論文の概要: Unraveling correlated material properties with noisy quantum computers:
Natural orbitalized variational quantum eigensolving of extended impurity
models within a slave-boson approach
- arxiv url: http://arxiv.org/abs/2108.10780v2
- Date: Tue, 1 Mar 2022 13:59:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 07:37:43.279960
- Title: Unraveling correlated material properties with noisy quantum computers:
Natural orbitalized variational quantum eigensolving of extended impurity
models within a slave-boson approach
- Title（参考訳）: ノイズ量子コンピュータと相関する材料特性:スレーブ・ボーソン法における拡張不純物モデルの自然軌道化変分量子固有解法
- Authors: Pauline Besserve, Thomas Ayral
- Abstract要約: 本稿では,量子古典的埋め込み戦略における2次元ハバードモデルの空間分解相関特性の計算法を提案する。
本研究では,変分量子固有解法アルゴリズムを用いて,8量子ビットを必要とする2つの不純物埋め込みモデルを解く。
これにより、量子コンピュータによって解決されたより大きく大きな組込み問題によって、Hubbardモデルの制御されたソリューションへの道が開ける。
- 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 propose a method for computing space-resolved correlation properties of
the two-dimensional Hubbard model within a quantum-classical embedding strategy
that uses a Noisy, Intermediate Scale Quantum (NISQ) computer to solve the
embedded model. While previous approaches were limited to purely local,
one-impurity embedded models, requiring at most four qubits and relatively
shallow circuits, we solve a two-impurity model requiring eight qubits with an
advanced hybrid scheme on top of the Variational Quantum Eigensolver algorithm.
This iterative scheme, dubbed Natural Orbitalization (NOization), gradually
transforms the single-particle basis to the approximate Natural-Orbital basis,
in which the ground state can be minimally expressed, at the cost of measuring
the one-particle reduced density-matrix of the embedded problem. We show that
this transformation tends to make the variational optimization of existing (but
too deep) ansatz circuits faster and more accurate, and we propose an ansatz,
the Multireference Excitation Preserving (MREP) ansatz, that achieves great
expressivity without requiring a prohibitive gate count. The one-impurity
version of the ansatz has only one parameter, making the ground state
preparation a trivial step, which supports the optimal character of our
approach. Within a Rotationally Invariant Slave Boson embedding scheme that
requires a minimal number of bath sites and does not require computing the full
Green's function, the NOization combined with the MREP ansatz allow us to
compute accurate, space-resolved quasiparticle weights and static self-energies
for the Hubbard model even in the presence of noise levels representative of
current NISQ processors. This paves the way to a controlled solution of the
Hubbard model with larger and larger embedded problems solved by quantum
computers.
- Abstract（参考訳）: 本稿では,2次元ハバードモデルの空間分解相関特性を,ノイズの多い中間スケール量子(nisq)コンピュータを用いて組込みモデルを解く量子古典的埋め込み戦略で計算する手法を提案する。
従来の手法は局所的な1-不純物埋め込みモデルに限られており、最大4量子ビットと比較的浅い回路を必要とするが、変分量子固有解法アルゴリズムの上に8量子ビットの高度なハイブリッドスキームを必要とする2-不純物モデルを解く。
この反復スキームは、自然軌道化(noization)と呼ばれ、埋め込み問題の1粒子還元密度行列を測定するコストを犠牲にして、基底状態が最小に表現できる近似自然軌道基底へと徐々に単粒子基底を変換する。
この変換により、既存の(しかし深い)アンサッツ回路の変動最適化が高速かつ高精度になる傾向を示し、制限ゲート数を必要とせずに大きな表現性を達成するマルチリファレンス励起保存(mrep)アンサツを提案する。
ansatzの1つの不純物バージョンは1つのパラメータしか持たず、基底状態の準備を自明なステップとし、このアプローチの最適特性をサポートする。
最小数の浴場を必要とし、フルグリーン関数の計算を必要としない回転不変スレーブボソン埋め込みスキームにおいて、mrep ansatzと組み合わされたノーズにより、現在のnisqプロセッサに代表されるノイズレベルが存在する場合でも、ハバードモデルの正確な空間分解準粒子重みと静的自己エネルギーを計算することができる。
これは、量子コンピュータによって解決されたより大きく大きな組込み問題を持つハバードモデルの制御された解への道を開く。
関連論文リスト
- Avoiding barren plateaus via Gaussian Mixture Model [6.0599055267355695]
変分量子アルゴリズムは、量子コンピューティングにおいて最も代表的なアルゴリズムの1つである。
大量の量子ビット、ディープ・サーキット・レイヤ、グローバル・コスト・ファンクションを扱う場合、それらはしばしば訓練不能となる。
論文 参考訳（メタデータ） (2024-02-21T03:25:26Z) - First-Order Phase Transition of the Schwinger Model with a Quantum
Computer [0.0]
格子シュウィンガーモデルにおける一階位相遷移を位相的$theta$-termの存在下で検討する。
本研究では, モデルの位相構造を明らかにする観測可能な電場密度と粒子数が, 量子ハードウェアから確実に得られることを示す。
論文 参考訳（メタデータ） (2023-12-20T08:27:49Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳（メタデータ） (2022-12-21T23:15:17Z) - Quantum Annealing for Neural Network optimization problems: a new
approach via Tensor Network simulations [0.0]
量子アニーリング(QA)は、量子最適化の最も有望なフレームワークの1つである。
本稿では,QAの断熱時間進化を適切なネットワークとして効率的に表現できることを示す。
マトリックス製品状態(MPS)として表現された最適化状態が量子回路に再キャスト可能であることを示す。
論文 参考訳（メタデータ） (2022-08-30T18:00:14Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - 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) - Circuit quantum electrodynamics (cQED) with modular quasi-lumped models [0.23624125155742057]
方法は、量子デバイスをコンパクトなラッピングまたは準分散セルに分割する。
本手法を大規模かつ最先端の超伝導量子プロセッサで実験的に検証する。
論文 参考訳（メタデータ） (2021-03-18T16:03:37Z) - Error mitigation and quantum-assisted simulation in the error corrected
regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。
量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文 参考訳（メタデータ） (2021-03-12T20:58:41Z) - Simulating nonnative cubic interactions on noisy quantum machines [65.38483184536494]
量子プロセッサは、ハードウェアに固有のものではないダイナミクスを効率的にシミュレートするためにプログラムできることを示す。
誤差補正のないノイズのあるデバイスでは、モジュールゲートを用いて量子プログラムをコンパイルするとシミュレーション結果が大幅に改善されることを示す。
論文 参考訳（メタデータ） (2020-04-15T05:16:24Z)
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。