論文の概要: Hamiltonian Learning via Shadow Tomography of Pseudo-Choi States
- arxiv url: http://arxiv.org/abs/2308.13020v1
- Date: Thu, 24 Aug 2023 18:36:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 16:23:08.105379
- Title: Hamiltonian Learning via Shadow Tomography of Pseudo-Choi States
- Title(参考訳): Pseudo-Choi States のシャドウトモグラフィーによるハミルトン学習
- Authors: Juan Castaneda and Nathan Wiebe
- Abstract要約: 我々は、疑似チョイ状態と呼ばれるリソースを通じてハミルトン語を学ぶための新しいアプローチを導入する。
M$ の項を持つハミルトニアンに対して、ハミルトニアン係数は誤差の中で古典的なシャドウトモグラフィーによって推定できることを示す。
また、我々の学習プロセスは、リソース状態のエラーやハミルトンクラスのエラーに対して堅牢であることを示す。
- 参考スコア(独自算出の注目度): 0.6768558752130311
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a new approach to learn Hamiltonians through a resource that we
call the pseudo-Choi state, which encodes the Hamiltonian in a state using a
procedure that is analogous to the Choi-Jamiolkowski isomorphism. We provide an
efficient method for generating these pseudo-Choi states by querying a time
evolution unitary of the form $e^{-iHt}$ and its inverse, and show that for a
Hamiltonian with $M$ terms the Hamiltonian coefficients can be estimated via
classical shadow tomography within error $\epsilon$ in the $2$-norm using
$\widetilde{O}\left(\frac{M}{t^2\epsilon^2}\right)$ queries to the state
preparation protocol, where $t \le \frac{1}{2\left\lVert H \right\rVert}$. We
further show an alternative approach that eschews classical shadow tomography
in favor of quantum mean estimation that reduces this cost (at the price of
many more qubits) to $\widetilde{O}\left(\frac{M}{t\epsilon}\right)$.
Additionally, we show that in the case where one does not have access to the
state preparation protocol, the Hamiltonian can be learned using
$\widetilde{O}\left(\frac{\alpha^4M}{\epsilon^2}\right)$ copies of the
pseudo-Choi state. The constant $\alpha$ depends on the norm of the
Hamiltonian, and the scaling in terms of $\alpha$ can be improved quadratically
if using pseudo-Choi states of the normalized Hamiltonian. Finally, we show
that our learning process is robust to errors in the resource states and to
errors in the Hamiltonian class. Specifically, we show that if the true
Hamiltonian contains more terms than we believe are present in the
reconstruction, then our methods give an indication that there are Hamiltonian
terms that have not been identified and will still accurately estimate the
known terms in the Hamiltonian.
- Abstract(参考訳): 我々は、choi-jamiolkowski同型に類似した手順を用いて、状態におけるハミルトニアンを符号化する疑似choi状態と呼ばれる資源を通してハミルトニアンを学ぶ新しいアプローチを導入する。
我々は、これらの擬Choi状態を生成するための効率的な方法として、$e^{-iHt}$とその逆の形の時間的進化を問合せ、M$の項を持つハミルトニアンに対して、$\widetilde{O}\left(\frac{M}{t^2\epsilon^2}\right)$$$t \le \frac{1}{2\left\lVert H \right\rVert}$を使用する2$-normの古典的なシャドウトモグラフィーにより、ハミルトン係数を推定できることを示す。
さらに、古典的なシャドウトモグラフィーを駆使して、このコスト(より多くのキュービットの価格で)を$\widetilde{O}\left(\frac{M}{t\epsilon}\right)$に削減する量子平均推定を推奨する別のアプローチを示す。
さらに、状態準備プロトコルにアクセスできない場合には、$\widetilde{O}\left(\frac{\alpha^4M}{\epsilon^2}\right)$の擬似Choi状態のコピーを使って、ハミルトニアンが学習可能であることを示す。
