論文の概要: Two dimensional quantum lattice models via mode optimized hybrid CPU-GPU
density matrix renormalization group method
- arxiv url: http://arxiv.org/abs/2311.14106v1
- Date: Thu, 23 Nov 2023 17:07:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 23:06:26.258812
- Title: Two dimensional quantum lattice models via mode optimized hybrid CPU-GPU
density matrix renormalization group method
- Title（参考訳）: モード最適化型ハイブリッドCPU-GPU密度行列再正規化法による2次元量子格子モデル
- Authors: Andor Menczer, Korn\'el Kap\'as, Mikl\'os Antal Werner, and \"Ors
Legeza
- Abstract要約: 2つの空間量子格子モデル上で量子多体問題をシミュレートするためのハイブリッド数値計算手法を提案する。
本研究では, 2次元スピンレスフェルミオンモデルとトーラス幾何学上のハバードモデルについて, 計算時間において数桁のオーダーを節約できることを示した。
- 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 present a hybrid numerical approach to simulate quantum many body problems
on two spatial dimensional quantum lattice models via the non-Abelian ab initio
version of the density matrix renormalization group method on state-of-the-art
high performance computing infrastructures. We demonstrate for the two
dimensional spinless fermion model and for the Hubbard model on torus geometry
that altogether several orders of magnitude in computational time can be saved
by performing calculations on an optimized basis and by utilizing hybrid
CPU-multiGPU parallelization. At least an order of magnitude reduction in
computational complexity results from mode optimization, while a further order
of reduction in wall time is achieved by massive parallelization. Our results
are measured directly in FLOP and seconds. A detailed scaling analysis of the
obtained performance as a function of matrix ranks and as a function of system
size up to $12\times 12$ lattice topology is discussed.
- Abstract（参考訳）: 本稿では,2次元量子格子モデル上の量子多体問題を非可換ab型密度行列再正規化群法でシミュレートするハイブリッド数値的手法を提案する。
本稿では,2次元スピンレスフェルミオンモデルとトーラス幾何学上のハバードモデルについて,最適化した計算とハイブリッドcpu-マルチgpu並列化を用いて計算時間を何桁も節約できることを実証する。
少なくとも1桁の計算複雑性の減少はモード最適化によるものであり、さらに大きな並列化によって壁時間の減少が達成される。
結果はFLOPと秒で直接測定される。
得られた性能を行列ランクの関数として,および12\times 12$格子トポロジーまでのシステムサイズ関数として詳細なスケーリング解析を行った。
関連論文リスト
- Solving the Transient Dyson Equation with Quasilinear Complexity via Matrix Compression [0.0]
過渡状態における非平衡ダイソン方程式を効率的に解くための数値戦略を導入する。
計算効率の大幅な向上を実現し、時間と空間の複雑さと伝播時間の両方を準線形にスケーリングする。
論文 参考訳（メタデータ） (2024-10-14T20:05:05Z) - Improved real-space parallelizable matrix-product state compression and its application to unitary quantum dynamics simulation [0.0]
改良された実空間並列化行列積状態(MPS)圧縮法を提案する。
本手法は、ユニタリ量子力学をシミュレートし、並列時間進化ブロック決定アルゴリズムの改良を導入する。
得られた数値結果は、改良されたpTEBDアルゴリズムが現在の最先端MPSアルゴリズムと同じレベルのシミュレーション精度を達成することを示す。
論文 参考訳（メタデータ） (2023-12-05T11:14:48Z) - An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。
このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。
本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-30T15:57:14Z) - A hybrid quantum-classical algorithm for multichannel quantum scattering
of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。
大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文 参考訳（メタデータ） (2023-04-12T18:10:47Z) - Gaussian process regression and conditional Karhunen-Lo\'{e}ve models
for data assimilation in inverse problems [68.8204255655161]
偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。
CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
論文 参考訳（メタデータ） (2023-01-26T18:14:12Z) - Fast Classical Simulation of Hamiltonian Dynamics by Simultaneous
Diagonalization Using Clifford Transformation with Parallel Computation [0.8206877486958002]
相互に通勤するパウリ群の同時対角化により量子力学のシミュレーションを高速化する手法を提案する。
量子コンピュータの高速シミュレータの1つを用いた実装と比較して,本手法は数倍の加速を提供する。
論文 参考訳（メタデータ） (2022-06-23T12:39:54Z) - Efficient Simulation of Dynamics in Two-Dimensional Quantum Spin Systems
with Isometric Tensor Networks [0.0]
最近導入された等尺テンソルネットワーク状態(isoTNS)の計算能力について検討する。
アイソTNSに基づくアルゴリズムの実装に関する技術的詳細を議論し、異なるアンタングルの比較を行う。
2次元量子スピン系の動的スピン構造係数を2つのパラダイムモデルに対して計算する。
論文 参考訳（メタデータ） (2021-12-15T19:00:05Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳（メタデータ） (2021-04-19T00:41:43Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Quantum Algorithm for Smoothed Particle Hydrodynamics [0.0]
本研究ではスムーズな粒子流体力学(SPH)法に対する量子計算アルゴリズムを提案する。
誤差収束は、キュービット数において指数関数的に高速である。
一次元の対流と偏微分微分方程式の解法を拡張する。
論文 参考訳（メタデータ） (2020-06-11T18:28:24Z)
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。