論文の概要: Quantum algorithms for computing observables of nonlinear partial
differential equations
- arxiv url: http://arxiv.org/abs/2202.07834v1
- Date: Wed, 16 Feb 2022 02:50:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-25 16:43:29.998014
- Title: Quantum algorithms for computing observables of nonlinear partial
differential equations
- Title(参考訳): 非線形偏微分方程式の観測値計算のための量子アルゴリズム
- Authors: Shi Jin and Nana Liu
- Abstract要約: M初期データを用いて非線形PDEの物理観測値を計算するために量子アルゴリズムを構築した。
一般の非線形 PDE に対して、M に対する量子的優位性は M の大きな極限において可能である。
- 参考スコア(独自算出の注目度): 32.104513049339936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We construct quantum algorithms to compute physical observables of nonlinear
PDEs with M initial data. Based on an exact mapping between nonlinear and
linear PDEs using the level set method, these new quantum algorithms for
nonlinear Hamilton-Jacobi and scalar hyperbolic PDEs can be performed with a
computational cost that is independent of M, for arbitrary nonlinearity.
Depending on the details of the initial data, it can also display up to
exponential advantage in both the dimension of the PDE and the error in
computing its observables. For general nonlinear PDEs, quantum advantage with
respect to M is possible in the large M limit.
- Abstract(参考訳): M初期データを用いて非線形PDEの物理観測値を計算する量子アルゴリズムを構築した。
レベルセット法による非線形PDEと線形PDEの正確なマッピングに基づいて、これらの新しい非線形ハミルトン-ヤコビおよびスカラー双曲PDEの量子アルゴリズムは、任意の非線形性のためにMとは独立な計算コストで実行できる。
初期データの詳細によっては、pdeの次元と可観測値の計算における誤差の両方において指数関数的な利点を示すこともできる。
一般の非線形 PDE に対して、M に対する量子的優位性は M の大きな極限において可能である。
関連論文リスト
- Physics-Informed Quantum Machine Learning: Solving nonlinear
differential equations in latent spaces without costly grid evaluations [21.24186888129542]
非線形および多次元微分方程式を解く物理インフォームド量子アルゴリズムを提案する。
DE項の表現である状態間の重なりを測定することにより、格子点上の独立な逐次関数評価を必要としない損失を構築する。
損失が変動的に訓練されると、我々のアプローチは微分可能な量子回路プロトコルと関連付けられる。
論文 参考訳(メタデータ) (2023-08-03T15:38:31Z) - Solving High-Dimensional PDEs with Latent Spectral Models [74.1011309005488]
我々は,高次元PDEの効率的かつ高精度な解法に向けて,Latent Spectral Models (LSM) を提案する。
数値解析において古典スペクトル法に着想を得て,潜時空間におけるPDEを解くために,ニューラルスペクトルブロックを設計する。
LSMは、一貫した最先端を実現し、7つのベンチマークで平均11.5%の相対的な利益を得る。
論文 参考訳(メタデータ) (2023-01-30T04:58:40Z) - Dynamical chaos in nonlinear Schr\"odinger models with subquadratic
power nonlinearity [137.6408511310322]
ランダムポテンシャルと準4次パワー非線形性を持つ非線形シュリンガー格子のクラスを扱う。
拡散過程は亜拡散性であり, 微細構造が複雑であることを示す。
二次パワー非線形性の限界も議論され、非局在化境界をもたらすことが示されている。
論文 参考訳(メタデータ) (2023-01-20T16:45:36Z) - Quantum algorithms for uncertainty quantification: application to
partial differential equations [27.175719898694073]
我々は不確実な係数を持つPDEに対する新しい量子アルゴリズムを提案する。
計算アンサンブル解や物理観測値の計算において,d,L,精度の面で有意な優位性を示す。
論文 参考訳(メタデータ) (2022-09-22T17:58:57Z) - Time complexity analysis of quantum algorithms via linear
representations for nonlinear ordinary and partial differential equations [31.986350313948435]
非線形常微分方程式の解や物理観測可能性を計算するために量子アルゴリズムを構築した。
異なる数値近似から生じる量子線形系アルゴリズムと量子シミュレーション法を比較した。
論文 参考訳(メタデータ) (2022-09-18T05:50:23Z) - Designing Kerr Interactions for Quantum Information Processing via
Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。
非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。
その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
論文 参考訳(メタデータ) (2021-07-14T15:11:05Z) - Bayesian Numerical Methods for Nonlinear Partial Differential Equations [4.996064986640264]
非線形偏微分方程式(PDE)は、相対的な視点から大きな課題を呈する。
本稿では、線形PDEに関する初期の研究を、非線形PDEによって指定された初期値問題の一般クラスに拡張する。
PDEの解の適切な先行モデルが、Mat'ern過程のサンプル経路特性の新しい理論的解析を用いて同定される。
論文 参考訳(メタデータ) (2021-04-22T14:02:10Z) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳(メタデータ) (2021-04-19T00:41:43Z) - Solving and Learning Nonlinear PDEs with Gaussian Processes [11.09729362243947]
非線形偏微分方程式を解くための単純で厳密で統一された枠組みを提案する。
提案手法は、コロケーションカーネル法を非線形PDEとIPに自然に一般化する。
IP では,PDE におけるパラメータの同定と解の数値近似を反復的に行う手法が提案されているが,アルゴリズムは両手法を同時に扱う。
論文 参考訳(メタデータ) (2021-03-24T03:16:08Z) - Linear embedding of nonlinear dynamical systems and prospects for
efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。
次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文 参考訳(メタデータ) (2020-12-12T00:01:10Z) - Multipole Graph Neural Operator for Parametric Partial Differential
Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。
線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。
実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文 参考訳(メタデータ) (2020-06-16T21:56:22Z)
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。