論文の概要: Benchmarking variational quantum circuits with permutation symmetry
- arxiv url: http://arxiv.org/abs/2211.12711v1
- Date: Wed, 23 Nov 2022 05:16:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 14:55:45.262429
- Title: Benchmarking variational quantum circuits with permutation symmetry
- Title(参考訳): 置換対称性を持つ変分量子回路のベンチマーク
- Authors: Han Zheng, Gokul Subramanian Ravi, Hanrui Wang, Kanav Setia, Frederic
T. Chong, Junyu Liu
- Abstract要約: SnCQAは、等変量子畳み込み回路のハードウェア効率の変動回路の集合である。
我々の量子ニューラルネットワークは、置換対称性が存在する機械学習問題を解決するのに適している。
- 参考スコア(独自算出の注目度): 14.697420011246036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose SnCQA, a set of hardware-efficient variational circuits of
equivariant quantum convolutional circuits respective to permutation symmetries
and spatial lattice symmetries with the number of qubits $n$. By exploiting
permutation symmetries of the system, such as lattice Hamiltonians common to
many quantum many-body and quantum chemistry problems, Our quantum neural
networks are suitable for solving machine learning problems where permutation
symmetries are present, which could lead to significant savings of
computational costs. Aside from its theoretical novelty, we find our
simulations perform well in practical instances of learning ground states in
quantum computational chemistry, where we could achieve comparable performances
to traditional methods with few tens of parameters. Compared to other
traditional variational quantum circuits, such as the pure hardware-efficient
ansatz (pHEA), we show that SnCQA is more scalable, accurate, and noise
resilient (with $20\times$ better performance on $3 \times 4$ square lattice
and $200\% - 1000\%$ resource savings in various lattice sizes and key
criterions such as the number of layers, parameters, and times to converge in
our cases), suggesting a potentially favorable experiment on near-time quantum
devices.
- Abstract(参考訳): 本稿では,同変量子畳み込み回路のハードウェア効率の良い変分回路であるsncqaを提案し,量子ビット数n$の置換対称性と空間格子対称性について述べる。
多くの量子多体および量子化学問題に共通する格子ハミルトンのようなシステムの置換対称性を活用することで、我々の量子ニューラルネットワークは置換対称性が存在する機械学習問題の解決に適しており、計算コストの大幅な削減につながる可能性がある。
その理論的新奇性とは別に、量子計算化学における基底状態の学習の実践例においても、シミュレーションはうまく機能し、数十のパラメータを持つ従来の手法と同等のパフォーマンスを達成できた。
純粋なハードウェア効率のansatz (phea) のような他の伝統的な変分量子回路と比較すると、sncqaはよりスケーラブルで正確で、ノイズ耐性がある($3 \times 4$ square lattice では$20\times$、様々な格子サイズでは$200\% - 1000\%$ のリソース節約と層数、パラメータ数、時間といった重要な基準で収束する)。
関連論文リスト
- 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) - Pre-optimizing variational quantum eigensolvers with tensor networks [1.4512477254432858]
VQEをシミュレートすることで、パラメータ化量子回路のよい開始パラメータを求める手法を提示し、ベンチマークする。
最大32キュービットのシステムサイズを持つ1Dと2DのFermi-Hubbardモデルに適用する。
2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
論文 参考訳(メタデータ) (2023-10-19T17:57:58Z) - Classical variational optimization of PREPARE circuit for quantum phase
estimation of quantum chemistry Hamiltonians [0.8009842832476994]
本稿では,量子化学における分子ハミルトニアンの量子位相推定のための$textttPREPARE$回路の構成法を提案する。
textttPREPARE$回路は、ハミルトニアンにおける項の係数を確率振幅として符号化する量子状態を生成する。
論文 参考訳(メタデータ) (2023-08-26T05:32:38Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳(メタデータ) (2022-12-21T23:15:17Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳(メタデータ) (2022-12-21T19:00:04Z) - Differentiable matrix product states for simulating variational quantum
computational chemistry [6.954927515599816]
本稿では,変分量子固有解法(VQE)の並列化可能な古典シミュレータを提案する。
我々のシミュレーターは量子回路の進化を古典的自己微分フレームワークにシームレスに統合する。
応用として、我々のシミュレーターを用いて、一般的なHF、LiH、H$Oなどの小分子と、最大40ドルの量子ビットを持つより大きな分子であるCO$$、BeH$、H$_4$を研究する。
論文 参考訳(メタデータ) (2022-11-15T08:36:26Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - Qubit-efficient encoding scheme for quantum simulations of electronic
structure [5.16230883032882]
量子コンピュータ上の電子構造をシミュレーションするには、フェルミオン系を量子ビットに符号化する必要がある。
必要条件や対称性を満たす構成の個数において、キュービット数のみを対数化することを要求するキュービット効率の符号化方式を提案する。
提案手法と結果から, 雑音型中間スケール量子 (NISQ) 時代の大規模分子系に対する量子シミュレーションの実現可能性を示す。
論文 参考訳(メタデータ) (2021-10-08T13:20:18Z) - Automatically Differentiable Quantum Circuit for Many-qubit State
Preparation [1.5662820454886202]
任意の量子数量子ビット状態を効率的に準備するための自動微分可能な量子回路(ADQC)アプローチを提案する。
この回路は、進化した状態と目標状態との間の距離を最小化するためにバック伝搬を用いて潜在ゲートを更新することで最適化される。
我々の研究は、機械学習手法と組み合わせることで、多量子ビットシステムにおける量子回路の「インテリジェントな構成」に光を当てている。
論文 参考訳(メタデータ) (2021-04-30T12:22:26Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳(メタデータ) (2020-07-21T15:36:25Z)
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。
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。