論文の概要: Polynomial-time classical sampling of high-temperature quantum Gibbs states

• arxiv url: http://arxiv.org/abs/2305.18514v1
• Date: Mon, 29 May 2023 18:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 19:57:02.337883
• Title: Polynomial-time classical sampling of high-temperature quantum Gibbs states
• Title（参考訳）: 高温量子ギブス状態の多項式時間古典サンプリング
• Authors: Chao Yin, Andrew Lucas
• Abstract要約: 量子多体系をシミュレートする計算複雑性は、粒子の数とともに指数関数的にスケールする。 本稿では,高温量子ギブス状態からのサンプルを計算(生成物)ベースで検出する古典的アルゴリズムを提案する。 以上の結果から,ギブス状態における測定に基づく量子計算は,十分に低温でのみ指数速度を向上できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.22843885788439797
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The computational complexity of simulating quantum many-body systems generally scales exponentially with the number of particles. This enormous computational cost prohibits first principles simulations of many important problems throughout science, ranging from simulating quantum chemistry to discovering the thermodynamic phase diagram of quantum materials or high-density neutron stars. We present a classical algorithm that samples from a high-temperature quantum Gibbs state in a computational (product state) basis. The runtime grows polynomially with the number of particles, while error vanishes polynomially. This algorithm provides an alternative strategy to existing quantum Monte Carlo methods for overcoming the sign problem. Our result implies that measurement-based quantum computation on a Gibbs state can provide exponential speed up only at sufficiently low temperature, and further constrains what tasks can be exponentially faster on quantum computers.
• Abstract（参考訳）: 量子多体系をシミュレートする計算の複雑さは一般に粒子の数に指数関数的にスケールする。 この膨大な計算コストは、量子化学のシミュレーションから量子物質や高密度中性子星の熱力学的位相図の発見まで、科学全体で重要な問題の第一原理シミュレーションを禁止している。 本稿では,高温量子ギブス状態から計算(製品状態)ベースでサンプルする古典的アルゴリズムを提案する。 ランタイムは粒子の数で多項式に成長し、エラーは多項式に消滅する。 このアルゴリズムは、符号問題を克服するための既存の量子モンテカルロ法に代わる戦略を提供する。 その結果,gibbs状態における計測に基づく量子計算は,十分に低い温度でのみ指数関数速度を上昇させることができ,量子コンピュータで指数関数的に速くなれるタスクを制限できることがわかった。

関連論文リスト

• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• A hybrid quantum-classical algorithm for multichannel quantum scattering of atoms and molecules [62.997667081978825]
  原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。 このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。 大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
  論文  参考訳（メタデータ） (2023-04-12T18:10:47Z)
• Calculating the many-body density of states on a digital quantum computer [58.720142291102135]
  ディジタル量子コンピュータ上で状態の密度を推定する量子アルゴリズムを実装した。 我々は,量子H1-1トラップイオンチップ上での非可積分ハミルトニアン状態の密度を18ビットの制御レジスタに対して推定する。
  論文  参考訳（メタデータ） (2023-03-23T17:46:28Z)
• Quantum simulation of exact electron dynamics can be more efficient than classical mean-field methods [0.4215938932388722]
  電子基底状態のシミュレーションのための量子アルゴリズムは、ハートリー・フォックや密度汎関数理論のような一般的な平均場アルゴリズムよりも遅い。 量子化量子アルゴリズムによって、指数的に少ない空間と、基底セットサイズでの関数演算の少ない電子系の正確な時間発展が可能となることを示す。
  論文  参考訳（メタデータ） (2023-01-03T17:00:40Z)
• 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)
• Ab initio Quantum Simulation of Strongly Correlated Materials with Quantum Embedding [0.5872014229110214]
  ab 量子コンピュータ上の固体物質の初期シミュレーションはまだ初期段階である。 周期密度行列埋め込み理論の上に軌道に基づく多重フラグメント手法を導入する。 その結果, 量子埋め込みと化学的に直感的な断片化が組み合わさって, 現実的な物質の量子シミュレーションを大幅に前進させることが示唆された。
  論文  参考訳（メタデータ） (2022-09-07T15:02:01Z)
• Quantum Computing Quantum Monte Carlo [8.69884453265578]
  量子コンピューティングと量子モンテカルロを統合したハイブリッド量子古典アルゴリズムを提案する。 我々の研究は、中間スケールおよび早期フォールト耐性量子コンピュータで現実的な問題を解決するための道を開いた。
  論文  参考訳（メタデータ） (2022-06-21T14:26:24Z)
• Kernel-Function Based Quantum Algorithms for Finite Temperature Quantum Simulation [5.188498150496968]
  量子多体系の熱力学特性を解くための量子カーネル関数(QKFE)アルゴリズムを提案する。 従来のカーネルメソッド(KPM)と比較して、QKFEは時間とメモリの両方のコストにおいて指数関数的に有利である。 1次元および2次元の量子スピンモデルとフェルミオン格子への応用により、その効率を実証する。
  論文  参考訳（メタデータ） (2022-02-02T18:00:04Z)
• 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)
• Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
  想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。 本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-24T12:48:00Z)
• Simulating quantum chemistry in the seniority-zero space on qubit-based quantum computers [0.0]
  計算量子化学の近似をゲートベースの量子コンピュータ上で分子化学をシミュレートする手法と組み合わせる。 基本集合を増大させるために解放された量子資源を用いることで、より正確な結果が得られ、必要な数の量子コンピューティングの実行が削減されることが示される。
  論文  参考訳（メタデータ） (2020-01-31T19:44:37Z)

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。