論文の概要: Practical and Efficient Hamiltonian Learning
- arxiv url: http://arxiv.org/abs/2201.00190v3
- Date: Fri, 12 Aug 2022 06:15:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 17:13:36.956424
- Title: Practical and Efficient Hamiltonian Learning
- Title（参考訳）: 実用的かつ効率的なハミルトン学習
- Authors: Wenjun Yu, Jinzhao Sun, Zeyao Han, Xiao Yuan
- Abstract要約: 本稿では,限界を回避できる実践的で効率的なハミルトン学習法を提案する。
提案手法はパウリ基底でスパースな任意のハミルトニアンを効率的に学習することができる。
状態準備と測定誤差がなく、一定量の回路とショットノイズに対して堅牢である。
- 参考スコア（独自算出の注目度）: 2.121963121603413
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the fast development of quantum technology, the size of quantum systems
we can digitally manipulate and analogly probe increase drastically. In order
to have a better control and understanding of the quantum hardware, an
important task is to characterize the interaction, i.e., to learn the
Hamiltonian, which determines both static or dynamic properties of the system.
Conventional Hamiltonian learning methods either require costly process
tomography or adopt impractical assumptions, such as prior information of the
Hamiltonian structure and the ground or thermal states of the system. In this
work, we present a practical and efficient Hamiltonian learning method that
circumvents these limitations. The proposed method can efficiently learn any
Hamiltonian that is sparse on the Pauli basis using only short time dynamics
and local operations without any information of the Hamiltonian or preparing
any eigenstates or thermal states. The method has scalable complexity and
vanishing failure probability regarding the qubit number. Meanwhile, it is free
from state preparation and measurement error and robust against a certain
amount of circuit and shot noise. We numerically test the scaling and the
estimation accuracy of the method for transverse field Ising Hamiltonian with
random interaction strengths and molecular Hamiltonians, both with varying
sizes. All these results verify the practicality and efficacy of the method,
paving the way for a systematic understanding of large quantum systems.
- Abstract（参考訳）: 量子技術の急速な発展により、デジタル操作やアナログ探索が可能な量子システムのサイズが劇的に増加する。
量子ハードウェアをよりよく制御し理解するために、重要なタスクは相互作用を特徴づけること、すなわちハミルトニアンを学ぶことである。
従来のハミルトニアン学習法では、高価なプロセストモグラフィーを必要とするか、ハミルトニアン構造の事前情報やシステムの基底状態や熱状態といった非現実的な仮定を採用する必要がある。
本稿では,これらの制約を回避し,実用的かつ効率的なハミルトン学習法を提案する。
提案手法は,短時間のダイナミクスと局所操作のみを用いて,パウリ基底で疎らなハミルトニアンを効率的に学習し,ハミルトニアンに関する情報や固有状態や熱状態を作成する。
この方法はスケーラブルな複雑性を持ち、キュービット数に関する故障確率を消滅させる。
一方、状態準備や測定誤差がなく、一定量の回路やショットノイズに対して堅牢である。
ランダムな相互作用強度と分子ハミルトニアンを持つ横場イジング・ハミルトニアン(Ising Hamiltonian)のスケーリングと推定精度を,それぞれ異なるサイズで数値的に検証する。
これらの結果から,本手法の実用性と有効性が検証され,大規模量子システムの体系的理解への道が開けた。
関連論文リスト
- Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。
このようなシステムに対して動的疎結合が機能する十分な条件を見つける。
私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
論文 参考訳（メタデータ） (2024-09-24T04:58:28Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Hamiltonian truncation tensor networks for quantum field theories [42.2225785045544]
連続場理論の古典的シミュレーションのためのテンソルネットワーク手法を提案する。
この手法はハミルトン・トランケーションとテンソル・ネットワーク技術に基づいて構築されている。
重要な発展の1つは、大域的プロジェクターの行列積状態表現の正確な構成である。
論文 参考訳（メタデータ） (2023-12-19T19:00:02Z) - Quantum Simulation of Boson-Related Hamiltonians: Techniques, Effective
Hamiltonian Construction, and Error Analysis [6.8063130539569]
近未来量子シミュレーションのための最適化フェルミオンアルゴリズムへのボゾン自由度の導入について論じる。
ボゾン自由度の大きさのような厄介な要因は、通常これらの相互作用するモデルの直接量子シミュレーションを複雑にする。
この戦略は、十分に大きく、管理可能なボソニックモードを符号化する適切なフェルミオン/ボソン・ツー・キュービットマッピングスキームを含むべきである。
論文 参考訳（メタデータ） (2023-07-13T06:46:25Z) - Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。
本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文 参考訳（メタデータ） (2023-05-16T19:12:41Z) - Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems [0.47831562043724657]
本稿では,量子状態トモグラフィとハミルトン学習を効果的に融合させるため,変圧器モデルに注意機構を取り入れた新しいアプローチを提案する。
簡単な2量子ビットの場合から、より複雑な2次元反強磁性ハイゼンベルク構造まで、様々な量子系におけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-24T11:20:44Z) - Coarse-grained effective Hamiltonian via the Magnus Expansion for a
three-level system [0.0]
我々は、あいまいさのない有効ハミルトニアンを導出するための体系的なツールとしてマグナス展開を用いる。
量子演算の忠実度を適切に調整した実効ハミルトニアンの精度を検証する。
論文 参考訳（メタデータ） (2022-12-16T14:41:10Z) - Scalably learning quantum many-body Hamiltonians from dynamical data [1.702884126441962]
動的データから多体ハミルトニアンと相互作用する家族を学習するための、高度にスケーラブルでデータ駆動のアプローチを導入する。
当社のアプローチは非常に実用的で,実験的にフレンドリで,本質的にスケーラブルで,100スピンを超えるシステムサイズを実現しています。
論文 参考訳（メタデータ） (2022-09-28T18:00:57Z) - Quantum Causal Unravelling [44.356294905844834]
我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。
我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
論文 参考訳（メタデータ） (2021-09-27T16:28:06Z) - 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) - Learning Quantum Hamiltonians from Single-qubit Measurements [5.609584942407068]
本研究では,1量子ビット計測の時間的記録から,対象ハミルトニアンのパラメータを学習するための繰り返しニューラルネットワークを提案する。
これは時間に依存しないハミルトン群と時間に依存しないハミルトン群の両方に適用できる。
論文 参考訳（メタデータ） (2020-12-23T07:15:20Z)
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。