Fugu-MT 論文翻訳(概要): When is better ground state preparation worthwhile for energy estimation?

論文の概要: When is better ground state preparation worthwhile for energy estimation?

arxiv url: http://arxiv.org/abs/2210.10872v1
Date: Wed, 19 Oct 2022 20:30:17 GMT
ステータス: 処理完了
システム内更新日: 2023-01-22 01:27:11.856194
Title: When is better ground state preparation worthwhile for energy estimation?
Title（参考訳）: エネルギー推定のためのより良い基底状態準備はいつ価値があるのか?
Authors: Shivesh Pathak, Antonio Russo, Stefan Seritan, Andrew Baczewski
Abstract要約: 振幅増幅は$gamma$を増大させることができるが、この条件は単に計算を繰り返すよりも効率的である。本研究では, 地中エネルギー推定を行うためのプロキシを, 二次的に削減できることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many quantum simulation tasks require preparing a state with overlap $\gamma$ relative to the ground state of a Hamiltonian of interest, such that the probability of computing the associated energy eigenvalue is upper bounded by $\gamma^2$. Amplitude amplification can increase $\gamma$, but the conditions under which this is more efficient than simply repeating the computation remain unclear. Analyzing Lin and Tong's near-optimal state preparation algorithm we show that it can reduce a proxy for the runtime of ground state energy estimation near quadratically. Resource estimates are provided for a variety of problems, suggesting that the added cost of amplitude amplification is worthwhile for realistic materials science problems under certain assumptions.
Abstract（参考訳）: 多くの量子シミュレーションタスクは、ハミルトニアンの基底状態に対して$\gamma$の重なり合う状態を作成する必要があり、関連するエネルギー固有値を計算する確率は$\gamma^2$で上限づけられる。振幅増幅は$\gamma$を増やすことができるが、これは単に計算を繰り返すよりも効率的である。 Lin と Tong の準最適状態生成アルゴリズムを解析した結果,2次に近い基底状態エネルギー推定の実行時のプロキシを削減できることが判明した。資源推定は様々な問題に対して提供され、振幅増幅の付加コストは特定の仮定の下での現実的な材料科学問題にとって価値があることを示唆している。

関連論文リスト

Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
論文参考訳（メタデータ） (2024-10-02T08:46:34Z)
Rapid initial state preparation for the quantum simulation of strongly correlated molecules [4.639143844012453]
Toffoliの複雑性でユニタリ合成を実現する方法を示す。フィルタリングにはサンプリングとバイナリ検索の2つのアプローチを提案する。
論文参考訳（メタデータ） (2024-09-18T07:04:32Z)
Probabilistic energy forecasting through quantile regression in reproducing kernel Hilbert spaces [0.0]
本研究では、エネルギー予測のために、カーネル量子レグレッション(カーネル量子レグレッション)として知られる、エンフレ生成カーネルヒルベルト空間(RKHS)に基づく非パラメトリック手法について検討する。実験では信頼性とシャープさを実証し,最先端の手法と比較した。
論文参考訳（メタデータ） (2024-08-08T12:14:17Z)
Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach [3.124884279860061]
大規模容量拡大問題(CEP)は、地域エネルギーシステムのコスト効率の高い脱炭の中心である。本稿では,2段階のCEPを抽出する学習支援近似解法を提案する。本手法では, 直列集約法と比較して最大3.8%のコスト削減効果が得られた。
論文参考訳（メタデータ） (2024-01-19T01:40:58Z)
Initial state preparation for quantum chemistry on quantum computers [1.4336086085916357]
化学系の基底状態エネルギー推定のための量子アルゴリズムは、高品質な初期状態を必要とする。本稿では、初期状態の質を準備し定量化するエンドツーエンドアルゴリズムを用いて初期状態準備問題に対処する。我々は、エネルギー分布が潜在的な量子的優位性を特定するのにどのように役立つかを示す。
論文参考訳（メタデータ） (2023-10-27T18:00:59Z)
Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文参考訳（メタデータ） (2023-07-14T06:50:02Z)
Accelerating Reinforcement Learning with Value-Conditional State Entropy Exploration [97.19464604735802]
探索のための有望な技術は、訪問状態分布のエントロピーを最大化することである。エージェントが高価値の状態を訪問することを好むような、タスク報酬を伴う教師付きセットアップで苦労する傾向があります。本稿では,値条件のエントロピーを最大化する新しい探索手法を提案する。
論文参考訳（メタデータ） (2023-05-31T01:09:28Z)
Nearly Optimal Latent State Decoding in Block MDPs [74.51224067640717]
エピソードブロック MDP では、意思決定者は少数の潜在状態から生成される豊富な観測やコンテキストにアクセスすることができる。まず、固定動作ポリシーに基づいて生成されたデータに基づいて、潜時状態復号関数を推定することに興味がある。次に、報酬のないフレームワークにおいて、最適に近いポリシーを学習する問題について研究する。
論文参考訳（メタデータ） (2022-08-17T18:49:53Z)
Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
論文参考訳（メタデータ） (2022-03-14T16:51:36Z)
Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。どちらの手法もエネルギーと基底状態の優れた推定値を提供する。勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文参考訳（メタデータ） (2020-11-02T19:52:04Z)
Near-optimal ground state preparation [3.7747526957907303]
ハミルトンの基底エネルギーを推定する量子古典的アルゴリズムを提案する。所望の精度に対する初期状態へのクエリ数の依存は、現在の最先端アルゴリズムと比較して指数関数的に改善される。また,非構造探索問題や量子近似計数問題に適用することにより,アルゴリズムが複雑性の低い境界に達することを証明した。
論文参考訳（メタデータ） (2020-02-28T01:46:25Z)

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。