論文の概要: Quantum computing fidelity susceptibility using automatic
differentiation
- arxiv url: http://arxiv.org/abs/2207.06526v2
- Date: Fri, 18 Nov 2022 17:02:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-05 06:40:00.352360
- Title: Quantum computing fidelity susceptibility using automatic
differentiation
- Title(参考訳): 自動微分を用いた量子コンピューティングの忠実度感受性
- Authors: Olivia Di Matteo and R. M. Woloshyn
- Abstract要約: 本稿では、量子自動微分を用いて、コンピュータの忠実度感受性に関する凝縮行列問題を解く方法を示す。
横フィールドイジングモデルの小さなインスタンスに対するハードウェアノイズを含むシミュレーションを用いて結果を示す。
- 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: Automatic differentiation is an invaluable feature of machine learning and
quantum machine learning software libraries. In this work it is shown how
quantum automatic differentiation can be used to solve the condensed-matter
problem of computing fidelity susceptibility, a quantity whose value may be
indicative of a phase transition in a system. Results are presented using
simulations including hardware noise for small instances of the
transverse-field Ising model, and a number of optimizations that can be applied
are highlighted. Error mitigation (zero-noise extrapolation) is applied within
the autodifferentiation framework to a number of gradient values required for
computation of fidelity susceptibility and a related quantity, the second
derivative of the energy. Such computations are found to be highly sensitive to
the additional statistical noise incurred by the error mitigation method
- Abstract(参考訳): 自動微分は、機械学習と量子機械学習ソフトウェアライブラリの貴重な特徴である。
本研究では,量子自動微分法を用いて,システム内の相転移の指標となる可能性のある値である忠実性サセシビリティを計算し,凝縮マッター問題を解く方法を示す。
結果は,横磁場イジングモデルの小インスタンスに対するハードウェアノイズを含むシミュレーションを用いて提示され,適用可能な最適化が強調される。
誤差緩和(ゼロノイズ補間)は自己微分フレームワーク内で、忠実度感受性の計算に必要な多くの勾配値とエネルギーの第2の微分である関連する量に適用される。
このような計算は誤差緩和法によって生じる付加的な統計的雑音に非常に敏感である。
関連論文リスト
- Statistical Mechanics of Dynamical System Identification [3.1484174280822845]
我々はスパース方程式探索アルゴリズムを統計的に解析する手法を開発した。
このフレームワークでは、統計力学は複雑さとフィットネスの間の相互作用を分析するためのツールを提供する。
論文 参考訳(メタデータ) (2024-03-04T04:32:28Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum
Computing [99.34965725525188]
AQC(Adiabatic quantum computing)は、NP-hard最適化問題に対する有望な量子コンピューティング手法である。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - Quantum circuit fidelity estimation using machine learning [0.4588028371034406]
雑音量子回路が生成する状態と理想的なノイズフリー計算に対応する対象状態との忠実度を推定する機械学習に基づく手法を提案する。
トレーニングされたモデルは、そのような手法が実現不可能なより複雑な回路の忠実さを予測できることを実証する。
論文 参考訳(メタデータ) (2022-12-01T17:31:29Z) - Implicit differentiation of variational quantum algorithms [0.8594140167290096]
変分量子アルゴリズムを用いて暗黙の微分を計算に活用する方法を示す。
凝縮物質物理学、量子機械学習、量子情報における応用を探求する。
論文 参考訳(メタデータ) (2022-11-24T19:00:19Z) - Neural Networks with Quantization Constraints [111.42313650830248]
量子化学習における制約付き学習手法を提案する。
結果の問題は強い双対であり、勾配推定は不要であることを示す。
提案手法は画像分類タスクにおける競合性能を示す。
論文 参考訳(メタデータ) (2022-10-27T17:12:48Z) - Physics-informed machine learning with differentiable programming for
heterogeneous underground reservoir pressure management [64.17887333976593]
地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。
地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。
過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
論文 参考訳(メタデータ) (2022-06-21T20:38:13Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳(メタデータ) (2021-12-31T16:33:10Z) - Quantum-classical eigensolver using multiscale entanglement
renormalization [0.0]
強相関量子物質のシミュレーションのための変分量子固有解法(VQE)を提案する。
これは、対応する古典的アルゴリズムよりも大幅にコストを下げることができる。
イオンシャットリング機能を備えたイオントラップデバイスとしては特に魅力的である。
論文 参考訳(メタデータ) (2021-08-30T17:46:35Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳(メタデータ) (2021-06-27T06:27:22Z) - Efficient classical simulation and benchmarking of quantum processes in
the Weyl basis [0.0]
Weylユニタリを用いたランダム化ベンチマークアルゴリズムを開発し,エラーモデルの混在を効率よく同定し,学習する。
本手法を変分量子固有解器に現れるアンザッツ回路に適用する。
論文 参考訳(メタデータ) (2020-08-27T16:46:12Z)
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。