論文の概要: Hybrid Ground-State Quantum Algorithms based on Neural Schr\"odinger
Forging
- arxiv url: http://arxiv.org/abs/2307.02633v1
- Date: Wed, 5 Jul 2023 20:06:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 16:04:14.873122
- Title: Hybrid Ground-State Quantum Algorithms based on Neural Schr\"odinger
Forging
- Title(参考訳): neural schr\"odinger forgingに基づくハイブリッド基底状態量子アルゴリズム
- Authors: Paulin de Schoulepnikoff, Oriel Kiss, Sofia Vallecorsa, Giuseppe
Carleo and Michele Grossi
- Abstract要約: エンタングルメント鍛造に基づく変分アルゴリズムは量子系の二分割を利用する。
本稿では, 生成ニューラルネットワークを用いたエンタングルメント鍛造法を提案する。
提案アルゴリズムは,既存のエンタングルメント鍛造の標準実装と比較して,同等あるいは優れた性能を達成可能であることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Entanglement forging based variational algorithms leverage the bi-partition
of quantum systems for addressing ground state problems. The primary limitation
of these approaches lies in the exponential summation required over the
numerous potential basis states, or bitstrings, when performing the Schmidt
decomposition of the whole system. To overcome this challenge, we propose a new
method for entanglement forging employing generative neural networks to
identify the most pertinent bitstrings, eliminating the need for the
exponential sum. Through empirical demonstrations on systems of increasing
complexity, we show that the proposed algorithm achieves comparable or superior
performance compared to the existing standard implementation of entanglement
forging. Moreover, by controlling the amount of required resources, this scheme
can be applied to larger, as well as non permutation invariant systems, where
the latter constraint is associated with the Heisenberg forging procedure. We
substantiate our findings through numerical simulations conducted on spins
models exhibiting one-dimensional ring, two-dimensional triangular lattice
topologies, and nuclear shell model configurations.
- Abstract(参考訳): エンタングルメント鍛造ベースの変分アルゴリズムは、基底状態問題に対処するために量子システムの二分割を利用する。
これらのアプローチの主な制限は、システム全体のシュミット分解を実行する際に、多くのポテンシャル基底状態、またはビットストリングに必要となる指数的な和である。
この課題を克服するために,生成型ニューラルネットワークを用いたエンタングルメント鍛造法を提案する。
複雑性が増大するシステムの実証実験を通じて,提案アルゴリズムは,既存のエンタングルメント鍛造の標準実装と比較して,同等あるいは優れた性能を実現することを示す。
さらに、必要なリソースの量を制御することによって、後者の制約がハイゼンベルク鍛造手順と関連付けられているような非置換不変系と同様に、このスキームをより大きく適用することができる。
本研究では, 1次元リング, 2次元三角格子トポロジー, 核殻モデル構成を示すスピンモデルを用いて数値シミュレーションを行った。
関連論文リスト
- Avoiding barren plateaus via Gaussian Mixture Model [6.0599055267355695]
変分量子アルゴリズムは、量子コンピューティングにおいて最も代表的なアルゴリズムの1つである。
大量の量子ビット、ディープ・サーキット・レイヤ、グローバル・コスト・ファンクションを扱う場合、それらはしばしば訓練不能となる。
論文 参考訳(メタデータ) (2024-02-21T03:25:26Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - 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) - A stochastic quantum Krylov protocol with double factorized Hamiltonians [0.0]
そこで,本研究では,量子リソース要求を適度に満たした固有状態推定問題を解くことができるランダム化量子クリロフ対角化(rQKD)アルゴリズムを提案する。
従来のリアルタイム進化量子Krylov部分空間法と比較して、我々は時間発展演算子 $e-ihatH tau$ をユニタリの線形結合として表現し、回路深さの要求を減少させるためにサンプリング手順を用いる。
論文 参考訳(メタデータ) (2022-11-15T16:27:41Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳(メタデータ) (2022-06-29T14:34:00Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳(メタデータ) (2022-06-09T17:58:15Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-08T04:09:13Z) - 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) - Autoregressive Neural Network for Simulating Open Quantum Systems via a
Probabilistic Formulation [3.886883839410292]
オープン量子システムのダイナミクスに対処するためのアプローチを提案する。
フォワード・バック・タペソイド法を用いて、リウヴィリア超作用素の力学をシミュレートし、変分定式化により定常状態を求める。
本稿では,自己回帰型ニューラルネットワークの対称性を部分的に復元し,局所相関の記述を改善する改良された文字列状態(String States)を導入する。
論文 参考訳(メタデータ) (2020-09-11T18:00:00Z) - A Neural-Network Variational Quantum Algorithm for Many-Body Dynamics [15.435967947933404]
量子多体系の時間進化をシミュレートするニューラルネットワーク-ネットワーク変分量子アルゴリズムを提案する。
提案アルゴリズムは、測定コストの低い短期量子コンピュータに効率よく実装することができる。
論文 参考訳(メタデータ) (2020-08-31T02:54:09Z) - Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。
マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文 参考訳(メタデータ) (2020-03-06T16:17:24Z)
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。