論文の概要: Error mitigation in variational quantum eigensolvers using probabilistic
machine learning
- arxiv url: http://arxiv.org/abs/2111.08814v1
- Date: Tue, 16 Nov 2021 22:29:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 23:44:34.035677
- Title: Error mitigation in variational quantum eigensolvers using probabilistic
machine learning
- Title(参考訳): 確率的機械学習を用いた変分量子固有解法における誤差緩和
- Authors: John Rogers, Gargee Bhattacharyya, Marius S. Frank, Tao Jiang, Ove
Christiansen, Yong-Xin Yao, Nicola Lanat\`a
- Abstract要約: 変分量子固有解法(VQEs)に基づく量子古典ハイブリッドスキームは、既に数年以内に物質や分子をシミュレートする能力を変化させる可能性がある。
克服すべき主な障害の1つは、現在の量子処理ユニット(QPU)の現世代の特徴である「ノイズ効果」を緩和する能力を改善することである。
- 参考スコア(独自算出の注目度): 8.337506831196109
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum-classical hybrid schemes based on variational quantum eigensolvers
(VQEs) may transform our ability of simulating materials and molecules already
within the next few years. However, one of the main obstacles to overcome in
order to achieve practical near-term quantum advantage is to improve our
ability of mitigating the "noise effects", characteristic of the current
generation of quantum processing units (QPUs). To this end, here we design a
method based on probabilistic machine learning, which allows us to mitigate the
noise by imbuing within the computation prior (data independent) information
about the variational landscape. We perform benchmark calculations of a 4-qubit
impurity model using the IBM open-source framework for quantum computing
Qiskit, showing that our method improves dramatically the accuracy of the VQE
outputs. Finally, we show that applying our method makes quantum-embedding
simulations of the Hubbard model with a VQE impurity solver considerably more
reliable.
- Abstract(参考訳): 変分量子固有ソルバ(vqes)に基づく量子古典的ハイブリッドスキームは、今後数年間で既に物質や分子をシミュレートする能力を変えるかもしれない。
しかし、実用的な短期量子優位を達成するために克服すべき主な障害の1つは、現在の量子処理ユニット(QPU)の特徴である「ノイズ効果」を緩和する能力を改善することである。
そこで本研究では,確率的機械学習に基づく手法を考案し,変動景観に関する計算事前情報(データ独立)を入力することにより,雑音を緩和する手法を提案する。
量子コンピューティングのためのibmオープンソースフレームワークqiskitを用いて4量子ビット不純物モデルのベンチマーク計算を行い、vqe出力の精度を劇的に向上させることを示した。
最後に,本手法の適用により,VQE不純物解法を用いたハバードモデルの量子埋め込みシミュレーションがかなり信頼性が高いことを示す。
関連論文リスト
- Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation
via Neural Networks [0.4779196219827508]
変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。
量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。
本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
論文 参考訳(メタデータ) (2024-03-10T15:35:41Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳(メタデータ) (2024-02-26T09:32:07Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-04-04T12:47:35Z) - Potential energy surfaces inference of both ground and excited state
using hybrid quantum-classical neural network [0.0]
変分量子固有解器のシュロゲートモデリングのためのハイブリッド量子古典ニューラルネットワークが提案されている。
サブスペース探索型変分量子固有解法を用いて, 地中および励起状態のPSSを化学的精度で推定できるようにモデルを拡張した。
論文 参考訳(メタデータ) (2022-12-06T14:28:44Z) - Variational Quantum Pulse Learning [28.040754288931897]
本稿では,学習タスクに量子パルスを直接学習するための新しいパラダイムである変分量子パルス(VQP)を提案する。
VQPは、最適化フレームワークにおいて、パルスの振幅を引いて押すことで変動量子パルスを操作する。
我々は,NISQ(ノイズ中間量子)コンピュータにおけるノイズに対する頑健性を維持している。
論文 参考訳(メタデータ) (2022-03-31T17:58:13Z) - Reducing the cost of energy estimation in the variational quantum
eigensolver algorithm with robust amplitude estimation [50.591267188664666]
量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。
これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
論文 参考訳(メタデータ) (2022-03-14T16:51:36Z) - Quantum circuit architecture search on a superconducting processor [56.04169357427682]
変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。
しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。
8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
論文 参考訳(メタデータ) (2022-01-04T01:53:42Z) - Variational Quantum-Neural Hybrid Error Mitigation [6.555128824546528]
量子エラー軽減(QEM)は、量子コンピュータ上で信頼性の高い結果を得るために重要である。
量子-ニューラルハイブリッド固有解法 (VQNHE) アルゴリズムは, 本質的にはノイズ耐性であり, ユニークなQEM容量を持つことを示す。
論文 参考訳(メタデータ) (2021-12-20T08:07:58Z) - 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) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z)
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。