論文の概要: State preparation and evolution in quantum computing: a perspective from
Hamiltonian moments
- arxiv url: http://arxiv.org/abs/2109.12790v2
- Date: Thu, 30 Sep 2021 18:42:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 12:09:44.714409
- Title: State preparation and evolution in quantum computing: a perspective from
Hamiltonian moments
- Title（参考訳）: 量子コンピューティングにおける状態準備と進化 : ハミルトンモーメントの視点から
- Authors: Joseph C. Aulicino, Trevor Keen, Bo Peng
- Abstract要約: 近年の取り組みでは、量子計算されたハミルトンモーメントに基づく量子アルゴリズムの開発が注目されている。
本チュートリアルでは、量子ハードウェアを用いたハミルトンモーメントの典型的な計算方法と、推定状態エネルギーの精度の向上に焦点を当てる。
- 参考スコア（独自算出の注目度）: 5.774827369850958
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum algorithms on the noisy intermediate-scale quantum (NISQ) devices are
expected to simulate quantum systems that are classically intractable to
demonstrate quantum advantages. However, the non-negligible gate error on the
NISQ devices impedes the conventional quantum algorithms to be implemented.
Practical strategies usually exploit hybrid quantum classical algorithms to
demonstrate potentially useful applications of quantum computing in the NISQ
era. Among the numerous hybrid algorithms, recent efforts highlight the
development of quantum algorithms based upon quantum computed Hamiltonian
moments, $\langle \phi | \hat{\mathcal{H}}^n | \phi \rangle$ ($n=1,2,\cdots$),
with respect to quantum state $|\phi\rangle$. In this tutorial, we will give a
brief review of these quantum algorithms with focuses on the typical ways of
computing Hamiltonian moments using quantum hardware and improving the accuracy
of the estimated state energies based on the quantum computed moments.
Furthermore, we will present a tutorial to show how we can measure and compute
the Hamiltonian moments of a four-site Heisenberg model, and compute the energy
and magnetization of the model utilizing the imaginary time evolution in the
real IBM-Q NISQ hardware environment. Along this line, we will further discuss
some practical issues associated with these algorithms. We will conclude this
tutorial review by overviewing some possible developments and applications in
this direction in the near future.
- Abstract（参考訳）: ノイズの多い中間スケール量子(NISQ)デバイス上の量子アルゴリズムは、量子の利点を示すために古典的に難解な量子システムをシミュレートすることが期待されている。
しかし、NISQデバイス上の非無視ゲートエラーは、実装すべき従来の量子アルゴリズムを妨げる。
実用戦略は通常、ハイブリッド量子古典アルゴリズムを利用して、NISQ時代の量子コンピューティングの潜在的に有用な応用を実証する。
多数のハイブリッドアルゴリズムの中で、近年の取り組みは量子計算されたハミルトンモーメントに基づく量子アルゴリズムの開発を強調し、量子状態の$|\phi\rangle$について$\langle \phi | \hat{\mathcal{H}}^n | \phi \rangle$$$$n=1,2,\cdots$ である。
このチュートリアルでは、量子ハードウェアを用いたハミルトンモーメントの計算の典型的な方法と、量子モーメントに基づく推定状態エネルギーの精度の向上に焦点を当てて、これらの量子アルゴリズムの簡単なレビューを行う。
さらに,4箇所のハイゼンベルクモデルのハミルトニアンモーメントを計測・計算し,実際のibm-q nisqハードウェア環境での想像上の時間発展を利用したモデルのエネルギーと磁化を計算するためのチュートリアルを提示する。
この線に沿って、これらのアルゴリズムに関する実践的な問題をさらに議論する。
このチュートリアルレビューは、近い将来、この方向で可能な開発とアプリケーションを概説して締めくくります。
関連論文リスト
- 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 data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Fighting noise with noise: a stochastic projective quantum eigensolver [0.0]
本稿では,量子状態の必要なサンプリングにおいて,物理観測値の2次低減につながる新しい手法を提案する。
この方法は、量子デバイス上の一般化学のための励起状態計算やシミュレーションに応用できる。
論文 参考訳（メタデータ） (2023-06-26T09:22:06Z) - 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) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - 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) - 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) - Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。
本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-24T12:48:00Z) - Quantum simulation of open quantum systems in heavy-ion collisions [0.0]
本稿では,量子コンピュータ上での高温・強結合クォークグルーオンプラズマ(QGP)における重クォークやジェットなどのハードプローブのダイナミクスをシミュレーションする枠組みを提案する。
我々の研究は、現在および短期量子デバイス上でのオープン量子システムをシミュレートできる可能性を示している。
論文 参考訳（メタデータ） (2020-10-07T18:00:02Z)
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。