論文の概要: The generative quantum eigensolver (GQE) and its application for ground state search

• arxiv url: http://arxiv.org/abs/2401.09253v1
• Date: Wed, 17 Jan 2024 14:58:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 15:37:24.058455
• Title: The generative quantum eigensolver (GQE) and its application for ground state search
• Title（参考訳）: 生成型量子固有ソルバ(gqe)とその基底状態探索への応用
• Authors: Kouhei Nakaji, Lasse Bj{\o}rn Kristensen, Jorge A. Campos-Gonzalez-Angulo, Mohammad Ghazi Vakili, Haozhe Huang, Mohsen Bagherimehrab, Christoph Gorgulla, FuTe Wong, Alex McCaskey, Jin-Sung Kim, Thien Nguyen, Pooja Rao, Alan Aspuru-Guzik
• Abstract要約: 本稿では、量子シミュレーションに古典的生成モデルを適用する新しい方法である生成量子固有解法(GQE)を紹介する。 電子構造ハミルトニアンの基底状態探索におけるGPT-QEのトレーニングと事前学習の有効性を実証する。
• 参考スコア（独自算出の注目度）: 6.7844469066080215
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the generative quantum eigensolver (GQE), a novel method for applying classical generative models for quantum simulation. The GQE algorithm optimizes a classical generative model to produce quantum circuits with desired properties. Here, we develop a transformer-based implementation, which we name the generative pre-trained transformer-based (GPT) quantum eigensolver (GPT-QE), leveraging both pre-training on existing datasets and training without any prior knowledge. We demonstrate the effectiveness of training and pre-training GPT-QE in the search for ground states of electronic structure Hamiltonians. GQE strategies can extend beyond the problem of Hamiltonian simulation into other application areas of quantum computing.
• Abstract（参考訳）: 本稿では,量子シミュレーションに古典生成モデルを適用する新しい手法である生成量子固有ソルバ(gqe)を提案する。 gqeアルゴリズムは古典的な生成モデルを最適化し、望ましい特性を持つ量子回路を生成する。 本稿では,GPT-QE(Generative Pre-trained Transformer-based Quantum Eigensolver)と呼ばれるトランスフォーマーベースの実装を開発し,既存のデータセットの事前学習と事前知識のないトレーニングの両方を活用する。 電子構造ハミルトニアンの基底状態探索におけるGPT-QEのトレーニングおよび事前学習の有効性を示す。 GQE戦略はハミルトンシミュレーションの問題を超えて、量子コンピューティングの他の応用領域に拡張することができる。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Calculating the energy profile of an enzymatic reaction on a quantum computer [0.0]
  量子コンピューティングは、量子化学計算を可能にするための有望な道を提供する。 最近の研究は、ノイズ中間量子(NISQ)デバイスのためのアルゴリズムの開発とスケーリングに向けられている。
  論文  参考訳（メタデータ） (2024-08-20T18:00:01Z)
• Quantum Neural Networks for Solving Power System Transient Simulation Problem [0.0]
  本稿では2つの新しい量子ニューラルネットワーク(QNN)を導入し,従来のシミュレーション手法の代替として提案する。 これらのQNNの応用は、2つの小さな電力系統をシミュレートし、その可能性を実証する。 この研究は、量子コンピューティングを電力システムシミュレーションに適用する先駆的な取り組みであると同時に、複雑なエンジニアリング課題に対処する量子技術の可能性も拡大している。
  論文  参考訳（メタデータ） (2024-05-19T02:18:04Z)
• Sparse Quantum State Preparation for Strongly Correlated Systems [0.0]
  原理として、指数関数的にスケールする多電子波関数を線形にスケールする量子ビットレジスタに符号化することは、従来の量子化学法の限界を克服するための有望な解決策を提供する。 基底状態量子アルゴリズムが実用的であるためには、量子ビットの初期化が要求される基底状態の高品質な近似に必須である。 量子状態準備(QSP)は、古典的な計算から得られる近似固有状態の生成を可能にするが、量子情報のオラクルとして頻繁に扱われる。
  論文  参考訳（メタデータ） (2023-11-06T18:53:50Z)
• Measurement-based infused circuits for variational quantum eigensolvers [1.732837834702512]
  変分量子固有解法(VQEs)は、量子コンピュータ上の物理系を研究するために成功したアルゴリズムである。 本研究では,従来のVQE回路にそのようなアイデアを組み込む。 テストベッドシステムのVQEシミュレーションにより, 実超伝導量子コンピュータへのアプローチを示す。
  論文  参考訳（メタデータ） (2023-05-30T16:45:54Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Simulating non-unitary dynamics using quantum signal processing with unitary block encoding [0.0]
  我々は、資源フルーガル量子信号処理の最近の進歩に適応し、量子コンピュータ上での非一元的想像時間進化を探求する。 所望の仮想時間発展状態の回路深度を最適化する手法と,その実現可能性を試行する。 非単体力学のQET-Uは柔軟で直感的で使いやすく、シミュレーションタスクにおける量子優位性を実現する方法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T19:00:33Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• Electronic structure with direct diagonalization on a D-Wave quantum annealer [62.997667081978825]
  本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。 そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
  論文  参考訳（メタデータ） (2020-09-02T22:46:47Z)

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。