論文の概要: Importance sampling for stochastic quantum simulations
- arxiv url: http://arxiv.org/abs/2212.05952v1
- Date: Mon, 12 Dec 2022 15:06:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 14:06:17.141735
- Title: Importance sampling for stochastic quantum simulations
- Title(参考訳): 確率量子シミュレーションにおける重要度サンプリング
- Authors: Oriel Kiss, Michele Grossi and Alessandro Roggero
- Abstract要約: 我々はqDriftと呼ばれるコンパイルプロトコルを導入し、それらの係数の大きさに応じてサンプリングによってランダムな積公式を構築する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減できることを示す。
- 参考スコア(独自算出の注目度): 68.8204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulating complex quantum systems is a promising task for digital quantum
computers. However, the depth of popular product formulas scales with the
number of summands in the Hamiltonian, which can therefore be challenging to
implement on near-term as well as fault-tolerant devices. An efficient solution
is given by the stochastic compilation protocol known as qDrift, which builds
random product formulas by sampling from the Hamiltonian according to the
magnitude of their coefficients. In this work, we unify the qDrift protocol
with importance sampling, allowing us to sample from arbitrary distributions
while controlling both the bias as well as the statistical fluctuations. We
show that the simulation cost can be reduced while achieving the same accuracy
by considering the individual simulation cost during the sampling stage.
Moreover, we incorporate recent work on composite channel and compute
rigorous bounds on the bias and variance showing how to choose the number of
samples, experiments, and time steps for a given target accuracy. These results
lead to a more efficient implementation of the qDrift protocol, both with and
without the use of composite channels. Theoretical results are confirmed by
numerical simulations performed on a lattice nuclear effective field theory.
- Abstract(参考訳): 複雑な量子システムのシミュレーションは、デジタル量子コンピュータにとって有望なタスクである。
しかし、一般的な製品公式の深さはハミルトニアンのサムマン数に比例するので、短期的およびフォールトトレラントなデバイスで実装することは困難である。
効率的な解は、ハミルトニアンから係数の大きさに応じてサンプリングしてランダム積公式を構築する qdrift として知られる確率的コンパイルプロトコルによって与えられる。
本研究では,qdriftプロトコルをサンプリングの重要性で統一し,バイアスと統計変動の両方を制御しながら任意の分布からサンプルすることが可能である。
サンプリング段階における個別のシミュレーションコストを考慮することにより、同じ精度でシミュレーションコストを削減することができることを示す。
さらに,本研究では, 対象の精度に対して, サンプル数, 実験数, 時間ステップを選択する方法を示す, 偏差と分散の厳密な境界を計算した最近の研究を取り入れた。
これらの結果は、複合チャネルの使用の有無に関わらず、qdriftプロトコルをより効率的に実装することにつながる。
理論的結果は格子核実効場理論で行った数値シミュレーションによって確認される。
関連論文リスト
- Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
観測結果からサンプリング分布を学習する4つの方法を提案する。
実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
論文 参考訳(メタデータ) (2023-02-02T15:50:21Z) - Optimised Bayesian system identification in quantum devices [3.72081359624651]
本研究では,未知パラメータを動的モデルで推定する閉ループベイズ学習アルゴリズムを提案する。
シミュレーションキャリブレーションタスクと実験用シングルキュービットイオントラップシステムの両方でアルゴリズムの性能を実証する。
論文 参考訳(メタデータ) (2022-11-16T18:12:46Z) - Well-conditioned multi-product formulas for hardware-friendly
Hamiltonian simulation [1.433758865948252]
ハードウェアを増幅せず、エラーをサンプリングしないMPFの設計方法を示し、その性能を実証する。
本稿では,Pauli Twirlingによるハードウェアノイズの抑制,パルス効率の変換,スケールしたクロス共振パルスに基づく新しいゼロノイズ外挿による製品公式アプローチと比較して,最大1桁の誤差低減を観測する。
論文 参考訳(メタデータ) (2022-07-22T18:00:05Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳(メタデータ) (2022-06-10T04:54:13Z) - Probing finite-temperature observables in quantum simulators with
short-time dynamics [62.997667081978825]
初期状態の古典的重要サンプリングからなるアルゴリズムを用いて, 有限温度観測が可能となることを示す。
そこで我々は,Loschmidtエコーのための具体的な測定プロトコルを提案し,測定ノイズ,デフォーカス,および状態準備および測定誤差の影響について議論する。
論文 参考訳(メタデータ) (2022-06-03T18:00:02Z) - On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。
本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。
量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
論文 参考訳(メタデータ) (2022-06-01T11:03:51Z) - Benchmarking Quantum Simulators using Quantum Chaos [3.120672897353664]
実験によって得られた状態と理想状態の間の忠実度を推定するために,サンプル効率のよいプロトコルを解析する。
我々は、様々な量子シミュレータプラットフォームのためのプロトコルを数値的に示す。
論文 参考訳(メタデータ) (2022-05-24T17:18:18Z) - A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。
提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文 参考訳(メタデータ) (2021-10-07T17:51:10Z) - Learnability and Complexity of Quantum Samples [26.425493366198207]
量子回路が与えられた場合、量子コンピュータは古典的コンピュータよりも出力分布を指数関数的に高速にサンプリングすることができる。
一定のトレーニング時間でnでスケールするトレーニングパラメータを持つモデルを用いて、基礎となる量子分布を学習できるだろうか?
本稿では,Deep Boltzmann Machine (DBM), Generative Adrial Networks (GANs), Long Short-Term Memory (LSTM), Autoregressive GANの4種類の生成モデルについて,深部ランダム回路で生成された量子データセットの学習について検討する。
論文 参考訳(メタデータ) (2020-10-22T18:45:25Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳(メタデータ) (2019-12-31T19:00:00Z)
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。