論文の概要: Time-Optimal Quantum Driving by Variational Circuit Learning
- arxiv url: http://arxiv.org/abs/2211.00405v1
- Date: Tue, 1 Nov 2022 11:53:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 19:36:15.971549
- Title: Time-Optimal Quantum Driving by Variational Circuit Learning
- Title(参考訳): 変分回路学習による時間最適量子駆動
- Authors: Tangyou Huang, Yongcheng Ding, L\'eonce Dupays, Yue Ban, Man-Hong
Yung, Adolfo del Campo, and Xi Chen
- Abstract要約: ディジタル量子シミュレーションとハイブリッド回路学習は、量子最適制御の新しい可能性を開く。
有限個の量子ビットを持つ量子デバイス上で、捕捉された量子粒子の波束展開をシミュレートする。
本手法の誤差に対する堅牢性について考察し,回路にバレンプラトーが存在しないことを示す。
- 参考スコア(独自算出の注目度): 2.9582851733261286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The simulation of quantum dynamics on a digital quantum computer with
parameterized circuits has widespread applications in fundamental and applied
physics and chemistry. In this context, using the hybrid quantum-classical
algorithm, combining classical optimizers and quantum computers, is a
competitive strategy for solving specific problems. We put forward its use for
optimal quantum control. We simulate the wave-packet expansion of a trapped
quantum particle on a quantum device with a finite number of qubits. We then
use circuit learning based on gradient descent to work out the intrinsic
connection between the control phase transition and the quantum speed limit
imposed by unitary dynamics. We further discuss the robustness of our method
against errors and demonstrate the absence of barren plateaus in the circuit.
The combination of digital quantum simulation and hybrid circuit learning opens
up new prospects for quantum optimal control.
- Abstract(参考訳): パラメータ化回路を用いたデジタル量子コンピュータ上の量子力学のシミュレーションは、基礎的および応用物理学や化学に広く応用されている。
この文脈では、古典的なオプティマイザと量子コンピュータを組み合わせたハイブリッド量子古典アルゴリズムは、特定の問題を解決するための競争戦略である。
我々は最適な量子制御にその使用を推し進めた。
量子デバイス上に閉じ込められた量子粒子の波長-パケット展開を有限個の量子ビットでシミュレートする。
次に、勾配降下に基づく回路学習を用いて、制御相転移とユニタリダイナミクスによって課される量子速度制限との間の本質的な接続を解明する。
さらに,本手法の誤差に対する堅牢性について考察し,回路にバレンプラトーが存在しないことを示す。
ディジタル量子シミュレーションとハイブリッド回路学習の組み合わせは、量子最適制御の新しい可能性を開く。
関連論文リスト
- A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳(メタデータ) (2024-01-10T22:33:00Z) - Quantum-classical simulation of quantum field theory by quantum circuit
learning [0.0]
量子回路学習を用いて量子場理論(QFT)をシミュレートする。
我々の予測は厳密な古典計算の結果と密接に一致している。
このハイブリッド量子古典的アプローチは、最先端量子デバイス上での大規模QFTを効率的にシミュレートする可能性を示している。
論文 参考訳(メタデータ) (2023-11-27T20:18:39Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Combining Matrix Product States and Noisy Quantum Computers for Quantum
Simulation [0.0]
行列生成状態(MPS)と演算子(MPO)は、量子多体系を研究するための強力なツールであることが証明されている。
テンソルネットワークの形で古典的な知識を用いることで、制限された量子資源をよりよく活用できることを示す。
論文 参考訳(メタデータ) (2023-05-30T17:21:52Z) - Hybrid quantum gap estimation algorithm using a filtered time series [0.0]
我々は、古典的な後処理、すなわち、オフライン時系列の長時間フィルタリングが、量子時間進化に必要な回路深さを指数関数的に改善することを証明する。
本手法をハイブリッド量子古典アルゴリズムの構築に適用し,エネルギーギャップを推定する。
我々の発見は、短期的にメモリの優位性を提供するために、非バイアス量子シミュレーションのステージを設定した。
論文 参考訳(メタデータ) (2022-12-28T18:59:59Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳(メタデータ) (2022-06-28T16:23:24Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳(メタデータ) (2021-12-10T17:32:15Z) - An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian
Simulation [55.41644538483948]
現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。
我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。
提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
論文 参考訳(メタデータ) (2021-08-06T19:38:03Z) - Exploiting dynamic quantum circuits in a quantum algorithm with
superconducting qubits [0.207811670193148]
超伝導系量子システム上に動的量子回路を構築する。
我々は、量子位相推定という最も基本的な量子アルゴリズムの1つを適応バージョンで活用する。
我々は、動的回路を用いたリアルタイム量子コンピューティングのバージョンが、実質的で有意義な利点をもたらすことを実証した。
論文 参考訳(メタデータ) (2021-02-02T18:51:23Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳(メタデータ) (2020-12-28T18:04:16Z)
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。