論文の概要: $2^{1296}$ Exponentially Complex Quantum Many-Body Simulation via Scalable Deep Learning Method

• arxiv url: http://arxiv.org/abs/2204.07816v1
• Date: Sat, 16 Apr 2022 14:57:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-16 19:10:37.373620
• Title: $2^{1296}$ Exponentially Complex Quantum Many-Body Simulation via Scalable Deep Learning Method
• Title（参考訳）: 2^{1296}$ 拡張的深層学習法による指数複雑量子多体シミュレーション
• Authors: Xiao Liang, Mingfan Li, Qian Xiao, Hong An, Lixin He, Xuncheng Zhao, Junshi Chen, Chao Yang, Fei Wang, Hong Qian, Li Shen, Dongning Jia, Yongjian Gu, Xin Liu and Zhiqiang Wei
• Abstract要約: 深層学習に基づくシミュレーションプロトコルは,スピン系が21296ドル,フェルミオン系が3144ドルという,ヒルベルト空間における最先端の精度で解を実現できることを示す。 高スケーラビリティを最大4000万のヘテロジニアスコアで実現することで、当社のアプリケーションは94%の弱いスケーリング効率と72%の強いスケーリング効率を測定しました。
• 参考スコア（独自算出の注目度）: 22.98429568679859
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For decades, people are developing efficient numerical methods for solving the challenging quantum many-body problem, whose Hilbert space grows exponentially with the size of the problem. However, this journey is far from over, as previous methods all have serious limitations. The recently developed deep learning methods provide a very promising new route to solve the long-standing quantum many-body problems. We report that a deep learning based simulation protocol can achieve the solution with state-of-the-art precision in the Hilbert space as large as $2^{1296}$ for spin system and $3^{144}$ for fermion system , using a HPC-AI hybrid framework on the new Sunway supercomputer. With highly scalability up to 40 million heterogeneous cores, our applications have measured 94% weak scaling efficiency and 72% strong scaling efficiency. The accomplishment of this work opens the door to simulate spin models and Fermion models on unprecedented lattice size with extreme high precision.
• Abstract（参考訳）: 何十年もの間、ヒルベルト空間が問題の大きさで指数関数的に増加する量子多体問題を解くための効率的な数値解法が開発されてきた。 しかし、以前の方法にはすべて深刻な制限があるため、この旅は終わらない。 最近開発されたディープラーニング手法は、長年続く量子多体問題の解決に非常に有望な新しい経路を提供する。 我々は,新しいSunwayスーパーコンピュータ上でHPC-AIハイブリッドフレームワークを用いて,スピン系は2^{1296}$,フェルミオン系は3^{144}$のHilbert空間における最先端の精度で,ディープラーニングに基づくシミュレーションプロトコルが実現可能であることを報告した。 高スケーラビリティを最大4000万のヘテロジニアスコアで実現することで、当社のアプリケーションは94%の弱いスケーリング効率と72%の強いスケーリング効率を測定しました。 この研究の成果は、極端に高精度な前例のない格子サイズでスピンモデルとフェルミオンモデルをシミュレートする扉を開く。

関連論文リスト

• Experimental Demonstration of Break-Even for the Compact Fermionic Encoding [0.0]
  Fermi-Hubbardモデルの実用性は数十億ドルと見積もられている。 本稿では,最近開発されたローカルエンコーディングがこの問題を克服できることを示す。 我々はこれまでで最大のフェルミオンモデルのデジタル量子シミュレーションを行った。
  論文  参考訳（メタデータ） (2024-09-10T18:00:54Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
  量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。 量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。 提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2022-05-24T03:49:10Z)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• Efficient and Flexible Approach to Simulate Low-Dimensional Quantum Lattice Models with Large Local Hilbert Spaces [0.08594140167290096]
  任意の種類の格子モデルに対して,人工的な$U(1)$対称性を構築することができるマッピングを導入する。 生成された対称性を爆発させると、局所的な自由度に関連する数値費用は大幅に減少する。 本研究の結果は,典型的なアルゴリズムで発生する乱れの直感的な物理像を動機付けている。
  論文  参考訳（メタデータ） (2020-08-19T14:13:56Z)
• Deep Variational Quantum Eigensolver: a divide-and-conquer method for solving a larger problem with smaller size quantum computers [0.4977217779934656]
  そこで本研究では,量子古典ハイブリッドアルゴリズムの分割・解法を提案し,より大規模な量子コンピュータの問題を解く。 ディープVQEにより、小規模量子コンピュータに量子古典ハイブリッドアルゴリズムを、強力なサブシステム間相互作用と弱いサブシステム間相互作用を持つ大規模システムに適用することができる。
  論文  参考訳（メタデータ） (2020-07-21T16:22:45Z)
• Compressed variational quantum eigensolver for the Fermi-Hubbard model [0.05076419064097732]
  Fermi-Hubbardモデル(英語版)は量子コンピュータによって解決されるもっともらしいターゲットである。 ここでは、Hubbardモデルの最初の非自明な部分ケースを圧縮する簡単な方法を用いる。 この手法を超伝導量子ハードウェアプラットフォームに実装する。
  論文  参考訳（メタデータ） (2020-06-01T18:12:12Z)
• Hartree-Fock on a superconducting qubit quantum computer [30.152226344347064]
  ここでは、12の量子ビット、78の2量子ビットゲート、114の1量子ビットゲートを含む、最も大きな化学の一連の量子シミュレーションを行う。 我々は、ジアゼンの異性化と同様に、$rm H_6$, $rm H_8$, $rm H_10$, $rm H_12$の結合エネルギーをモデル化する。 また,本実験の有効性を劇的に向上させる$N$-representabilityに基づく誤り軽減戦略を実証した。
  論文  参考訳（メタデータ） (2020-04-08T18:00:06Z)

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。