論文の概要: Quantum Neural Network Inspired Hardware Adaptable Ansatz for Efficient Quantum Simulation of Chemical Systems

• arxiv url: http://arxiv.org/abs/2301.07542v1
• Date: Wed, 18 Jan 2023 14:00:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 15:41:03.507501
• Title: Quantum Neural Network Inspired Hardware Adaptable Ansatz for Efficient Quantum Simulation of Chemical Systems
• Title（参考訳）: ケミカルシステムの効率的な量子シミュレーションのための量子ニューラルネットワークによるハードウェア適応型アンサッツ
• Authors: Xiongzhi Zeng, Yi Fan, Jie Liu, Zhenyu Li, Jinlong Yang
• Abstract要約: 変分量子固有解法は、雑音量子コンピュータ上のシュリンガー方程式を解くための有望な方法である。 本稿では,アンシラ量子ビットの導入により回路深度を大幅に低減できるハードウェアアンサッツを提案する。 これらの結果は、NISQ時代の量子計算の実用的な応用を開発するための新しい道を開いた。
• 参考スコア（独自算出の注目度）: 8.789119446823957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The variational quantum eigensolver is a promising way to solve the Schr\"odinger equation on a noisy intermediate-scale quantum (NISQ) computer, while its success relies on a well-designed wavefunction ansatz. Compared to physically motivated ansatzes, hardware heuristic ansatzes usually lead to a shallower circuit, but it may still be too deep for an NISQ device. Inspired by the quantum neural network, we propose a new hardware heuristic ansatz where the circuit depth can be significantly reduced by introducing ancilla qubits, which makes a practical simulation of a chemical reaction with more than 20 atoms feasible on a currently available quantum computer. More importantly, the expressibility of this new ansatz can be improved by increasing either the depth or the width of the circuit, which makes it adaptable to different hardware environments. These results open a new avenue to develop practical applications of quantum computation in the NISQ era.
• Abstract（参考訳）: 変分量子固有ソルバは、ノイズの多い中間スケール量子 (nisq) コンピュータ上でschr\"odinger方程式を解く有望な方法であるが、その成功はよく設計された波動関数 ansatz に依存している。 物理的に動機付けられたアンサーゼと比較すると、ハードウェアヒューリスティックアンサーゼは、通常より浅い回路につながるが、NISQデバイスでは深すぎる。 量子ニューラルネットワークにインスパイアされた新しいハードウェアヒューリスティックアンサッツを提案し,現在利用可能な量子コンピュータ上で20以上の原子を持つ化学反応を現実的にシミュレーションするアンシラ量子ビットを導入することにより,回路深さを著しく低減する。 より重要なことに、この新しいansatzの表現性は、回路の深さまたは幅を増加させることで改善することができ、異なるハードウェア環境に適応できる。 これらの結果は、NISQ時代の量子計算の実用的な応用を開発するための新しい道を開いた。

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)
• Benchmarking the Variational Quantum Eigensolver using different quantum hardware [0.0]
  変分量子固有解法(VQE)は化学応用のための有望な量子アルゴリズムである。 VQEを用いて水素分子のシミュレーションを行い、超伝導とイオントラップ量子コンピュータを比較した。
  論文  参考訳（メタデータ） (2023-05-11T18:56:07Z)
• 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)
• Efficient Quantum Simulation of Open Quantum System Dynamics on Noisy Quantum Computers [0.0]
  量子散逸ダイナミクスは、コヒーレントからインコヒーレントにまたがって効率的にシミュレートできることを示す。 この研究は、NISQ時代の量子優位性のための新しい方向性を提供する。
  論文  参考訳（メタデータ） (2021-06-24T10:37:37Z)
• QFCNN: Quantum Fourier Convolutional Neural Network [4.344289435743451]
  量子フーリエ畳み込みネットワーク(Quantum Fourier Convolutional Network, QFCN)というハイブリッド量子古典回路を提案する。 提案モデルは,古典的CNNと比較して指数的な高速化を実現し,既存の量子CNNの最良の結果よりも向上する。 交通予測や画像分類など,さまざまなディープラーニングタスクに適用することで,このアーキテクチャの可能性を示す。
  論文  参考訳（メタデータ） (2021-06-19T04:37:39Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• VQE Method: A Short Survey and Recent Developments [5.9640499950316945]
  変分量子固有解法(VQE)は、ハミルトニアンの固有値と固有値を見つけるためにハイブリッド量子古典計算法を用いる方法である。 VQEは、様々な小さな分子に対する電子的シュリンガー方程式の解法に成功している。 現代の量子コンピュータは、現在利用可能なアンサツェを用いて生成されたディープ量子回路を実行することができない。
  論文  参考訳（メタデータ） (2021-03-15T16:25:36Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)

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。