論文の概要: Representation of the Fermionic Boundary Operator
- arxiv url: http://arxiv.org/abs/2201.11510v2
- Date: Mon, 15 Aug 2022 16:02:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 18:19:14.116342
- Title: Representation of the Fermionic Boundary Operator
- Title(参考訳): フェルミオン境界演算子の表現
- Authors: Ismail Yunus Akhalwaya, Yang-Hui He, Lior Horesh, Vishnu Jejjala,
William Kirby, Kugendran Naidoo, Shashanka Ubaru
- Abstract要約: 量子コンピュータ上での完全境界演算子を表現する問題を考える。
まず、境界作用素がフェルミオン生成および消滅作用素の完全和の形で特別な構造を持つことを証明する。
次に、これらの作用素が対対反共役であるという事実を用いて、トロッター化やテイラー級数近似の誤差なしに境界演算子を正確に実装する$O(n)$-depth回路を生成する。
- 参考スコア(独自算出の注目度): 10.522527427240352
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The boundary operator is a linear operator that acts on a collection of
high-dimensional binary points (simplices) and maps them to their boundaries.
This boundary map is one of the key components in numerous applications,
including differential equations, machine learning, computational geometry,
machine vision and control systems. We consider the problem of representing the
full boundary operator on a quantum computer. We first prove that the boundary
operator has a special structure in the form of a complete sum of fermionic
creation and annihilation operators. We then use the fact that these operators
pairwise anticommute to produce an $O(n)$-depth circuit that exactly implements
the boundary operator without any Trotterization or Taylor series approximation
errors. Having fewer errors reduces the number of shots required to obtain
desired accuracies.
- Abstract(参考訳): 境界作用素は線型作用素であり、高次元のバイナリ点(単純点)の集合に作用し、それらを境界にマッピングする。
この境界写像は微分方程式、機械学習、計算幾何学、機械ビジョン、制御システムなど多くの応用において重要な要素の一つである。
量子コンピュータ上での完全境界演算子を表現する問題を考える。
まず、境界作用素がフェルミオン生成および消滅作用素の完全和の形で特別な構造を持つことを証明する。
次に、これらの演算子が対共役であるという事実を使用し、ロータライズやテイラー級数近似誤差を伴わずに境界演算子を正確に実装する$o(n)$-depth回路を生成する。
エラーが少ないと、望ましい精度を得るのに必要なショットの数を減らす。
関連論文リスト
- Diagonal operator decomposition on restricted topologies via enumeration
of quantum state subsets [0.0]
我々は、CXのみの回路の解析のためのフレームワークを導入し、そのレンズを通して、いくつかの異なるデバイストポロジーのためのソリューション構成を提供する。
我々は、一般の対角作用素ではなく、特定の分解のためにフレームワークを利用する方法について論じる。
論文 参考訳(メタデータ) (2024-03-04T15:10:37Z) - Zero Pixel Directional Boundary by Vector Transform [77.63061686394038]
我々は境界を1次元曲面として再解釈し、1対1のベクトル変換関数を定式化し、クラス不均衡問題を完全に回避する境界予測の訓練を可能にする。
我々の問題定式化は、境界の方向推定だけでなく、よりリッチなコンテキスト情報もたらし、もし望めば、訓練時にもゼロピクセルの薄い境界が利用可能となる。
論文 参考訳(メタデータ) (2022-03-16T17:55:31Z) - Constrained mixers for the quantum approximate optimization algorithm [55.41644538483948]
ヒルベルト空間全体の部分空間への発展を制限する混合作用素を構築するための枠組みを提案する。
我々は,「ワンホット」状態の部分空間を保存するために設計された「XY」ミキサーを,多くの計算基底状態によって与えられる部分空間の一般の場合に一般化する。
我々の分析は、現在知られているよりもCXゲートが少ない"XY"ミキサーのトロタライズも有効である。
論文 参考訳(メタデータ) (2022-03-11T17:19:26Z) - Compressing Many-Body Fermion Operators Under Unitary Constraints [0.6445605125467573]
本稿では,2体演算子の単一粒子基底変換に匹敵する複雑性を有する因子分解を行う数値アルゴリズムを提案する。
この数値計算法の適用例として,汎用ユニタリクラスタ演算子を近似するために,我々のプロトコルが利用できることを示す。
論文 参考訳(メタデータ) (2021-09-10T17:42:18Z) - Neural Operator: Learning Maps Between Function Spaces [57.90284928158383]
本稿では,無限次元関数空間間を写像する演算子,いわゆるニューラル演算子を学習するためのニューラルネットワークの一般化を提案する。
提案したニューラル作用素に対して普遍近似定理を証明し、任意の非線形連続作用素を近似することができることを示す。
ニューラル作用素に対する重要な応用は、偏微分方程式の解作用素に対する代理写像を学習することである。
論文 参考訳(メタデータ) (2021-08-19T03:56:49Z) - Real-space RG, error correction and Petz map [0.0]
実空間再正規化群(RG)の誤差補正特性について検討する。
第2に、任意のフォン・ノイマン代数に対する作用素代数の正確な量子誤差補正について検討する。
論文 参考訳(メタデータ) (2020-12-27T19:17:52Z) - Geometry of quantum complexity [0.0]
計算複雑性はホログラフィーにおいて重要な役割を果たす新しい量子情報の概念である。
Nielsenの幾何学的アプローチを用いて、$n$ qubitsの量子計算複雑性を考察する。
論文 参考訳(メタデータ) (2020-11-15T18:41:19Z) - Scaling limits of lattice quantum fields by wavelets [62.997667081978825]
再正規化群は格子体代数間の拡大写像の帰納的体系と見なされる。
自由格子基底状態の帰納的極限が存在し、極限状態はよく知られた巨大連続体自由場にまで拡張されることを示す。
論文 参考訳(メタデータ) (2020-10-21T16:30:06Z) - Models of zero-range interaction for the bosonic trimer at unitarity [91.3755431537592]
ゼロ範囲の2体相互作用によって相互に結合された同一ボソンからなる3体系に対する量子ハミルトニアンの構成について述べる。
プレゼンテーションの大部分では、無限の散乱長が考慮される。
論文 参考訳(メタデータ) (2020-06-03T17:54:43Z) - Deep neural networks for inverse problems with pseudodifferential
operators: an application to limited-angle tomography [0.4110409960377149]
線形逆問題において擬微分演算子(Psi$DOs)を学習するための新しい畳み込みニューラルネットワーク(CNN)を提案する。
フォワード演算子のより一般的な仮定の下では、ISTAの展開された反復はCNNの逐次的な層として解釈できることを示す。
特に、LA-CTの場合、アップスケーリング、ダウンスケーリング、畳み込みの操作は、制限角X線変換の畳み込み特性とウェーブレット系を定義する基本特性を組み合わせることで正確に決定できることを示す。
論文 参考訳(メタデータ) (2020-06-02T14:03:41Z) - Operator-algebraic renormalization and wavelets [62.997667081978825]
我々はウェーブレット理論を用いてハミルトン格子系のスケーリング極限として連続体自由場を構築する。
格子観測可能な格子を、コンパクトに支持されたウェーブレットでスミアリングされた連続体と同定するスケーリング方程式により、正規化群ステップを決定する。
論文 参考訳(メタデータ) (2020-02-04T18:04:51Z)
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。