論文の概要: Variational Quantum Crank-Nicolson and Method of Lines for the Solution of Initial Value Problems
- arxiv url: http://arxiv.org/abs/2404.07016v1
- Date: Wed, 10 Apr 2024 14:04:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 14:21:12.240849
- Title: Variational Quantum Crank-Nicolson and Method of Lines for the Solution of Initial Value Problems
- Title(参考訳): 変分量子クランクニコソンと初期値問題の解法
- Authors: Francisco Guzman-Cajica, Francisco S. Guzman,
- Abstract要約: 我々は変分量子アルゴリズムを用いてインプリシト・クランク・ニコソンと線形展開法を用いて初期値問題を解く。
この実装を説明するために開発された例は、対流方程式、結合方程式の第1次系として記述された波動方程式、非線形の場合として粘性バーガース方程式である。
- 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: In this paper we use a Variational Quantum Algorithm to solve Initial Value Problems with the Implicit Crank-Nicolson and the Method of Lines evolution schemes. The unknown functions use a spectral decomposition with the Fourier basis. The examples developed to illustrate the implementation are the advection equation, the wave equation written as a first order system of coupled equations and the viscous Burgers equation as a non-linear case. The problems are solved using: i) standard Finite Differences as the solution to compare with, ii) the State Vector Formalism (SVF), and iii) the Sampling Error Formalism (SEF). Our results for these equations show that the SVF provides convergent solutions whereas those constructed with the SEF are not consistent with the increase of resolution. Byproducts of our implementation include the construction of cost functions for the two evolution schemes and an efficient method to simulate the SVF and SEF in classical computers.
- Abstract(参考訳): 本稿では,変分量子アルゴリズムを用いてインプリシト・クランク・ニコソンと線形展開法を用いて初期値問題の解法を提案する。
未知の関数はフーリエ基底のスペクトル分解を用いる。
この実装を説明するために開発された例は、対流方程式、結合方程式の第1次系として記述された波動方程式、非線形の場合として粘性バーガース方程式である。
問題は次の通り解決される。
一 比較すべき解としての標準差分
二 国家ベクトル形式主義(SVF)及び
三 サンプリング誤り形式主義(SEF)
これらの方程式の結果、SVFは収束解を提供するのに対し、SEFで構築されたものは分解能の増加と一致しないことが示された。
実装の副産物には、2つの進化計画のためのコスト関数の構築と、古典的コンピュータにおけるSVFとSEFをシミュレートする効率的な方法が含まれる。
関連論文リスト
- Predicting Ordinary Differential Equations with Transformers [65.07437364102931]
単一溶液軌道の不規則サンプリングおよび雑音観測から,スカラー常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを開発した。
提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たな観測解の法則を推測することができる。
論文 参考訳(メタデータ) (2023-07-24T08:46:12Z) - Comparison of Single- and Multi- Objective Optimization Quality for
Evolutionary Equation Discovery [77.34726150561087]
進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。
提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
論文 参考訳(メタデータ) (2023-06-29T15:37:19Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Discovering ordinary differential equations that govern time-series [65.07437364102931]
本研究では, 1つの観測解の時系列データから, スカラー自律常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを提案する。
提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たに観測された解の法則を推測することができる。
論文 参考訳(メタデータ) (2022-11-05T07:07:58Z) - Constraining Gaussian Processes to Systems of Linear Ordinary
Differential Equations [5.33024001730262]
LODE-GP は定数係数を持つ線形同次ODEの系に従う。
複数の実験においてLODE-GPの有効性を示す。
論文 参考訳(メタデータ) (2022-08-26T09:16:53Z) - Learning nonparametric ordinary differential equations from noisy data [0.10555513406636088]
雑音データから通常の微分方程式(ODE)ドットx = f(t,x)の非パラメトリックシステムを学ぶことは、新しい機械学習トピックである。
再生ケルネルヒルベルト空間(RKHS)の理論を用いて、ODEの解が存在し、一意である f の候補を定義する。
本稿では,Representer定理とオイラー近似を反復的に用いて数値解を与えるペナルティ法を提案する。
論文 参考訳(メタデータ) (2022-06-30T11:59:40Z) - Quantum Kernel Methods for Solving Differential Equations [21.24186888129542]
量子カーネル法を用いて微分方程式(DE)の解法を提案する。
量子モデルをカーネル関数の重み付け和として構成し、特徴写像を用いて変数を符号化し、モデル微分を表現する。
論文 参考訳(メタデータ) (2022-03-16T18:56:35Z) - Message Passing Neural PDE Solvers [60.77761603258397]
我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。
本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。
本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
論文 参考訳(メタデータ) (2022-02-07T17:47:46Z) - A Variational Inference Approach to Inverse Problems with Gamma
Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。
提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文 参考訳(メタデータ) (2021-11-26T06:33:29Z) - Numerical Solution of Stiff Ordinary Differential Equations with Random
Projection Neural Networks [0.0]
正規微分方程式(ODE)の解に対する乱射影ニューラルネットワーク(RPNN)に基づく数値スキームを提案する。
提案手法は剛性の影響を受けずに高い数値近似精度を示し,textttode45 と textttode15s の関数よりも優れていた。
論文 参考訳(メタデータ) (2021-08-03T15:49:17Z) - Solving Differential Equations via Continuous-Variable Quantum Computers [0.0]
連続次元(CV)量子コンピュータが古典的な微分方程式を解く方法を探り、その自然能力を利用してクォーモッド内の実数を表現する。
PennyLane/Strawberry Fieldsフレームワークを用いたシミュレーションとパラメータ最適化により,線形および非線形のODEが良好であることを示す。
論文 参考訳(メタデータ) (2020-12-22T18:06:12Z)
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。