-equilibrium quantum systems. We illustrate our approach using a model for a forefront quantum simulation platform: ultracold atoms in optical lattices. Specifically, we show that our algorithm is able to reconstruct the Hamiltonian of an arbitrary size quasi-1D bosonic system using an accessible amount of experimental measurements. We are able to significantly increase the previously known parameter precision.
• Abstract（参考訳）: 大規模量子デバイスは古典的なシミュレーションの範囲を超えて洞察を提供する。 しかし、信頼性が高く検証可能な量子シミュレーションでは、量子デバイスの構築ブロックは精巧なベンチマークを必要とする。 この大規模動的量子システムのベンチマークは、シミュレーションに効率的なツールがないために大きな課題となっている。 ここでは、非平衡量子系におけるハミルトントモグラフィーのためのニューラルネットワークに基づくスケーラブルなアルゴリズムを提案する。 我々は,光格子中の超低温原子のフォアフロント量子シミュレーションプラットフォームのためのモデルを用いて,我々のアプローチを説明する。 具体的には, 任意の大きさの擬1次元ボソニック系のハミルトニアンを, 到達可能な実験値を用いて再構成できることを示す。 既知パラメータの精度を著しく向上させることができる。

関連論文リスト

• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Expanding Hardware-Efficiently Manipulable Hilbert Space via Hamiltonian Embedding [9.219297088819634]
  多くの有望な量子アプリケーションは指数的に大きなスパースハミルトニアンの効率的な量子シミュレーションに依存する。 本稿では,ハミルトニアン埋め込みという手法を提案する。 このテクニックは、より大きくより構造化された量子系の進化にそれを埋め込むことによって、望ましいスパース・ハミルトンをシミュレートする。
  論文  参考訳（メタデータ） (2024-01-16T18:19:29Z)
• Quantum Simulations in Effective Model Spaces (I): Hamiltonian Learning-VQE using Digital Quantum Computers and Application to the Lipkin-Meshkov-Glick Model [0.0]
  我々は、反復型ハイブリッド古典量子アルゴリズム、ハミルトン学習変分量子固有解法(HL-VQE)を導入する。 HL-VQEはLipkin-Meshkov-Glickモデル計算において指数関数的改善をもたらす。 この研究は、核システムの記述のための絡み合い駆動量子アルゴリズムの開発におけるステップを構成する。
  論文  参考訳（メタデータ） (2023-01-14T21:10:02Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Variational Quantum Simulation of Chemical Dynamics with Quantum Computers [23.13347792805101]
  本稿では,ノイズ中間規模量子(NISQ)デバイスの実装に適した実空間量子力学の変分シミュレーションを提案する。 低エネルギー部分空間においてほとんどの化学力学が生じるという知見に触発され、我々は部分空間展開法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T16:28:52Z)
• 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)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Variational Quantum Anomaly Detection: Unsupervised mapping of phase diagrams on a physical quantum computer [0.0]
  量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。 このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。 現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
  論文  参考訳（メタデータ） (2021-06-15T06:54:47Z)
• 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)
• Optimal quantum simulation of open quantum systems [1.9551668880584971]
  量子システム上のデジタル量子シミュレーションは、有限量子資源を用いて実装できるアルゴリズムを必要とする。 最近の研究は、NISQデバイス上でのオープン量子システムのディジタル量子シミュレーションを実証している。 我々はマルコフおよび非マルコフ開量子系の最適シミュレーションのための量子回路を開発する。
  論文  参考訳（メタデータ） (2020-12-14T14:00:36Z)

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。