論文の概要: Pre-optimizing variational quantum eigensolvers with tensor networks
- arxiv url: http://arxiv.org/abs/2310.12965v1
- Date: Thu, 19 Oct 2023 17:57:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-20 13:46:31.537955
- Title: Pre-optimizing variational quantum eigensolvers with tensor networks
- Title(参考訳): テンソルネットワークを用いた前最適化変分量子固有解法
- Authors: Abid Khan, Bryan K. Clark, Norm M. Tubman
- Abstract要約: VQEをシミュレートすることで、パラメータ化量子回路のよい開始パラメータを求める手法を提示し、ベンチマークする。
最大32キュービットのシステムサイズを持つ1Dと2DのFermi-Hubbardモデルに適用する。
2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
- 参考スコア(独自算出の注目度): 1.4512477254432858
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The variational quantum eigensolver (VQE) is a promising algorithm for
demonstrating quantum advantage in the noisy intermediate-scale quantum (NISQ)
era. However, optimizing VQE from random initial starting parameters is
challenging due to a variety of issues including barren plateaus, optimization
in the presence of noise, and slow convergence. While simulating quantum
circuits classically is generically difficult, classical computing methods have
been developed extensively, and powerful tools now exist to approximately
simulate quantum circuits. This opens up various strategies that limit the
amount of optimization that needs to be performed on quantum hardware. Here we
present and benchmark an approach where we find good starting parameters for
parameterized quantum circuits by classically simulating VQE by approximating
the parameterized quantum circuit (PQC) as a matrix product state (MPS) with a
limited bond dimension. Calling this approach the variational tensor network
eigensolver (VTNE), we apply it to the 1D and 2D Fermi-Hubbard model with
system sizes that use up to 32 qubits. We find that in 1D, VTNE can find
parameters for PQC whose energy error is within 0.5% relative to the ground
state. In 2D, the parameters that VTNE finds have significantly lower energy
than their starting configurations, and we show that starting VQE from these
parameters requires non-trivially fewer operations to come down to a given
energy. The higher the bond dimension we use in VTNE, the less work needs to be
done in VQE. By generating classically optimized parameters as the
initialization for the quantum circuit one can alleviate many of the challenges
that plague VQE on quantum computers.
- Abstract(参考訳): 変分量子固有解法(VQE)は、ノイズのある中間スケール量子(NISQ)時代に量子優位を示す有望なアルゴリズムである。
しかし、バレン高原、ノイズの有無の最適化、収束の遅いといった様々な問題により、ランダムな初期開始パラメータからVQEを最適化することは困難である。
量子回路のシミュレーションは一般には難しいが、古典的な計算手法が広く開発され、量子回路を概ねシミュレートするための強力なツールが現在存在する。
これにより、量子ハードウェア上で実行する最適化の量を制限する様々な戦略が開かれる。
本稿では,パラメータ化量子回路 (PQC) を有限結合次元の行列積状態 (MPS) として近似することにより,古典的にVQEをシミュレートすることで,パラメータ化量子回路のよい開始パラメータを求める手法を提案する。
このアプローチは変分テンソルネットワーク固有解法(VTNE)と呼ばれ、最大32キュービットのシステムサイズを持つ1Dおよび2Dフェルミ-ハッバードモデルに適用する。
