論文の概要: Machine Learning Assisted Cognitive Construction of a Shallow Depth
Dynamic Ansatz for Noisy Quantum Hardware
- arxiv url: http://arxiv.org/abs/2310.08468v1
- Date: Thu, 12 Oct 2023 16:27:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-14 08:43:34.879900
- Title: Machine Learning Assisted Cognitive Construction of a Shallow Depth
Dynamic Ansatz for Noisy Quantum Hardware
- Title（参考訳）: 雑音量子ハードウェア用浅部深度動的アンサッツの認知的構築を支援する機械学習
- Authors: Sonaldeep Halder, Anish Dey, Chinmay Shrikhande, Rahul Maitra
- Abstract要約: 本研究では, 再生機械学習手法と多体理論を用いて, 高度に表現的かつ浅いアンザッツを構築するための新しいプロトコルを開発した。
提案手法は最先端のニューラルエラー軽減技術と高い互換性を有する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The development of various dynamic ansatz-constructing techniques has ushered
in a new era, rendering the practical exploitation of Noisy Intermediate-Scale
Quantum (NISQ) hardware for molecular simulations increasingly viable. However,
they exhibit substantial measurement costs during their execution. This work
involves the development of a novel protocol that capitalizes on regenerative
machine learning methodologies and many-body perturbation theoretic measures to
construct a highly expressive and shallow ansatz within the variational quantum
eigensolver (VQE) framework. The machine learning methodology is trained with
the basis vectors of a low-rank expansion of the N-electron Hilbert space to
identify the dominant high-rank excited determinants without requiring a large
number of quantum measurements. These selected excited determinants are
iteratively incorporated within the ansatz through their low-rank
decomposition. The reduction in the number of quantum measurements and ansatz
depth manifests in the robustness of our method towards hardware noise, as
demonstrated through numerical applications. Furthermore, the proposed method
is highly compatible with state-of-the-art neural error mitigation techniques.
This approach significantly enhances the feasibility of quantum simulations in
molecular systems, paving the way for impactful advancements in quantum
computational chemistry.
- Abstract（参考訳）: 様々な動的アンザッツ構築技術の開発が新しい時代に始まり、分子シミュレーションのためのノイズ中間量子(NISQ)ハードウェアの実用化がますます活発になっている。
しかし、実行中にかなりの測定コストがかかる。
この研究は、再生型機械学習方法論と多体摂動論的手法を活かし、変分量子固有ソルバ(vqe)フレームワーク内で高度に表現力が高く浅いアンサッツを構築するための新しいプロトコルの開発を含む。
機械学習手法は、N電子ヒルベルト空間の低ランク展開の基底ベクトルを用いて訓練され、多くの量子測定を必要とせず、支配的な高ランク励起行列式を同定する。
これらの選択された励起行列式は、アンサッツの低位分解によって反復的に組み込まれている。
量子測定数とアンサッツ深さの低減は,数値計算で示すように,ハードウェアノイズに対するロバスト性を示す。
さらに,提案手法は最先端のニューラルエラー軽減技術と高い互換性を有する。
このアプローチは分子系における量子シミュレーションの実現可能性を大幅に向上させ、量子計算化学における衝撃的な進歩の道を開く。
関連論文リスト
- Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。
アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。
本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
論文 参考訳（メタデータ） (2024-07-02T18:00:00Z) - Multi-reference Quantum Davidson Algorithm for Quantum Dynamics [3.3869539907606603]
Quantum Krylov Subspace (QKS) 法が開発され、ノイズの多い中間スケール量子コンピュータ上で加速シミュレーションを行う能力が向上した。
マルチボディシステムの基底状態と励起状態を決定する新しい手法であるQDavidsonアルゴリズムから導出した2つのQKS手法を導入・評価する。
論文 参考訳（メタデータ） (2024-06-12T22:30:52Z) - Quantum Tunneling: From Theory to Error-Mitigated Quantum Simulation [49.1574468325115]
本研究では,量子トンネルシミュレーションの理論的背景とハードウェア対応回路の実装について述べる。
我々は、ハードウェアのアンダーユース化問題を解決するために、ZNEとREM(エラー軽減技術)と量子チップのマルチプログラミングを使用する。
論文 参考訳（メタデータ） (2024-04-10T14:27:07Z) - Projective Quantum Eigensolver via Adiabatically Decoupled Subsystem Evolution: a Resource Efficient Approach to Molecular Energetics in Noisy Quantum Computers [0.0]
我々は,ノイズ中間スケール量子(NISQ)ハードウェアを用いて,分子系の基底状態エネルギーを正確に計算することを目的とした射影形式を開発した。
本研究では,将来の耐故障システムにおいて,必要な精度を同時に確保しながら,ノイズ下での優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-13T13:27:40Z) - Quantum benefit of the quantum equation of motion for the strongly
coupled many-body problem [0.0]
量子運動方程式 (quantum equation of motion, QEOM) はフェルミオン多体系の励起特性を計算するためのハイブリッド量子古典アルゴリズムである。
我々は、qEOMが要求される量子測定数の独立性により量子的利益を示すことを明らかに示している。
論文 参考訳（メタデータ） (2023-09-18T22:10:26Z) - Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。
本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文 参考訳（メタデータ） (2023-05-16T19:12:41Z) - Noise-assisted digital quantum simulation of open systems [1.3124513975412255]
本稿では,オープン量子システムのシミュレーションに必要な計算資源を削減するために,量子デバイス固有のノイズを利用する新しい手法を提案する。
具体的には、量子回路におけるデコヒーレンス率を選択的に向上または低減し、開系力学の所望のシミュレーションを実現する。
論文 参考訳（メタデータ） (2023-02-28T14:21:43Z) - Quantum Embedding Method for the Simulation of Strongly Correlated
Systems on Quantum Computers [0.0]
本稿では、変分量子固有解法(VQE)アルゴリズムと密度汎関数理論(DFT)を組み合わせた投影型埋め込み法を提案する。
開発したVQE-in-DFT法は実量子デバイス上で効率よく実装され, ブチロニトリル中の三重結合破壊過程のシミュレーションに使用される。
この開発は、コンピュータによる薬物設計や、強い相関の断片を持つメタロエンザイムの研究など、様々な化学分野の恩恵を受けるだろう。
論文 参考訳（メタデータ） (2023-02-06T19:00:03Z) - 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) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z)
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。