論文の概要: Complexity of Gaussian boson sampling with tensor networks
- arxiv url: http://arxiv.org/abs/2301.12814v2
- Date: Mon, 20 Mar 2023 21:38:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 00:22:34.471245
- Title: Complexity of Gaussian boson sampling with tensor networks
- Title（参考訳）: テンソルネットワークを用いたガウスボソンサンプリングの複雑性
- Authors: Minzhao Liu, Changhun Oh, Junyu Liu, Liang Jiang, Yuri Alexeev
- Abstract要約: 我々は、最先端ハードウェアアクセラレーターによる計算時間を著しく短縮するカスタム構築アルゴリズムを開発した。
N_textoutproptosqrtN$は、効率と非効率の古典的シミュレーションの境界を示す入力光子の数において、生き残った光子の数をスケーリングする。
- 参考スコア（独自算出の注目度）: 8.948668614549659
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gaussian boson sampling, a computational model that is widely believed to
admit quantum supremacy, has already been experimentally demonstrated to
surpasses the classical simulation capabilities of even with the most powerful
supercomputers today. However, whether the current approach limited by photon
loss and noise in such experiments prescribes a scalable path to quantum
advantage is an open question. For example, random circuit sampling with
constant noise per gate was recently shown not to be a scalable approach to
achieve quantum supremacy, although simulating intermediate scale systems is
still difficult. To understand the effect of photon loss on the scability of
Gaussian boson sampling, we use a tensor network algorithm with $U(1)$ symmetry
to examine the asymptotic operator entanglement entropy scaling, which relates
to the simulation complexity. We develop a custom-built algorithm that
significantly reduces the computational time with state-of-the-art hardware
accelerators, enabling simulations of much larger systems. With this
capability, we observe, for Gaussian boson sampling, the crucial
$N_\text{out}\propto\sqrt{N}$ scaling of the number of surviving photons in the
number of input photons that marks the boundary between efficient and
inefficient classical simulation. We further theoretically show that this
should be general for other input states.
- Abstract（参考訳）: 量子超越性を認めると広く信じられている計算モデルであるガウス・ボソンサンプリングは、現在最も強力なスーパーコンピュータでさえも古典的シミュレーション能力を超えることが実験的に実証されている。
しかし、このような実験で光子損失とノイズに制限された現在のアプローチが量子優位へのスケーラブルな道筋を定めているかどうかは、未解決の問題である。
例えば、ゲート毎に一定のノイズを持つランダム回路サンプリングは、量子超越性を達成するためのスケーラブルなアプローチではないことが最近示されているが、中間スケールシステムのシミュレーションは依然として困難である。
ガウスボソンサンプリングのsciabilityに対する光子損失の影響を理解するために、シミュレーション複雑性に関連する漸近作用素の絡み合いエントロピースケーリングを調べるために、u(1)$対称性を持つテンソルネットワークアルゴリズムを用いる。
我々は,最先端ハードウェアアクセラレータによる計算時間を著しく短縮し,より大規模システムのシミュレーションを可能にするカスタム構築アルゴリズムを開発した。
この能力により、ガウスボソンサンプリングにおいて、効率と非効率の古典的シミュレーションの境界を示す入力光子の個数における生き残った光子の数のスケーリングが重要な$N_\text{out}\propto\sqrt{N}$である。
さらに理論上は、これは他の入力状態に対して一般化されるべきである。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Quantum Computing Simulation of a Mixed Spin-Boson Hamiltonian and Its Performance for a Cavity Quantum Electrodynamics Problem [0.0]
本稿では,光子ホッピングを許容する一対の空洞における相転移をシミュレーションする手法を提案する。
シミュレーションは、控えめな量の量子資源で行うことができる。
論文 参考訳（メタデータ） (2023-10-17T15:25:35Z) - Complexity of Gaussian quantum optics with a limited number of
non-linearities [4.532517021515834]
ガウス過程の1層非線型性による遷移振幅の計算は、古典的コンピュータでは困難であることを示す。
ガウスボソンサンプリング実験の結果の確率を効率的に近似するために,この問題を効率的に解くアルゴリズムがいかに有効かを示す。
論文 参考訳（メタデータ） (2023-10-09T18:00:04Z) - Simulating Gaussian Boson Sampling with Tensor Networks in the
Heisenberg picture [0.9208007322096533]
本論文では,ハイゼンベルク図におけるテンソルネットワークの時間発展に基づくボソンサンプリングの確率分布の計算法を提案する。
本研究は,本手法の有効性と量子コンピューティング研究を進展させる可能性を示すものである。
論文 参考訳（メタデータ） (2023-05-18T18:00:00Z) - Solving Graph Problems Using Gaussian Boson Sampling [22.516585968074146]
ノイズの多い中間スケールの量子コンピュータを用いてグラフ問題を解く。
我々は,大きな光子クリック数を持つGBS増幅の存在と,特定の雑音下での強化を実験的に観察した。
我々の研究は、既存の中間スケール量子コンピュータを用いて現実の問題をテストするためのステップである。
論文 参考訳（メタデータ） (2023-02-02T08:25:47Z) - 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) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
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可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - 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) - Classical simulation of lossy boson sampling using matrix product
operators [3.696640001804864]
ボソンサンプリングに着目したNISQデバイスの計算能力について数値解析を行った。
入力光子数が増加すると、その計算コスト(MPO EE)が損失スケーリングに応じて異なる振る舞いをすることを示す。
論文 参考訳（メタデータ） (2021-01-27T07:29:03Z) - Efficient construction of tensor-network representations of many-body
Gaussian states [59.94347858883343]
本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。
これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
論文 参考訳（メタデータ） (2020-08-12T11:30:23Z)
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。