1Dでは、VTNE は基底状態に対してエネルギー誤差が 0.5% 以内の PQC のパラメータを見つけることができる。
2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
VTNEで使用する結合次元が大きくなるほど、VQEで行う必要は少なくなる。
量子回路の初期化として古典的に最適化されたパラメータを生成することで、量子コンピュータ上でvqeを悩ませる多くの課題を軽減できる。
関連論文リスト
- A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳(メタデータ) (2024-01-10T22:33:00Z) - Quantum Circuit Optimization through Iteratively Pre-Conditioned
Gradient Descent [0.4915744683251151]
量子回路を最適化し、状態準備と量子アルゴリズムの実装のための性能高速化を示すために、繰り返し事前条件勾配降下(IPG)を行う。
4量子W状態と最大絡み合った5量子GHZ状態を作成するための104ドルの係数による忠実度の向上を示す。
また、IPGを用いて量子フーリエ変換のユニタリを最適化するゲインを示し、IonQの量子処理ユニット(QPU)上でそのような最適化された回路の実行結果を報告する。
論文 参考訳(メタデータ) (2023-09-18T17:30:03Z) - A self-consistent field approach for the variational quantum
eigensolver: orbital optimization goes adaptive [52.77024349608834]
適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。
このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
論文 参考訳(メタデータ) (2022-12-21T23:15:17Z) - 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) - Improving the Accuracy of Variational Quantum Eigensolvers With Fewer
Qubits Using Orbital Optimization [5.266892492931388]
短期量子コンピュータは、情報を処理できる量子ビットの数と、一貫性のある実行が可能な回路の深さに制限される。
これまで、変量量子固有解法(VQE)のようなアルゴリズムの実験的な実証は、最小基底集合を用いた小さな分子に限られてきた。
本稿では、パラメータ化された部分ユニタリ変換を基底関数集合に適用した量子固有解法に軌道最適化スキームを組み込むことを提案する。
論文 参考訳(メタデータ) (2022-08-30T17:50:23Z) - Improved variational quantum eigensolver via quasi-dynamical evolution [0.0]
変分量子固有解法 (VQE) は、現在および短期の量子デバイス向けに設計されたハイブリッド量子古典アルゴリズムである。
VQEには、量子優位性に対する好ましいスケーリングを禁じる問題がある。
本稿では,VQEを補う量子アニール法を提案する。
改良されたVQEは不毛の台地を回避し、局所的なミニマを放出し、低深度回路で動作する。
論文 参考訳(メタデータ) (2022-02-21T11:21:44Z) - Optimal training of variational quantum algorithms without barren
plateaus [0.0]
変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。
量子状態学習のためのVQAを最適に訓練する方法を示す。
量子機械学習におけるガウスカーネルの応用を提案する。
論文 参考訳(メタデータ) (2021-04-29T17:54:59Z) - FLIP: A flexible initializer for arbitrarily-sized parametrized quantum
circuits [105.54048699217668]
任意サイズのパラメタライズド量子回路のためのFLexible Initializerを提案する。
FLIPは任意の種類のPQCに適用することができ、初期パラメータの一般的なセットに頼る代わりに、成功したパラメータの構造を学ぶように調整されている。
本稿では, 3つのシナリオにおいてFLIPを用いることの利点を述べる。不毛な高原における問題ファミリ, 最大カット問題インスタンスを解くPQCトレーニング, 1次元フェルミ-ハッバードモデルの基底状態エネルギーを求めるPQCトレーニングである。
論文 参考訳(メタデータ) (2021-03-15T17:38:33Z) - Improving the variational quantum eigensolver using variational
adiabatic quantum computing [0.0]
変分量子サンプリング(VAQC)は、量子回路のハミルトン最小固有値を求めるためのハイブリッド量子古典アルゴリズムである。
VAQCは,評価のために,VQEよりも正確な解を提供できることを示す。
論文 参考訳(メタデータ) (2021-02-04T20:25:50Z) - Quantum-optimal-control-inspired ansatz for variational quantum
algorithms [105.54048699217668]
変分量子アルゴリズム (VQA) の中心成分は状態準備回路(英語版)であり、アンザッツ(英語版)または変分形式(英語版)とも呼ばれる。
ここでは、対称性を破るユニタリを組み込んだ「解」を導入することで、このアプローチが必ずしも有利であるとは限らないことを示す。
この研究は、より一般的な対称性を破るアンスの開発に向けた第一歩となり、物理学や化学問題への応用に繋がる。
論文 参考訳(メタデータ) (2020-08-03T18:00:05Z)
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。