論文の概要: Loop Feynman integration on a quantum computer

• arxiv url: http://arxiv.org/abs/2401.03023v2
• Date: Tue, 19 Nov 2024 10:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:33:06.241676
• Title: Loop Feynman integration on a quantum computer
• Title（参考訳）: 量子コンピュータにおけるループ・ファインマンの統合
• Authors: Jorge J. Martínez de Lejarza, Leandro Cieri, Michele Grossi, Sofia Vallecorsa, Germán Rodrigo,
• Abstract要約: 近い将来の量子コンピュータと量子シミュレータにおけるファインマン積分の最初の時間ループを数値的に評価する。 QFIAEは、多次元積分を効率的にフーリエ級数に分解する量子ニューラルネットワーク(QNN)を導入している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This work investigates in detail the performance and advantages of a new quantum Monte Carlo integrator, dubbed Quantum Fourier Iterative Amplitude Estimation (QFIAE), to numerically evaluate for the first time loop Feynman integrals in a near-term quantum computer and a quantum simulator. In order to achieve a quadratic speedup, QFIAE introduces a Quantum Neural Network (QNN) that efficiently decomposes the multidimensional integrand into its Fourier series. For a one-loop tadpole Feynman diagram, we have successfully implemented the quantum algorithm on a real quantum computer and obtained a reasonable agreement with the analytical values. One-loop Feynman diagrams with more external legs have been analyzed in a quantum simulator. These results thoroughly illustrate how our quantum algorithm effectively estimates loop Feynman integrals and the method employed could also find applications in other fields such as finance, artificial intelligence, or other physical sciences.
• Abstract（参考訳）: この研究は、量子フーリエ反復振幅推定(QFIAE)と呼ばれる新しい量子モンテカルロ積分器の性能と利点を詳細に調べ、短期量子コンピュータと量子シミュレータにおけるファインマン積分の最初の時間ループを数値的に評価する。 二次的なスピードアップを達成するために、QFIAEは、多次元積分を効率的にフーリエ級数に分解する量子ニューラルネットワーク(QNN)を導入した。 1ループのタドポール・ファインマン図では、実量子コンピュータ上で量子アルゴリズムの実装に成功し、解析値との合理的な一致を得た。 より外部の脚を持つ1ループのファインマン図は、量子シミュレーターで解析されている。 これらの結果は、我々の量子アルゴリズムがFeynman積分を効果的に推定する方法を詳細に説明し、採用した手法は、ファイナンス、人工知能、その他の物理科学などの他の分野にも応用できるかもしれない。

関連論文リスト

• Quantum integration of decay rates at second order in perturbation theory [0.0]
  摂動量子場理論において、高エネルギー物理学における全崩壊率の量子計算を2次で行う。 この研究は、2つの最近の最先端の進歩の合流点を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-09-18T18:00:04Z)
• Frequency principle for quantum machine learning via Fourier analysis [0.6138671548064356]
  本稿では、主周波数範囲内の周波数を優先的に訓練するパラメータ化量子回路の周波数原理を提案する。 我々の研究は、トレーニングプロセスから量子的優位性を理解するための新しい道のりを示唆している。
  論文  参考訳（メタデータ） (2024-09-10T17:49:09Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Quantum algorithms in particle physics [0.0]
  量子的アプローチがジェットクラスタリングアルゴリズムの複雑さを軽減する方法について論じる。 量子アルゴリズムがマルチループファインマン図の因果構造を効率的に同定する方法を示す。
  論文  参考訳（メタデータ） (2024-01-29T15:01:57Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum Fourier Iterative Amplitude Estimation [0.0]
  我々はモンテカルロ積分を推定するための新しいツールを構築するために量子フーリエ反復振幅推定(QFIAE)を提案する。 QFIAEはパラメタライズド量子回路(PQC)と量子ニューラルネットワーク(QNN)を用いてターゲット関数をフーリエ級数に分解する そこで本研究では,実ハードウェア上での実行に適した精度で,QFIAEが同等の精度を実現することを示す。
  論文  参考訳（メタデータ） (2023-05-02T18:00:05Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Recompilation-enhanced simulation of electron-phonon dynamics on IBM Quantum computers [62.997667081978825]
  小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。 我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。 デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
  論文  参考訳（メタデータ） (2022-02-16T19:00:00Z)
• Towards Quantum Simulations in Particle Physics and Beyond on Noisy Intermediate-Scale Quantum Devices [1.7242431149740054]
  我々は、高エネルギー物理学におけるモデル系の信頼性量子シミュレーションに近づく2つのアルゴリズムの進歩についてレビューする。 第1の方法は量子回路の次元表現率解析であり、最小でも最大表現率の量子回路を構築することができる。 第2の方法は、量子デバイス上での読み出し誤差の効率的な緩和である。
  論文  参考訳（メタデータ） (2021-10-07T22:13:37Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)

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。