論文の概要: Machine Learning Aided Dimensionality Reduction towards a Resource
Efficient Projective Quantum Eigensolver
- arxiv url: http://arxiv.org/abs/2303.11266v1
- Date: Mon, 20 Mar 2023 16:49:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 14:33:44.776676
- Title: Machine Learning Aided Dimensionality Reduction towards a Resource
Efficient Projective Quantum Eigensolver
- Title（参考訳）: 機械学習による高効率投影型量子固有解法への次元化支援
- Authors: Sonaldeep Halder, Chayan Patra, Dibyendu Mondal and Rahul Maitra
- Abstract要約: 近年,分子系の基底状態エネルギーを計算するためのエレガントな手法として,PQE (Projective Quantum Eigensolver) が提案されている。
我々は、この2つのパラメータの集合的相互作用を機械学習技術を用いて利用し、相乗的相互関係を導出した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recently developed Projective Quantum Eigensolver (PQE) has been
demonstrated as an elegant methodology to compute the ground state energy of
molecular systems in Noisy Intermdiate Scale Quantum (NISQ) devices. The
iterative optimization of the ansatz parameters involves repeated construction
of residues on a quantum device. The quintessential pattern of the iteration
dynamics, when projected as a time discrete map, suggests a hierarchical
structure in the timescale of convergence, effectively partitioning the
parameters into two distinct classes. In this work, we have exploited the
collective interplay of these two sets of parameters via machine learning
techniques to bring out the synergistic inter-relationship among them that
triggers a drastic reduction in the number of quantum measurements necessary
for the parameter updates while maintaining the characteristic accuracy of PQE.
Furthermore the machine learning model may be tuned to capture the noisy data
of NISQ devices and thus the predicted energy is shown to be resilient under a
given noise model.
- Abstract（参考訳）: 最近開発されたProjective Quantum Eigensolver (PQE) は、ノイズIntermdiate Scale Quantum (NISQ) デバイスにおける分子系の基底状態エネルギーを計算するためのエレガントな手法として実証されている。
アンザッツパラメータの反復最適化は、量子デバイス上の残基の繰り返し構成を含む。
時間離散写像として投影された反復力学のクインテシデントパターンは収束の時間スケールにおける階層構造を示唆し、パラメータを2つの異なるクラスに効果的に分割する。
本研究では,これら2つのパラメータの集合的相互作用を機械学習手法を用いて活用し,pqeの特徴的精度を維持しつつ,パラメータ更新に必要な量子計測数を劇的に減少させる相乗的相互関係を導出する。
さらに、NISQデバイスのノイズデータを機械学習モデルに調整することで、予測エネルギーが与えられたノイズモデルの下で回復可能であることを示す。
関連論文リスト
- Enhancing Quantum Diffusion Models with Pairwise Bell State Entanglement [35.436358464279785]
本稿では、ノイズ中間スケール量子(NISQ)デバイス向けに設計された新しい量子拡散モデルを提案する。
量子絡み合いと重ね合わせを利用して、このアプローチは量子生成学習を前進させる。
論文 参考訳（メタデータ） (2024-11-24T20:14:57Z) - Projective Quantum Eigensolver with Generalized Operators [0.0]
PQEフレームワークにおける閉形式残留方程式の観点から一般化作用素を決定する手法を開発する。
いくつかの分子系への応用により、アンザッツは単体、二重体、三重体を含む(異方性)UCCと同様の精度を達成できることを実証した。
論文 参考訳（メタデータ） (2024-10-21T15:40:22Z) - 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) - Adaptive variational quantum dynamics simulations with compressed circuits and fewer measurements [4.2643127089535104]
AVQDS(T)と呼ばれる適応変分量子力学シミュレーション(AVQDS)法の改良版を示す。
このアルゴリズムは、変分力学の精度の尺度であるマクラクラン距離を一定しきい値以下に保つために、アンザッツ回路に不連結なユニタリゲートの層を適応的に加算する。
また、雑音耐性を増強した変動パラメータに対する線形運動方程式を解くために、固有値トランケーションに基づく手法を示す。
論文 参考訳（メタデータ） (2024-08-13T02:56:43Z) - Projective Quantum Eigensolver via Adiabatically Decoupled Subsystem Evolution: a Resource Efficient Approach to Molecular Energetics in Noisy Quantum Computers [0.0]
我々は,ノイズ中間スケール量子(NISQ)ハードウェアを用いて,分子系の基底状態エネルギーを正確に計算することを目的とした射影形式を開発した。
本研究では,将来の耐故障システムにおいて,必要な精度を同時に確保しながら,ノイズ下での優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-13T13:27:40Z) - Resource-frugal Hamiltonian eigenstate preparation via repeated quantum
phase estimation measurements [0.0]
ハミルトン固有状態の合成は、量子コンピューティングにおける多くの応用に不可欠である。
我々は,この手法の変種からアイデアを取り入れ,資源フルーガル反復方式を実装した。
我々は、全体効率を高めるために、ターゲットハミルトンの修正を含む拡張を特徴付ける。
論文 参考訳（メタデータ） (2022-12-01T20:07:36Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - Symmetric Pruning in Quantum Neural Networks [111.438286016951]
量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。
ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。
本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
論文 参考訳（メタデータ） (2022-08-30T08:17:55Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-31T16:33:10Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - 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)
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。