論文の概要: Quantum Algorithms for Geologic Fracture Networks
- arxiv url: http://arxiv.org/abs/2210.11685v1
- Date: Fri, 21 Oct 2022 02:23:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 19:55:51.605407
- Title: Quantum Algorithms for Geologic Fracture Networks
- Title（参考訳）: 地質破壊ネットワークのための量子アルゴリズム
- Authors: Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden,
Leonard Gleyzer, Hari S. Viswanathan, Daniel O'Malley
- Abstract要約: フラクチャードフローを解くための2つの量子アルゴリズムを導入する。
ひとつは、エラーなく動作する将来の量子コンピュータ向けに設計されているが、現在のハードウェアは十分な性能を得るためにはノイズが多すぎることを実証する。
ノイズ耐性を持つように設計された2番目のアルゴリズムは、小型から中型の問題に対して既にうまく機能している。
- 参考スコア（独自算出の注目度）: 0.09236074230806578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solving large systems of equations is a challenge for modeling natural
phenomena, such as simulating subsurface flow. To avoid systems that are
intractable on current computers, it is often necessary to neglect information
at small scales, an approach known as coarse-graining. For many practical
applications, such as flow in porous, homogenous materials, coarse-graining
offers a sufficiently-accurate approximation of the solution. Unfortunately,
fractured systems cannot be accurately coarse-grained, as critical network
topology exists at the smallest scales, including topology that can push the
network across a percolation threshold. Therefore, new techniques are necessary
to accurately model important fracture systems. Quantum algorithms for solving
linear systems offer a theoretically-exponential improvement over their
classical counterparts, and in this work we introduce two quantum algorithms
for fractured flow. The first algorithm, designed for future quantum computers
which operate without error, has enormous potential, but we demonstrate that
current hardware is too noisy for adequate performance. The second algorithm,
designed to be noise resilient, already performs well for problems of small to
medium size (order 10 to 1000 nodes), which we demonstrate experimentally and
explain theoretically. We expect further improvements by leveraging quantum
error mitigation and preconditioning.
- Abstract（参考訳）: 大きな方程式系を解くことは、地下の流れをシミュレートするなどの自然現象をモデル化するための課題である。
現行のコンピュータでは難解なシステムを避けるためには,粗粒化と呼ばれる,小規模な情報無視が求められることが多い。
多孔質で均質な物質の流れのような多くの実用用途において、粗粒化は溶液の十分な正確な近似を提供する。
残念なことに、破壊されたシステムは、パーコレーションしきい値を越えてネットワークをプッシュできるトポロジを含む、最小スケールのネットワークトポロジが存在するため、正確に粗粒化することはできない。
そのため, 重要な破壊システムを正確にモデル化するための新しい手法が求められている。
線形系の解法に関する量子アルゴリズムは, 古典的解法に比べて理論的に指数関数的に改善され, 本研究では破砕流れに対する2つの量子アルゴリズムを導入する。
最初のアルゴリズムは、エラーなく動作する未来の量子コンピュータ向けに設計されており、大きな可能性を秘めているが、現在のハードウェアは十分な性能にはうるさすぎることを実証する。
第2のアルゴリズムは,小中規模の問題 (10から1000ノードのオーダー) に対してすでに有効であり,実験的に検証し,理論的に説明できる。
量子エラー軽減とプレコンディショニングを活用することで、さらなる改善が期待できる。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Incompressible Navier-Stokes solve on noisy quantum hardware via a hybrid quantum-classical scheme [2.3624125155742064]
流体流に対するナヴィエ・ストークス方程式を解くためには偏微分方程式解法が必要である。
この研究は、圧縮不能なナビエ-ストークス方程式に対するハイブリッド量子古典アルゴリズムを示す。
我々は、ノイズフリーシミュレーションを用いてアルゴリズムを検証し、ノイズの多いIBM超伝導量子ハードウェア上でテストする。
論文 参考訳（メタデータ） (2024-06-01T03:12:36Z) - Addressing Quantum's "Fine Print": State Preparation and Information
Extraction for Quantum Algorithms and Geologic Fracture Networks [0.0]
この研究は、量子アルゴリズムを用いて地質的なフラクチャーフローシステムを解くための2つの要件に対処する。
この問題に対する我々のアプローチは、全体的な指数的なスピードアップと一致している。
論文 参考訳（メタデータ） (2023-10-03T23:02:54Z) - Learning the tensor network model of a quantum state using a few
single-qubit measurements [0.0]
人工量子システムの次元性は常に増大し、その特徴付けとベンチマークのために非常に効率的な方法が要求される。
本稿では,未知の量子系のテンソルネットワークモデルを学習する構成的かつ数値的に効率的なプロトコルを提案する。
論文 参考訳（メタデータ） (2023-09-01T11:11:52Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - 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) - 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) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Scalable Neural Decoder for Topological Surface Codes [0.0]
本稿では,雑音およびシンドローム測定誤差を考慮に入れた安定化符号群に対するニューラルネットワークに基づくデコーダを提案する。
重要なイノベーションは、エラーシンドロームを小さなスケールで自動デコードすることである。
このような前処理によって,実用アプリケーションにおいて最大2桁の誤差率を効果的に削減できることを示す。
論文 参考訳（メタデータ） (2021-01-18T19:02:09Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - A Neural-Network Variational Quantum Algorithm for Many-Body Dynamics [15.435967947933404]
量子多体系の時間進化をシミュレートするニューラルネットワーク-ネットワーク変分量子アルゴリズムを提案する。
提案アルゴリズムは、測定コストの低い短期量子コンピュータに効率よく実装することができる。
論文 参考訳（メタデータ） (2020-08-31T02:54:09Z)
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。