論文の概要: Low overhead universality and quantum supremacy using only $Z$-control
- arxiv url: http://arxiv.org/abs/2103.09753v2
- Date: Tue, 23 Mar 2021 20:36:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 21:09:59.526423
- Title: Low overhead universality and quantum supremacy using only $Z$-control
- Title（参考訳）: z$-control のみを用いた低オーバーヘッド普遍性と量子超越性
- Authors: Brian Barch, Razieh Mohseninia, Daniel Lidar
- Abstract要約: 我々は、"Varying-$Z$"(V$Z$)と呼ぶ量子計算のモデルを考える。
V$Z$モデルは、ランダム回路サンプリングモデルと同等の深さ$O(n)$の量子超越性を達成できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider a model of quantum computation we call "Varying-$Z$" (V$Z$),
defined by applying controllable $Z$-diagonal Hamiltonians in the presence of a
uniform and constant external $X$-field, and prove that it is universal, even
in 1D. Universality is demonstrated by construction of a universal gate set
with $O(1)$ depth overhead. We then use this construction to describe a circuit
whose output distribution cannot be classically simulated unless the polynomial
hierarchy collapses, with the goal of providing a low-resource method of
demonstrating quantum supremacy. The V$Z$ model can achieve quantum supremacy
in $O(n)$ depth, equivalent to the random circuit sampling models despite a
higher degree of homogeneity: it requires no individually addressed
$X$-control.
- Abstract（参考訳）: varying-$z$" (v$z$) とよばれる量子計算のモデルを考え、一様で定数な外部の$x$-フィールドの存在下で制御可能な$z$-対角ハミルトニアンを適用して定義し、それが1dにおいても普遍的であることを証明する。
普遍性は、$o(1)$の深さを持つユニバーサルゲート集合の構築によって証明される。
次に、この構成を用いて、多項式階層が崩壊しない限り出力分布を古典的にシミュレートできない回路を記述する。
V$Z$モデルは$O(n)$の深さで量子超越性を達成でき、高次均一性にもかかわらずランダム回路サンプリングモデルと等価である。
関連論文リスト
- Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳（メタデータ） (2024-04-29T15:04:07Z) - Linear gate bounds against natural functions for position-verification [0.0]
量子位置検証スキームは、証明者の空間的位置を検証しようとする。
我々は、$f$-routing(英語版)と$f$-BB84(英語版)として知られる2つのよく研究された位置検証スキームを考える。
論文 参考訳（メタデータ） (2024-02-28T19:00:10Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - Approximation Algorithms for Quantum Max-$d$-Cut [42.248442410060946]
量子Max-$d$-Cut問題(Quantum Max-$d$-Cut problem)は、プロジェクターに付随する期待エネルギーを、全ての局所相互作用上の2つの$d$-dimensional quditsの非対称部分空間に最大化する量子状態を見つけることである。
我々は,非自明な性能保証を実現するために,有界な純度を持つ混合状態の積状態解を求めるアルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-09-19T22:53:17Z) - Speeding up Learning Quantum States through Group Equivariant
Convolutional Quantum Ans\"atze [13.651587339535961]
我々はSU$(d)$対称性を持つ畳み込み量子回路の枠組みを開発する。
我々は、$nameSU(d)$と$S_n$ irrepbasesの同値性に関するHarrowの主張を証明する。
論文 参考訳（メタデータ） (2021-12-14T18:03:43Z) - Lessons from $O(N)$ models in one dimension [0.0]
1つの時空次元(通常の量子力学)における$O(N)$モデルに関連する様々なトピックが考慮される。
その焦点は、より単純な文脈で量子場理論の手法を教育的に提示することである。
論文 参考訳（メタデータ） (2021-09-14T11:36:30Z) - Quantum simulation of $\phi^4$ theories in qudit systems [53.122045119395594]
回路量子力学(cQED)システムにおける格子$Phi4$理論の量子アルゴリズムの実装について論じる。
quditシステムの主な利点は、そのマルチレベル特性により、対角的な単一量子ゲートでしかフィールドの相互作用を実装できないことである。
論文 参考訳（メタデータ） (2021-08-30T16:30:33Z) - Primitive Quantum Gates for Dihedral Gauge Theories [0.0]
本稿では,デジタル量子コンピュータにおける二面ゲージ理論のシミュレーションについて述べる。
非アーベル離散ゲージ群 $D_N$ は、$U(1)timesbbZ$格子ゲージ理論の近似として機能する。
論文 参考訳（メタデータ） (2021-08-30T15:16:47Z) - Quantum double aspects of surface code models [77.34726150561087]
基礎となる量子double $D(G)$対称性を持つ正方格子上でのフォールトトレラント量子コンピューティングの北エフモデルを再検討する。
有限次元ホップ代数$H$に基づいて、我々の構成がどのように$D(H)$モデルに一般化するかを示す。
論文 参考訳（メタデータ） (2021-06-25T17:03:38Z) - Exploring the Limits of Open Quantum Dynamics I: Motivation, New Results
from Toy Models to Applications [0.0]
我々は、温度$T$の熱浴への交換可能なカップリングを持つ、コヒーレントに制御可能な量子系の到達可能な集合に対処する。
図示により、この問題を文脈に置き、元の制御されたマルコフ量子系の到達可能な集合にどう関係するかを示す。
論文 参考訳（メタデータ） (2020-03-09T14:17:23Z) - Quantum Coupon Collector [62.58209964224025]
我々は、$k$-要素集合$Ssubseteq[n]$が、その要素の一様重ね合わせ$|Srangleからいかに効率的に学習できるかを研究する。
我々は、$k$と$n$ごとに必要となる量子サンプルの数に厳密な制限を与え、効率的な量子学習アルゴリズムを与える。
論文 参考訳（メタデータ） (2020-02-18T16:14:55Z)
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。