Fugu-MT 論文翻訳(概要): Reconstruction of Randomly Sampled Quantum Wavefunctions using Tensor Methods

論文の概要: Reconstruction of Randomly Sampled Quantum Wavefunctions using Tensor Methods

arxiv url: http://arxiv.org/abs/2310.01628v1
Date: Mon, 2 Oct 2023 20:50:19 GMT
ステータス: 処理完了
システム内更新日: 2023-10-04 18:58:59.059711
Title: Reconstruction of Randomly Sampled Quantum Wavefunctions using Tensor Methods
Title（参考訳）: テンソル法によるランダムサンプル量子波動関数の再構成
Authors: Aaron Stahl and Glen Evenbly
Abstract要約: 波動関数振幅のランダムなサンプルから始まる(未知の)局所ハミルトニアン基底状態を再構成するテンソルネットワークに基づくアルゴリズムを提案し,検証する。これらのアルゴリズムは、1次元格子上の局所ハミルトニアンの基底状態を高い忠実度、しばしば倍精度数値の極限で確実に再構成することが数値的に証明されている。
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: We propose and test several tensor network based algorithms for reconstructing the ground state of an (unknown) local Hamiltonian starting from a random sample of the wavefunction amplitudes. These algorithms, which are based on completing a wavefunction by minimizing the block Renyi entanglement entropy averaged over all local blocks, are numerically demonstrated to reliably reconstruct ground states of local Hamiltonians on 1D lattices to high fidelity, often at the limit of double-precision numerics, while potentially starting from a random sample of only a few percent of the total wavefunction amplitudes.
Abstract（参考訳）: 波動関数振幅のランダムサンプルから開始した(未知)局所ハミルトニアンの基底状態を再構成するためのいくつかのテンソルネットワークに基づくアルゴリズムを提案し,検証する。これらのアルゴリズムは、すべての局所ブロックに平均されるブロックレニエンタングルメントエントロピーを最小化することで波動関数の完成を基礎としており、1次元格子上の局所ハミルトニアンの基底状態を高い忠実度に確実に再構成することを数値的に証明し、また、全体の波動関数振幅のわずか数パーセントのランダムサンプルから始めることができる。

関連論文リスト

Quantum random power method for ground state computation [0.0]
ハミルトン基底状態を近似した量子古典的ハイブリッドランダムパワー法を提案する。我々は、この方法がハミルトニアン基底状態の近似に収束することを示す。
論文参考訳（メタデータ） (2024-08-16T06:41:16Z)
Optimal sampling of tensor networks targeting wave function's fast decaying tails [0.0]
等尺テンソルネットワーク状態に対する局所測定文字列の量子結果のサンプリングに最適戦略を導入する。このアルゴリズムはサンプルの繰り返しを回避し、指数関数的に減衰する尾を持つサンプリング分布を効率的に行う。
論文参考訳（メタデータ） (2024-01-18T19:00:05Z)
On classical simulation algorithms for noisy Boson Sampling [2.8655318786364408]
本稿では, ボソンサンプリング実験の出力分布から, およそのサンプルを抽出する古典的アルゴリズムを提案する。これは、Aharonov、Gao、Landau、Liu、Vaziraniの最近の成果にインスパイアされたもので、元々はKalai Kindlerによる観測である。
論文参考訳（メタデータ） (2023-01-27T04:42:59Z)
Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文参考訳（メタデータ） (2022-06-30T17:45:05Z)
Localization detection based on quantum dynamics [0.0]
本研究では、量子デバイスを用いて障害誘発局在を検出する手法について検討する。小系の数値シミュレーションは、磁化とねじりの重なりが熱相から局所相にどのように変化するかを示す。
論文参考訳（メタデータ） (2022-06-18T10:13:28Z)
Dual-Frequency Quantum Phase Estimation Mitigates the Spectral Leakage of Quantum Algorithms [76.15799379604898]
量子位相推定は、レコード長の逆数が未知の位相の整数倍でない場合にスペクトルリークに悩まされる。複数のサンプルが利用できるとき,クレーマー・ラオ境界に近づいた二重周波数推定器を提案する。
論文参考訳（メタデータ） (2022-01-23T17:20:34Z)
A randomized quantum algorithm for statistical phase estimation [8.701566919381223]
本稿では,2つの特徴を持つランダム化位相推定アルゴリズムを提案し,厳密に解析する。まず、我々のアルゴリズムはハミルトンの項数 L に依存しない複雑性を持つ。第二に、従来のL非依存アプローチとは異なり、我々のアルゴリズムの全てのエラー源は、より多くのデータサンプルを収集することで抑制できる。
論文参考訳（メタデータ） (2021-10-22T21:26:35Z)
Rotating Majorana Zero Modes in a disk geometry [75.34254292381189]
マイクロ波超伝導体を用いて作製した薄板ディスクにおけるマヨラナゼロモードの操作について検討した。平面内磁場印加時に発生する2階位相角モードを解析する。零モードと励起状態の周波数独立結合により, 断熱相においても振動が持続することを示す。
論文参考訳（メタデータ） (2021-09-08T11:18:50Z)
Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文参考訳（メタデータ） (2021-06-23T18:00:05Z)
Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
論文参考訳（メタデータ） (2021-03-01T08:25:26Z)
Sample Complexity Bounds for 1-bit Compressive Sensing and Binary Stable Embeddings with Generative Priors [52.06292503723978]
生成モデルを用いた圧縮センシングの進歩により, 生成モデルを用いた1ビット圧縮センシングの問題点を考察した。まずノイズのない1ビット測定を考察し, ガウス測度に基づく近似回復のためのサンプル複雑性境界を提供する。また,リプシッツ連続生成モデルを用いた1ビット圧縮センシングにも有効であることを示すため,評価誤差と雑音に対する再構成の堅牢性を示すBinary $epsilon$-Stable Embedding特性を実証した。
論文参考訳（メタデータ） (2020-02-05T09:44:10Z)

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。