論文の概要: Identification of topological phases using classically-optimized
variational quantum eigensolver
- arxiv url: http://arxiv.org/abs/2202.02909v2
- Date: Fri, 11 Feb 2022 01:39:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 15:26:15.756925
- Title: Identification of topological phases using classically-optimized
variational quantum eigensolver
- Title(参考訳): 古典最適化変分量子固有解法を用いた位相相の同定
- Authors: Ken N. Okada, Keita Osaki, Kosuke Mitarai, Keisuke Fujii
- Abstract要約: 変分量子固有解法(VQE)は、量子コンピュータにおけるハイブリッド量子古典アルゴリズムの候補として期待されている。
本稿では,従来のコンピュータ上で最適化プロセス全体を効率的に行う古典最適化VQE(co-VQE)を提案する。
共同VQEでは、パラメータが最適化された後のみ、量子コンピュータを用いて非局所的な量を測定する。
- 参考スコア(独自算出の注目度): 0.6181093777643575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational quantum eigensolver (VQE) is regarded as a promising candidate of
hybrid quantum-classical algorithm for the near-term quantum computers.
Meanwhile, VQE is confronted with a challenge that statistical error associated
with the measurement as well as systematic error could significantly hamper the
optimization. To circumvent this issue, we propose classically-optimized VQE
(co-VQE), where the whole process of the optimization is efficiently conducted
on a classical computer. The efficacy of the method is guaranteed by the
observation that quantum circuits with a constant (or logarithmic) depth are
classically tractable via simulations of local subsystems. In co-VQE, we only
use quantum computers to measure nonlocal quantities after the parameters are
optimized. As proof-of-concepts, we present numerical experiments on quantum
spin models with topological phases. After the optimization, we identify the
topological phases by nonlocal order parameters as well as unsupervised machine
learning on inner products between quantum states. The proposed method
maximizes the advantage of using quantum computers while avoiding strenuous
optimization on noisy quantum devices. Furthermore, in terms of quantum machine
learning, our study shows an intriguing approach that employs quantum computers
to generate data of quantum systems while using classical computers for the
learning process.
- Abstract(参考訳): 変分量子固有ソルバ(vqe)は、短期量子コンピュータのためのハイブリッド量子古典アルゴリズムの有望な候補と見なされる。
一方、VQEは、測定に関連する統計的誤差と体系的誤差が最適化を著しく妨げる可能性があるという課題に直面している。
この問題を回避するために,古典的最適化VQE(co-VQE)を提案する。
この手法の有効性は、定数(または対数)深さの量子回路が局所サブシステムのシミュレーションによって古典的に扱いやすいという観測によって保証される。
共同VQEでは、パラメータが最適化された後、量子コンピュータを用いて非局所的な量を測定する。
概念実証として、トポロジカル位相を持つ量子スピンモデルに関する数値実験を示す。
最適化後、非局所的な順序パラメータと量子状態間の内部積に関する教師なし機械学習により位相位相を同定する。
提案手法は,ノイズ量子デバイスの厳密な最適化を回避しつつ,量子コンピュータの利点を最大化する。
さらに、量子機械学習の分野では、量子コンピュータを用いて量子システムのデータを生成し、学習過程に古典的なコンピュータを用いるという興味深いアプローチを示す。
関連論文リスト
- Variational Quantum Eigensolvers with Quantum Gaussian Filters for
solving ground-state problems in quantum many-body systems [2.5425769156210896]
量子多体系における基底状態を近似する新しい量子アルゴリズムを提案する。
我々の手法は変分量子固有解法(VQE)と量子ガウスフィルタ(QGF)を統合する。
提案手法は,特に雑音条件下での収束速度と精度の向上を示す。
論文 参考訳(メタデータ) (2024-01-24T14:01:52Z) - Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳(メタデータ) (2023-10-14T02:13:26Z) - Variational Quantum Approximate Spectral Clustering for Binary
Clustering Problems [0.7550566004119158]
本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。
VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。
合成と実世界の両方のデータセットから得られた数値結果について述べる。
論文 参考訳(メタデータ) (2023-09-08T17:54:42Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳(メタデータ) (2022-08-29T15:24:03Z) - An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。
この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
論文 参考訳(メタデータ) (2022-05-11T12:10:52Z) - Fundamental limitations on optimization in variational quantum
algorithms [7.165356904023871]
そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。
このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。
この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
論文 参考訳(メタデータ) (2022-05-10T17:14:57Z) - 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) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - Hybrid quantum variational algorithm for simulating open quantum systems
with near-term devices [0.0]
ハイブリッド量子古典(HQC)アルゴリズムは、古典的な計算資源によってサポートされている短期量子デバイスを使用できる。
オープンシステムのダイナミクスをシミュレートするために,効率的な変分最適化手法を用いたHQCアルゴリズムを開発した。
論文 参考訳(メタデータ) (2020-08-12T13:49:29Z) - Quantum Solver of Contracted Eigenvalue Equations for Scalable Molecular
Simulations on Quantum Computing Devices [0.0]
エネルギーの古典的方法の量子アナログである縮約固有値方程式の量子解法を導入する。
量子シミュレータと2つのIBM量子処理ユニットで計算を行う。
論文 参考訳(メタデータ) (2020-04-23T18:35:26Z)
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。