定数 $\alpha$ はハミルトニアンのノルムに依存し、$\alpha$ のスケーリングは正規化されたハミルトニアンの擬似チョイ状態を用いることで二次的に改善することができる。
最後に,我々の学習プロセスは,資源状態のエラーやハミルトニアンクラスのエラーに対して頑健であることを示す。
具体的には、真のハミルトニアンが再構成の中に存在すると信じているより多くの項を含むとすると、我々の手法は、同定されていないハミルトン項が存在し、まだハミルトニアンで知られている用語を正確に見積もっていることを示す。
関連論文リスト
- Hamiltonian Property Testing [0.9208007322096533]
局所性は多くの物理的時間進化の基本的な特徴である。
未知のハミルトニアンが局所的であるかどうかを厳格に検証するプロトコルは知られていない。
論文 参考訳(メタデータ) (2024-03-05T13:44:28Z) - A polynomial-time quantum algorithm for solving the ground states of a
class of classically hard Hamiltonians [4.828791769306579]
古典的ハードハミルトニアン群の基底状態を解くための量子アルゴリズムを提案する。
ハミルトンの$Ldag L$は、LMEのシミュレーションが難しいと信じている場合、古典的なコンピュータでは難しいことが保証されている。
論文 参考訳(メタデータ) (2024-01-25T05:01:02Z) - A hybrid quantum algorithm to detect conical intersections [39.58317527488534]
実分子ハミルトニアンに対して、ベリー相は選択された経路に沿って変分アンザッツの局所的最適性をトレースすることによって得られることを示す。
フォーマルジミン分子の小さな玩具モデルへのアルゴリズムの適用を数値的に示す。
論文 参考訳(メタデータ) (2023-04-12T18:00:01Z) - Improved Approximations for Extremal Eigenvalues of Sparse Hamiltonians [2.6763498831034043]
古典的な$/(qk+1)$-approximation for the maximum eigen value of a $k$-sparse fermionic Hamiltonian with strictly $q$-local terms。
より一般に、1/O(qk2)$-approximation for $k$-sparse fermionic Hamiltonians with terms of locality at most $q$。
論文 参考訳(メタデータ) (2023-01-11T18:31:10Z) - Some Remarks on the Regularized Hamiltonian for Three Bosons with
Contact Interactions [77.34726150561087]
3次元のゼロレンジ力を介して相互作用する3つのボソン系のモデルハミルトンの性質について論じる。
特に、適当な二次形式 $Q$ から始め、自己随伴およびハミルトンの$mathcal H$ の下から有界となるものを構築することができる。
しきい値 $gamma_c$ が最適であることは、次の2次形式 $Q$ が下から非有界であるという意味では、$gamma_c$ が最適であることを示している。
論文 参考訳(メタデータ) (2022-07-01T10:01:14Z) - Locality optimization for parent Hamiltonians of Tensor Networks [0.7734726150561088]
親ハミルトニアンを体系的に単純化するアルゴリズムを提案する。
RVBモデルは、少なくとも4つのハイゼンベルク相互作用のすべての積を項とする親ハミルトニアンの正確な基底状態である。
論文 参考訳(メタデータ) (2022-03-14T19:01:07Z) - On quantum algorithms for the Schr\"odinger equation in the
semi-classical regime [27.175719898694073]
半古典的状態におけるシュル・オーディンガーの方程式を考える。
このようなシュル・オーディンガー方程式はボルン=オッペンハイマーの分子動力学やエレンフェストの動力学など多くの応用を見出す。
論文 参考訳(メタデータ) (2021-12-25T20:01:54Z) - Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。
我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。
我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文 参考訳(メタデータ) (2021-11-09T18:49:48Z) - Hamiltonian simulation with random inputs [74.82351543483588]
ランダム初期状態を持つハミルトンシミュレーションの平均ケース性能の理論
数値的な証拠は、この理論がコンクリート模型の平均誤差を正確に特徴づけていることを示唆している。
論文 参考訳(メタデータ) (2021-11-08T19:08:42Z) - An Introduction to Hamiltonian Monte Carlo Method for Sampling [26.555110725656963]
Hamiltonian Monte Carlo (HMC) は、Gibs密度$pi(x)propto e-f(x)$からサンプリングするハミルトン力学に着想を得たアルゴリズムである。
理想化された HMC は$pi$ を保持し、$f$ が強く凸かつ滑らかなときにその収束を確立する。
論文 参考訳(メタデータ) (2021-08-27T03:28:20Z) - Nearly-frustration-free ground state preparation [0.0]
量子基底状態の解法は、量子多体系の性質を理解する上で重要である。
最近の研究は、完全に汎用的なハミルトンの量子コンピュータ上で基底状態を作成する、ほぼ最適なスキームを提示している。
論文 参考訳(メタデータ) (2021-08-06T18:00:04Z)
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。