論文の概要: Quantized tensor networks for solving the Vlasov-Maxwell equations
- arxiv url: http://arxiv.org/abs/2311.07756v3
- Date: Wed, 21 Feb 2024 07:48:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 19:51:14.151609
- Title: Quantized tensor networks for solving the Vlasov-Maxwell equations
- Title(参考訳): Vlasov-Maxwell方程式を解くための量子テンソルネットワーク
- Authors: Erika Ye, Nuno Loureiro
- Abstract要約: 本稿では量子化テンソルネットワーク(QTN)を用いた量子インスピレーション半単純Vlasov-Maxwell解法を提案する。
ここで考慮された5次元テスト問題に対して、期待される物理学を捉えるのに、控えめな$D=64$が十分であることがわかった。
- 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 Vlasov-Maxwell equations provide an \textit{ab-initio} description of
collisionless plasmas, but solving them is often impractical because of the
wide range of spatial and temporal scales that must be resolved and the high
dimensionality of the problem. In this work, we present a quantum-inspired
semi-implicit Vlasov-Maxwell solver that utilizes the quantized tensor network
(QTN) framework. With this QTN solver, the cost of grid-based numerical
simulation of size $N$ is reduced from $\mathcal{O}(N)$ to
$\mathcal{O}(\text{poly}(D))$, where $D$ is the ``rank'' or ``bond dimension''
of the QTN and is typically set to be much smaller than $N$. We find that for
the five-dimensional test problems considered here, a modest $D=64$ appears to
be sufficient for capturing the expected physics despite the simulations using
a total of $N=2^{36}$ grid points, \edit{which would require $D=2^{18}$ for
full-rank calculations}. Additionally, we observe that a QTN time evolution
scheme based on the Dirac-Frenkel variational principle allows one to use
larger time steps than prescribed by the Courant-Friedrichs-Lewy (CFL)
constraint. As such, this work demonstrates that the QTN format is a promising
means of approximately solving the Vlasov-Maxwell equations with significantly
reduced cost.
- Abstract(参考訳): ヴラソフ=マクスウェル方程式は衝突のないプラズマを記述した \textit{ab-initio} であるが、解決しなければならない広い空間的・時間的スケールと問題の高次元のため、解決はしばしば非実用的である。
本稿では,量子化テンソルネットワーク(qtn)フレームワークを用いた量子インスパイアされたvlasov-maxwellソルバを提案する。
この qtn ソルバにより、サイズ $n$ のグリッドベースの数値シミュレーションのコストは $\mathcal{o}(n)$ から $\mathcal{o}(\text{poly}(d))$ に削減される。
ここで考慮された5次元のテスト問題では、実数計算に$d=2^{18}$を必要とする、合計$n=2^{36}$グリッドポイントを用いたシミュレーションにもかかわらず、予想物理学を捉えるには控えめな$d=64$が十分であることがわかった。
さらに,Dirac-Frenkel変分原理に基づくQTN時間進化スキームにより,Courant-Friedrichs-Lewy (CFL) 制約よりも大きな時間ステップを使用できることを示す。
このようにして、この研究はQTN形式が、コストを大幅に削減したヴラソフ・マクスウェル方程式をおよそ解くための有望な手段であることを示した。
関連論文リスト
- Quantum Calculation for Two-Stream Instability and Advection Test of Vlasov-Maxwell Equations: Numerical Evaluation of Hamiltonian Simulation [0.0]
量子古典型ハイブリッドVlasov-Maxwellソルバを開発した。
1次元対流試験と1D1V二流不安定試験の数値シミュレーションを行う。
我々の量子アルゴリズムは、古典的アルゴリズムと比較してより大きな時間ステップで堅牢である。
論文 参考訳(メタデータ) (2024-08-21T11:56:55Z) - Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent [37.59299233291882]
本稿では,ニュートンのGDを用いたニューラルネットワークトレーニングの高速化を目的とした,ハイブリッド量子古典スケジューラQ-Newtonを提案する。
Q-Newtonは量子と古典的な線形解法を協調する合理化スケジューリングモジュールを使用している。
評価の結果,Q-Newtonは一般的な量子機械と比較してトレーニング時間を大幅に短縮できる可能性が示された。
論文 参考訳(メタデータ) (2024-04-30T23:55:03Z) - Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。
本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文 参考訳(メタデータ) (2024-04-29T15:04:07Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳(メタデータ) (2024-01-17T18:59:38Z) - End-to-end complexity for simulating the Schwinger model on quantum computers [0.6449786007855248]
シュウィンガーモデルハミルトニアンのブロック符号化の効率的な実装を提案する。
エンド・ツー・エンドのアプリケーションとして、真空永続振幅を計算する。
本研究は,FTQC時代の量子コンピュータの性能予測に関する知見を提供する。
論文 参考訳(メタデータ) (2023-11-29T06:36:11Z) - Minimax Optimal Quantization of Linear Models: Information-Theoretic
Limits and Efficient Algorithms [59.724977092582535]
測定から学習した線形モデルの定量化の問題を考える。
この設定の下では、ミニマックスリスクに対する情報理論の下限を導出する。
本稿では,2層ReLUニューラルネットワークに対して,提案手法と上界を拡張可能であることを示す。
論文 参考訳(メタデータ) (2022-02-23T02:39:04Z) - A lower bound on the space overhead of fault-tolerant quantum computation [51.723084600243716]
しきい値定理は、フォールトトレラント量子計算の理論における基本的な結果である。
振幅雑音を伴う耐故障性量子計算の最大長に対する指数的上限を証明した。
論文 参考訳(メタデータ) (2022-01-31T22:19:49Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳(メタデータ) (2020-02-25T19:18:36Z) - Neural Networks are Convex Regularizers: Exact Polynomial-time Convex
Optimization Formulations for Two-layer Networks [70.15611146583068]
我々は、線形整列ユニット(ReLU)を用いた2層ニューラルネットワークのトレーニングの正確な表現を開発する。
我々の理論は半無限双対性と最小ノルム正規化を利用する。
論文 参考訳(メタデータ) (2020-02-24T21:32:41Z) - Variational Quantum Linear Solver [0.3774866290142281]
本稿では,線形系を線形に解くための量子古典的ハイブリッドアルゴリズムを提案する。
リゲッティの量子コンピュータを用いて,250Times250$までの大きさの非自明な問題を数値的に解く。
論文 参考訳(メタデータ) (2019-09-12T17:28:09Z)
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。