論文の概要: Scaling adaptive quantum simulation algorithms via operator pool tiling

• arxiv url: http://arxiv.org/abs/2206.14215v1
• Date: Tue, 28 Jun 2022 18:00:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 10:05:42.531632
• Title: Scaling adaptive quantum simulation algorithms via operator pool tiling
• Title（参考訳）: 演算子プールタイリングによる適応量子シミュレーションアルゴリズムのスケーリング
• Authors: John S. Van Dyke, George S. Barron, Nicholas J. Mayhall, Edwin Barnes, Sophia E. Economou
• Abstract要約: 本稿では,任意に大規模な問題インスタンスに対する問題調整プールの構築を容易にする,演算子プールタイリングという手法を提案する。 この手法を1次元と2次元の強い相関量子スピンモデル上で実証し、得られた状態準備回路が既存の方法に比べて著しく短いことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adaptive variational quantum simulation algorithms use information from the quantum computer to dynamically create optimal trial wavefunctions for a given problem Hamiltonian. A key ingredient in these algorithms is a predefined operator pool from which trial wavefunctions are constructed. Finding suitable pools is critical for the efficiency of the algorithm as the problem size increases. Here, we present a technique called operator pool tiling that facilitates the construction of problem-tailored pools for arbitrarily large problem instances. By first performing an ADAPT-VQE calculation on a smaller instance of the problem using a large, but computationally inefficient operator pool, we extract the most relevant operators and use them to design more efficient pools for larger instances. Given that many problems, such as those arising in condensed matter physics, have a naturally repeating (lattice) structure, we expect the pool tiling method to be widely applicable. We demonstrate the technique here on strongly correlated quantum spin models in one and two dimensions, finding that the resulting state preparation circuits are significantly shorter compared to existing methods.
• Abstract（参考訳）: 適応変分量子シミュレーションアルゴリズムは、量子コンピュータの情報を用いて、与えられた問題ハミルトニアンに対する最適な試行波動関数を動的に生成する。 これらのアルゴリズムの重要な要素は、トライアル波動関数が構築される事前定義された演算子プールである。 問題のサイズが大きくなるにつれて、適切なプールを見つけることがアルゴリズムの効率にとって重要である。 ここでは、任意に大きな問題インスタンスのための問題調整プールの構築を容易にする演算子プールタイリングという手法を提案する。 まず,大規模だが非効率な演算子プールを用いて,問題の小さなインスタンスに対してADAPT-VQE計算を行うことにより,最も関連性の高い演算子を抽出し,より効率的な演算子プールの設計を行う。 凝縮物質物理学において生じる問題など多くの問題が自然に繰り返される(格子)構造を持つことを考えると、プールタイリング法は広く適用できると期待できる。 この手法を1次元と2次元の強い相関量子スピンモデル上で実証し、得られた状態準備回路が既存の方法に比べて著しく短いことを示す。

関連論文リスト

• Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
  最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。 この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
  論文  参考訳（メタデータ） (2024-08-14T19:04:13Z)
• Compressed sensing enhanced by quantum approximate optimization algorithm [0.0]
  本稿では,量子サブルーチンを用いた大規模圧縮センシング問題に対処する枠組みを提案する。 本研究は, 量子コンピュータを圧縮センシング分野に適用する有望な方法を探るものである。
  論文  参考訳（メタデータ） (2024-03-26T05:26:51Z)
• Quantum-inspired optimization for wavelength assignment [51.55491037321065]
  波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。 本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
  論文  参考訳（メタデータ） (2022-11-01T07:52:47Z)
• Advancing Algorithm to Scale and Accurately Solve Quantum Poisson Equation on Near-term Quantum Hardware [0.0]
  本稿では,ポアソン方程式を高精度かつ動的に調整可能な問題サイズで解くための高度な量子アルゴリズムを提案する。 特に,本研究では,非truncated 固有値を実装することにより,解の精度を保証する高度な回路を提案する。 提案アルゴリズムは,解の精度を高めるだけでなく,より実用的でスケーラブルな回路を構成する。
  論文  参考訳（メタデータ） (2022-10-29T18:50:40Z)
• Advanced Quantum Poisson Solver in the NISQ era [0.0]
  本稿では,ポアソン方程式を高精度かつ動的に調整可能な問題サイズで解くための高度な量子アルゴリズムを提案する。 本研究では,非有理固有値を実装することにより,解の精度を保証できる先進回路を提案する。 提案アルゴリズムは,解の精度を高めるだけでなく,より実用的でスケーラブルな回路を構成する。
  論文  参考訳（メタデータ） (2022-09-19T22:17:21Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Avoiding symmetry roadblocks and minimizing the measurement overhead of adaptive variational quantum eigensolvers [0.0]
  強い相関系の量子シミュレーションは、短期量子コンピュータの最も有効な応用である可能性がある。 この目的のための有望なアルゴリズムのクラスは、変分量子固有解法(VQE)からなる。 ここでは、このオーバーヘッドを、元のADAPT-VQEのようにクォート的にではなく、$n$のキュービット数で線形にしか成長しない量に減らすことができることを示す。
  論文  参考訳（メタデータ） (2021-09-11T18:53:27Z)
• Quantum constraint learning for quantum approximate optimization algorithm [0.0]
  本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。 学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。 また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
  論文  参考訳（メタデータ） (2021-05-14T11:31:14Z)
• Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
  時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。 一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。 幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
  論文  参考訳（メタデータ） (2021-04-01T19:06:00Z)
• Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
  我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。 これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
  論文  参考訳（メタデータ） (2020-11-09T01:13:07Z)

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。