論文の概要: Sketching phase diagrams using low-depth variational quantum algorithms

• arxiv url: http://arxiv.org/abs/2301.09369v1
• Date: Mon, 23 Jan 2023 11:25:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 13:43:46.479432
• Title: Sketching phase diagrams using low-depth variational quantum algorithms
• Title（参考訳）: 低深さ変分量子アルゴリズムを用いたスケッチ位相図
• Authors: Jan Lukas Bosse, Raul Santos and Ashley Montanaro
• Abstract要約: 本稿では,量子コンピュータと変分量子固有解器(VQE)を用いて検討する。 VQEを用いて正確な基底状態を作成するタスクとは対照的に、スケッチフェーズダイアグラムはより少ない量子リソースと精度を必要とする。 VQEが生成した状態を用いて,位相遷移の位置を妥当な精度で予測できることが判明した。
• 参考スコア（独自算出の注目度）: 0.04297070083645048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mapping out phase diagrams of quantum systems using classical simulations can be challenging or intractable due to the computational resources required to simulate even small quantum systems far away from the thermodynamic limit. We investigate using quantum computers and the Variational Quantum Eigensolver (VQE) for this task. In contrast to the task of preparing the exact ground state using VQE, sketching phase diagrams might require less quantum resources and accuracy, because low fidelity approximations to the ground state may be enough to correctly identify different phases. We used classical numerical simulations of low-depth VQE circuits to compute order parameters for four well-studied spin and fermion models which represent a mix of 1D and 2D, and exactly-solvable and classically hard systems. We find that it is possible to predict the location of phase transitions up to reasonable accuracy using states produced by VQE even when their overlap with the true ground state is small. Further, we introduce a model-agnostic predictor of phase transitions based on the speed with which the VQE energy improves with respect to the circuit depth, and find that in some cases this is also able to predict phase transitions.
• Abstract（参考訳）: 古典的シミュレーションを用いた量子システムの位相図のマッピングは、熱力学的限界から遠く離れた小さな量子系をシミュレートするのに必要な計算資源のために困難または難解である。 本稿では,量子コンピュータと変分量子固有解法(vqe)を用いて検討する。 VQEを用いて正確な基底状態を作成するタスクとは対照的に、スケッチ相図は異なる位相を正確に識別するのに十分な密度の低い基底状態への近似を必要とするため、量子資源と精度が低い。 低深度VQE回路の古典的数値シミュレーションを用いて、1Dと2Dの混合を表す4つのよく研究されたスピンおよびフェルミオンモデルの秩序パラメータと、正確に解ける古典的ハードシステムの秩序パラメータを計算した。 真の基底状態との重なり合いが小さい場合でも,VQEが生成した状態を用いて,位相遷移の位置を妥当な精度で予測することが可能である。 さらに,vqeエネルギーが回路深度に対して向上する速度に基づいて,相転移のモデル非依存予測器を導入することにより,相転移の予測も可能となる。

関連論文リスト

• Adaptive variational quantum minimally entangled typical thermal states for finite temperature simulations [0.0]
  我々は、最小絡み合った典型的な熱状態(METTS)アルゴリズムの量子コンピューティングバージョンを記述し、ベンチマークする。 AVQMETTSと呼ばれるアルゴリズムは、コンパクトで問題固有の量子回路を動的に生成する。
  論文  参考訳（メタデータ） (2023-01-06T16:40:06Z)
• 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)
• Potential energy surfaces inference of both ground and excited state using hybrid quantum-classical neural network [0.0]
  変分量子固有解器のシュロゲートモデリングのためのハイブリッド量子古典ニューラルネットワークが提案されている。 サブスペース探索型変分量子固有解法を用いて, 地中および励起状態のPSSを化学的精度で推定できるようにモデルを拡張した。
  論文  参考訳（メタデータ） (2022-12-06T14:28:44Z)
• Orbital-optimized pair-correlated electron simulations on trapped-ion quantum computers [0.471876092032107]
  変分量子固有解法(VQE)は、量子コンピュータ上の電子構造問題を解く最も有望な手法の一つである。 実際にVQEにとって重要な課題は、VQEアンサッツの表現率とアンサッツを実装するのに必要な量子ゲートの数とのバランスをとる必要があることである。 最大12キュービットと72の変分パラメータを持つエンドツーエンドのVQEアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2022-12-05T18:40:54Z)
• Green, Quantized Federated Learning over Wireless Networks: An Energy-Efficient Design [68.86220939532373]
  有限精度レベルは、固定精度フォーマットで重みとアクティベーションを定量化する量子ニューラルネットワーク(QNN)を使用して取得される。 提案するFLフレームワークは,ベースラインFLアルゴリズムと比較して,収束までのエネルギー消費量を最大52%削減できる。
  論文  参考訳（メタデータ） (2022-07-19T16:37:24Z)
• Fundamental limitations on optimization in variational quantum algorithms [7.165356904023871]
  そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。 このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。 この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
  論文  参考訳（メタデータ） (2022-05-10T17:14:57Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• On exploring practical potentials of quantum auto-encoder with advantages [92.19792304214303]
  量子オートエンコーダ(QAE)は、量子物理学で遭遇する次元の呪いを和らげるための強力なツールである。 我々はQAEを用いて固有値を効率的に計算し、高次元量子状態の対応する固有ベクトルを作成できることを証明した。 低ランク状態の忠実度推定,量子ギブス状態準備,量子メトロジーの課題を解決するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Optimal training of variational quantum algorithms without barren plateaus [0.0]
  変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。 量子状態学習のためのVQAを最適に訓練する方法を示す。 量子機械学習におけるガウスカーネルの応用を提案する。
  論文  参考訳（メタデータ） (2021-04-29T17:54:59Z)
• Unsupervised machine learning of quantum phase transitions using diffusion maps [77.34726150561087]
  本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。 この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
  論文  参考訳（メタデータ） (2020-03-16T18:40:13Z)

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。