論文の概要: Greatly improved higher-order product formulae for quantum simulation
- arxiv url: http://arxiv.org/abs/2210.15817v1
- Date: Fri, 28 Oct 2022 01:01:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-21 05:42:37.842763
- Title: Greatly improved higher-order product formulae for quantum simulation
- Title(参考訳): 量子シミュレーションのための高次積公式の改良
- Authors: Mauro E.S. Morales, Pedro C.S. Costa, Daniel K. Burgarth, Yuval R.
Sanders, Dominic W. Berry
- Abstract要約: ハミルトン進化のシミュレーションのための量子アルゴリズムは、しばしばトロッターのような積公式に基づいている。
本研究では, 吉田の手法を10階まで拡張しただけでなく, 数百種類の新8階製品も見出した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum algorithms for simulation of Hamiltonian evolution are often based on
product formulae like Trotter. The fractal method of Suzuki gives a systematic
way to find arbitrarily high-order product formulae, but results in a large
number of exponentials. On the other hand, an alternative way, with a minimum
number of exponentials, for 6th and 8th order product formulae is given by
Yoshida. In this work, we not only extended Yoshida's method to 10th order, but
we also found hundreds of new 8th order product formulae. Moreover, we found an
8th order product formula that is over $1000$ times more accurate than the best
product formula of Yoshida.
- Abstract(参考訳): ハミルトン進化のシミュレーションのための量子アルゴリズムは、しばしばトロッターのような積公式に基づいている。
スズキのフラクタル法は、任意に高階の積公式を見つける体系的な方法を与えるが、多くの指数関数をもたらす。
一方,6階および8階の指数式を最小限の指数式とする別の方法が吉田によって与えられる。
本研究では,吉田の手法を10次まで拡張しただけでなく,新たに数百個の8次製品式を発見した。
さらに, 吉田の最高の製品式より1,000ドル以上精度が高い第8次製品公式が発見された。
関連論文リスト
- Efficient and practical Hamiltonian simulation from time-dependent
product formulas [1.3281936946796913]
本稿では,製品公式を用いた量子システムの時間進化手法を提案する。
我々のアルゴリズムは、進化演算子を量子コンピュータ上で直接実装可能な単純なユニタリの積に分解する。
理論的スケーリングは最先端のアルゴリズムと比較すると最適ではないが,提案するアルゴリズムの性能は実際は極めて競争力が高い。
論文 参考訳(メタデータ) (2024-03-13T17:29:05Z) - Minimum Trotterization Formulas for a Time-Dependent Hamiltonian [0.0]
最小指数の高次トロッタライズ式を導出する。
量子イジング鎖のハミルトニアンシミュレーションにおいて、4階公式を数値的にベンチマークする。
論文 参考訳(メタデータ) (2022-12-13T18:05:30Z) - Doubling the order of approximation via the randomized product formula [12.547444644243544]
ランダム化補正を適用することで、4k + 1 の順序を2倍以上にすることができることを示す。
実際には、量子アルゴリズムに補正を適用するには、ハミルトニアンに何らかの構造を必要とする。
論文 参考訳(メタデータ) (2022-10-20T13:59:29Z) - Efficient Product Formulas for Commutators and Applications to Quantum
Simulation [4.523323031658363]
通勤者の指数関数に対する積公式を構築する。
本稿では, 製品公式をデジタルプロトコルで利用し, 反断熱運転に適用する方法について述べる。
論文 参考訳(メタデータ) (2021-11-23T22:27:20Z) - Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。
我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。
我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文 参考訳(メタデータ) (2021-11-09T18:49:48Z) - Non-Markovian Stochastic Schr\"odinger Equation: Matrix Product State
Approach to the Hierarchy of Pure States [65.25197248984445]
開有限温度における非マルコフ力学に対する行列積状態(HOMPS)の階層を導出する。
HOMPSの有効性と効率性はスピン-ボソンモデルと長鎖に対して示され、各部位は構造化された強非マルコフ環境に結合する。
論文 参考訳(メタデータ) (2021-09-14T01:47:30Z) - Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。
本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。
この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
論文 参考訳(メタデータ) (2021-08-06T19:38:01Z) - Higher-order Derivatives of Weighted Finite-state Machines [68.43084108204741]
本研究では、重み付き有限状態機械の正規化定数に関する高次微分の計算について検討する。
文献に記載されていないすべての順序の導関数を評価するための一般アルゴリズムを提案する。
我々のアルゴリズムは以前のアルゴリズムよりもはるかに高速である。
論文 参考訳(メタデータ) (2021-06-01T19:51:55Z) - Zeroth-Order Algorithms for Smooth Saddle-Point Problems [117.44028458220427]
ゼロオーダーのオラクルを用いてサドルポイント問題を解くアルゴリズムをいくつか提案する。
解析により、この項の収束率は、一階法よりも$log n$因子の方が悪いことが示されている。
また、混合構成を考慮し、その部分に対してゼロ階のオラクルを使用する1/2階法を開発する。
論文 参考訳(メタデータ) (2020-09-21T14:26:48Z) - Concentration for random product formulas [4.071875179293035]
qDRIFTは、平均量子チャネルが理想的な進化を近似するランダムな積公式を生成することが知られている。
主な結果は、ランダム化された積公式の典型的な実現は、小さなダイヤモンドノルム誤差まで理想的なユニタリ進化を近似することを証明している。
論文 参考訳(メタデータ) (2020-08-26T18:21:51Z) - Second-Order Information in Non-Convex Stochastic Optimization: Power
and Limitations [54.42518331209581]
私たちは発見するアルゴリズムを見つけます。
epsilon$-approximate stationary point ($|nabla F(x)|le epsilon$) using
$(epsilon,gamma)$surimateランダムランダムポイント。
ここでの私たちの下限は、ノイズのないケースでも新規です。
論文 参考訳(メタデータ) (2020-06-24T04:41:43Z)
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。