論文の概要: Zero and Finite Temperature Quantum Simulations Powered by Quantum Magic

• arxiv url: http://arxiv.org/abs/2308.11616v2
• Date: Thu, 18 Jul 2024 14:11:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-20 00:12:03.751513
• Title: Zero and Finite Temperature Quantum Simulations Powered by Quantum Magic
• Title（参考訳）: 量子マジックによるゼロ温度および有限温度量子シミュレーション
• Authors: Andi Gu, Hong-Ye Hu, Di Luo, Taylor L. Patti, Nicholas C. Rubin, Susanne F. Yelin,
• Abstract要約: 短期量子デバイス上での多体ハミルトニアンのキャラクタリゼーションを改善するために,量子情報理論に着想を得た手法を提案する。 本稿では,デジタルおよびアナログ量子ハードウェア上でのゼロおよび有限温度自由エネルギー計算において,本プロトコルが大幅な性能向上をもたらすことを示す。
• 参考スコア（独自算出の注目度）: 1.5998200006932823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a quantum information theory-inspired method to improve the characterization of many-body Hamiltonians on near-term quantum devices. We design a new class of similarity transformations that, when applied as a preprocessing step, can substantially simplify a Hamiltonian for subsequent analysis on quantum hardware. By design, these transformations can be identified and applied efficiently using purely classical resources. In practice, these transformations allow us to shorten requisite physical circuit-depths, overcoming constraints imposed by imperfect near-term hardware. Importantly, the quality of our transformations is tunable: we define a 'ladder' of transformations that yields increasingly simple Hamiltonians at the cost of more classical computation. Using quantum chemistry as a benchmark application, we demonstrate that our protocol leads to significant performance improvements for zero and finite temperature free energy calculations on both digital and analog quantum hardware. Specifically, our energy estimates not only outperform traditional Hartree-Fock solutions, but this performance gap also consistently widens as we tune up the quality of our transformations. In short, our quantum information-based approach opens promising new pathways to realizing useful and feasible quantum chemistry algorithms on near-term hardware.
• Abstract（参考訳）: 短期量子デバイス上での多体ハミルトニアンのキャラクタリゼーションを改善するために,量子情報理論に着想を得た手法を提案する。 我々は、前処理ステップとして適用された新しい類似性変換のクラスを設計し、量子ハードウェアのその後の解析のためにハミルトン変換を著しく単純化する。 設計により、これらの変換は純粋に古典的な資源を用いて同定し、効率的に適用することができる。 実際には、これらの変換により、不完全な短期ハードウェアによる制約を克服し、必要な物理回路深度を短縮することができる。 重要なことに、変換の質は調整可能であり、より古典的な計算を犠牲にして、より単純なハミルトニアンを生み出す変換の「ラダー」を定義する。 量子化学をベンチマーク・アプリケーションとして使用することにより,デジタル・アナログ両方の量子ハードウェア上でのゼロ・有限温度自由エネルギー計算の性能が大幅に向上することが実証された。 具体的には、我々のエネルギー推定は従来のハートリー・フォック解よりも優れているだけでなく、変換の質を調整しながら、この性能ギャップも一貫して拡大する。 簡単に言えば、我々の量子情報に基づくアプローチは、短期的ハードウェア上で有用で実現可能な量子化学アルゴリズムを実現するための、有望な新しい経路を開く。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Unveiling quantum phase transitions from traps in variational quantum algorithms [0.0]
  量子最適化と古典的機械学習を組み合わせたハイブリッドアルゴリズムを提案する。 従来の位相遷移の同定にはLASSO、トポロジカル遷移にはTransformerモデルを用いる。 我々のプロトコルは効率と精度を大幅に向上させ、量子コンピューティングと機械学習の統合における新たな道を開く。
  論文  参考訳（メタデータ） (2024-05-14T09:01:41Z)
• Truncation technique for variational quantum eigensolver for Molecular Hamiltonians [0.0]
  変分量子固有解法(VQE)はノイズ量子デバイスのための最も有望な量子アルゴリズムの1つである。 そこで本研究では, トランケートされたハミルトニアンを用いて, 最適化手順を開始する物理直感的なトランケーション手法を提案する。 この戦略により、量子コンピュータ上でのハミルトニアンの期待値に対する必要な評価回数を減らすことができる。
  論文  参考訳（メタデータ） (2024-02-02T18:45:12Z)
• Hamiltonian Encoding for Quantum Approximate Time Evolution of Kinetic Energy Operator [2.184775414778289]
  時間進化作用素は、量子コンピュータにおける化学実験の正確な計算において重要な役割を果たす。 我々は、運動エネルギー演算子の量子化のための新しい符号化法、すなわち量子近似時間発展法(QATE)を提案している。
  論文  参考訳（メタデータ） (2023-10-05T05:25:38Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• 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)
• Quantum Phase Processing and its Applications in Estimating Phase and Entropies [10.8525801756287]
  量子位相処理」は、任意の三角変換をユニタリ作用素の固有位相に直接適用することができる。 量子位相処理は、単にアンシラ量子ビットを測定することで、量子システムの固有情報を取り出すことができる。 本稿では,量子フーリエ変換を必要としない量子位相推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-28T17:41:19Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

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。