論文の概要: The Variational Power of Quantum Circuit Tensor Networks

• arxiv url: http://arxiv.org/abs/2107.01307v2
• Date: Fri, 5 Nov 2021 19:19:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 16:41:20.910332
• Title: The Variational Power of Quantum Circuit Tensor Networks
• Title（参考訳）: 量子回路テンソルネットワークの変動パワー
• Authors: Reza Haghshenas, Johnnie Gray, Andrew C. Potter, and Garnet Kin-Lic Chan
• Abstract要約: 物理多体基底状態の表現において,量子回路テンソルネットワークの変動パワーを特徴付ける。 1D/2D Heisenbergモデルと1D Fermi-Hubbardモデルに対して、標準テンソルネットワークと他の一般的な回路アーキテクチャとの表現性をベンチマークする。 古典的にエミュレートできない回路深さへの外挿は、物理基底状態の表現において量子表現性に有利な領域を示唆している。
• 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 characterize the variational power of quantum circuit tensor networks in the representation of physical many-body ground-states. Such tensor networks are formed by replacing the dense block unitaries and isometries in standard tensor networks by local quantum circuits. We explore both quantum circuit matrix product states and the quantum circuit multi-scale entanglement renormalization ansatz, and introduce an adaptive method to optimize the resulting circuits to high fidelity with more than $10^4$ parameters. We benchmark their expressiveness against standard tensor networks, as well as other common circuit architectures, for the 1D/2D Heisenberg and 1D Fermi-Hubbard models. We find quantum circuit tensor networks to be substantially more expressive than other quantum circuits for these problems, and that they can even be more compact than standard tensor networks. Extrapolating to circuit depths which can no longer be emulated classically, this suggests a region of advantage in quantum expressiveness in the representation of physical ground-states.
• Abstract（参考訳）: 物理多体基底状態の表現において,量子回路テンソルネットワークの変動パワーを特徴付ける。 このようなテンソルネットワークは、標準テンソルネットワークにおける密度の高いブロックユニタリやアイソメトリーを局所量子回路で置き換えることで形成される。 量子回路行列積状態とマルチスケールエンタングルメント再正規化アンサッツの両方を探索し,10^4$以上のパラメータを持つ高忠実度回路に適応的に回路を最適化する手法を提案する。 1d/2d heisenbergモデルと1d fermi-hubbardモデルの標準テンソルネットワークおよび他の一般的な回路アーキテクチャに対する表現性のベンチマークを行った。 これらの問題に対して、量子回路テンソルネットワークは他の量子回路よりもはるかに表現力が高く、標準テンソルネットワークよりもコンパクトであることも見いだす。 古典的にエミュレートできない回路深さへの外挿は、物理基底状態の表現における量子表現性の優位性を示唆している。

関連論文リスト

• From $SU(2)$ holonomies to holographic duality via tensor networks [0.0]
  スピンネットワーク状態のテンソルネットワーク表現を構築し、$SU(2)$ゲージ不変離散場理論に対応する。 スピンネットワーク状態は、プランクスケール物理学に対するループ量子重力(LQG)アプローチにおいて中心的な役割を果たす。
  論文  参考訳（メタデータ） (2024-10-24T14:59:35Z)
• Disentangling unitary dynamics with classically simulable quantum circuits [0.0]
  我々は量子回路とハミルトン力学の両方を研究する。 パウリ作用素の期待は、深いクリフォード回路でも効率的にシミュレートできる。 ハミルトニアン力学では、古典的なシミュレーションが一般化して非効率になる。
  論文  参考訳（メタデータ） (2024-10-11T17:18:26Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
  変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。 この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
  論文  参考訳（メタデータ） (2023-02-09T14:05:18Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Tensor-network-assisted variational quantum algorithm [3.5995214208007944]
  本稿では,テンソルネットワークを用いた変分量子アルゴリズムのフレームワークを提案する。 提案手法は浅量子回路を用いた従来の手法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-20T16:59:54Z)
• Gaussian initializations help deep variational quantum circuits escape from the barren plateau [87.04438831673063]
  近年、変分量子回路は量子シミュレーションや量子機械学習に広く用いられている。 しかし、ランダムな構造を持つ量子回路は、回路深さと量子ビット数に関して指数関数的に消える勾配のため、トレーニング容易性が低い。 この結果、ディープ量子回路は実用的なタスクでは実現できないという一般的な信念が導かれる。
  論文  参考訳（メタデータ） (2022-03-17T15:06:40Z)
• Strong entanglement distribution of quantum networks [3.6720510088596297]
  大規模量子ネットワークは、単一の絡み合ったシステムの伝送とストレージの現実的な制約を克服するために使われてきた。 一般化されたEPR状態とGHZ状態からなる接続ネットワークは、二部交絡測定の観点で、強いCKWモノガミー不等式を満たすことを示す。 我々は、局所的なユニタリ演算の下でのネットワーク構成を区別することで、絡み合った量子ネットワークを分類する。
  論文  参考訳（メタデータ） (2021-09-27T08:45:18Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Solving Quantum Master Equations with Deep Quantum Neural Networks [0.0]
  我々は、オープンな量子多体系の混合状態を表現するために、普遍的な量子計算が可能なディープ量子フィードフォワードニューラルネットワークを使用する。 量子ネットワークの特別な構造を所有するこのアプローチは、バレン高原の欠如など、多くの注目すべき特徴を享受している。
  論文  参考訳（メタデータ） (2020-08-12T18:00:08Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。