論文の概要: Riemannian quantum circuit optimization for Hamiltonian simulation
- arxiv url: http://arxiv.org/abs/2212.07556v2
- Date: Sat, 25 Nov 2023 22:53:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-30 17:02:10.206001
- Title: Riemannian quantum circuit optimization for Hamiltonian simulation
- Title（参考訳）: リーマン量子回路最適化によるハミルトンシミュレーション
- Authors: Ayse Kotil, Rahul Banerjee, Qunsheng Huang, Christian B. Mendl
- Abstract要約: ハミルトンシミュレーションは量子コンピューティングの自然な応用である。
翻訳不変系では、そのような回路トポロジのゲートは古典的なコンピュータでさらに最適化することができる。
一次元格子上のイジングとハイゼンベルクのモデルに対して、我々は桁違いの精度の向上を達成する。
- 参考スコア（独自算出の注目度）: 2.1227079314039057
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hamiltonian simulation, i.e., simulating the real time evolution of a target
quantum system, is a natural application of quantum computing. Trotter-Suzuki
splitting methods can generate corresponding quantum circuits; however, a
faithful approximation can lead to relatively deep circuits. Here we start from
the insight that for translation invariant systems, the gates in such circuit
topologies can be further optimized on classical computers to decrease the
circuit depth and/or increase the accuracy. We employ tensor network techniques
and devise a method based on the Riemannian trust-region algorithm on the
unitary matrix manifold for this purpose. For the Ising and Heisenberg models
on a one-dimensional lattice, we achieve orders of magnitude accuracy
improvements compared to fourth-order splitting methods. The optimized circuits
could also be of practical use for the time-evolving block decimation (TEBD)
algorithm.
- Abstract（参考訳）: ハミルトンシミュレーション、すなわち、ターゲット量子システムのリアルタイム進化をシミュレーションすることは、量子コンピューティングの自然な応用である。
トロッタースズキ分割法は対応する量子回路を生成することができるが、忠実な近似は比較的深い回路につながる。
ここでは、変換不変系の場合、そのような回路トポロジのゲートを古典的なコンピュータに最適化して回路深さを減らし、精度を向上できるという知見から始める。
本研究ではテンソルネットワーク手法を用いて,ユニタリ行列多様体上のリーマン信頼領域アルゴリズムに基づく手法を考案する。
一次元格子上のIsingとHeisenbergのモデルでは、4階分割法に比べて精度が大幅に向上する。
最適化された回路は、時間進化ブロックデシミテーション(TEBD)アルゴリズムにも実用的に利用できる。
関連論文リスト
- Hybrid discrete-continuous compilation of trapped-ion quantum circuits with deep reinforcement learning [1.7087507417780985]
我々は、トラップイオンコンピューティングにおいて、関連する量子回路のサイズを大幅に削減できることを示す。
私たちのフレームワークは、未知のユニタリプロセスの再生を目標とする実験的な設定にも適用できます。
論文 参考訳（メタデータ） (2023-07-12T14:55:28Z) - Approximate Quantum Compiling for Quantum Simulation: A Tensor Network based approach [1.237454174824584]
行列生成状態(MPS)から短深さ量子回路を生成する新しいアルゴリズムであるAQCtensorを導入する。
我々のアプローチは、量子多体ハミルトニアンの時間進化から生じる量子状態の準備に特化している。
100量子ビットのシミュレーション問題に対して、AQCtensorは、結果の最適化回路の深さの少なくとも1桁の縮小を実現していることを示す。
論文 参考訳（メタデータ） (2023-01-20T14:40:29Z) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳（メタデータ） (2022-07-07T08:04:15Z) - Classically optimized Hamiltonian simulation [0.0]
ハミルトンシミュレーションは量子コンピュータにとって有望な応用である。
トロッター積公式と比較して、古典的に最適化された回路は桁違いに正確であることを示す。
論文 参考訳（メタデータ） (2022-05-23T16:14:43Z) - Optimizing quantum circuits with Riemannian gradient flow [0.5524804393257919]
変分量子アルゴリズムは、現在利用可能な量子コンピュータで実行できる有望なクラスアルゴリズムである。
特殊ユニタリ群の構造に依存する別の最適化の観点を考える。
論文 参考訳（メタデータ） (2022-02-14T19:00:06Z) - Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
量子回路をキューネットワークとしてモデル化することを提案する。
提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
論文 参考訳（メタデータ） (2021-06-26T10:55:52Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Low-depth Hamiltonian Simulation by Adaptive Product Formula [3.050399782773013]
量子コンピュータ上の量子システムの力学を効率的に研究するために、様々なハミルトンシミュレーションアルゴリズムが提案されている。
本稿では,低深度時間進化回路を構築するための適応的手法を提案する。
我々の研究は、雑音の中規模量子デバイスを用いた実践的なハミルトンシミュレーションに光を当てている。
論文 参考訳（メタデータ） (2020-11-10T18:00:42Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - 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。