論文の概要: Augmenting Density Matrix Renormalization Group with Clifford Circuits
- arxiv url: http://arxiv.org/abs/2405.09217v1
- Date: Wed, 15 May 2024 09:53:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-16 13:56:07.847951
- Title: Augmenting Density Matrix Renormalization Group with Clifford Circuits
- Title（参考訳）: クリフォード回路を用いた密度行列正規化群の拡大
- Authors: Xiangjian Qian, Jiale Huang, Mingpu Qin,
- Abstract要約: 本稿では,密度行列再正規化群アルゴリズムにおけるクリフォード回路のシームレスな積分について述べる。
このフレームワークは、現在のアプリケーションだけでなく、様々な数値的アプローチに容易に適応できる可能性にも有用である。
- 参考スコア（独自算出の注目度）: 0.49157446832511503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Density Matrix Renormalization Group (DMRG) or Matrix Product States (MPS) are widely acknowledged as highly effective and accurate methods for solving one-dimensional quantum many-body systems. However, the direct application of DMRG to the study two-dimensional systems encounters challenges due to the limited entanglement encoded in the wave-function ansatz. Conversely, Clifford circuits offer a promising avenue for simulating states with substantial entanglement, albeit confined to stabilizer states. In this work, we present the seamless integration of Clifford circuits within the DMRG algorithm, leveraging the advantages of both Clifford circuits and DMRG. This integration leads to a significant enhancement in simulation accuracy with small additional computational cost. Moreover, this framework is useful not only for its current application but also for its potential to be easily adapted to various other numerical approaches
- Abstract（参考訳）: 密度行列再正規化群 (DMRG) あるいは行列積状態 (MPS) は1次元量子多体系を解くための高効率かつ正確な方法として広く認められている。
しかし、DMRGの二次元系への直接的適用は、波動関数アンサッツに符号化された限られた絡み合いのために困難に直面する。
逆にクリフォード回路は、安定状態に限られるにもかかわらず、かなりの絡み合いを持つ状態をシミュレートするための有望な経路を提供する。
本稿では, クリフォード回路とDMRGの両方の利点を生かして, DMRGアルゴリズムにおけるクリフォード回路のシームレスな統合について述べる。
この積分により、計算コストが小さければシミュレーション精度が大幅に向上する。
さらに、このフレームワークは、現在のアプリケーションだけでなく、様々な数値的アプローチに容易に適応できる可能性にも有用である。
関連論文リスト
- Downlink MIMO Channel Estimation from Bits: Recoverability and Algorithm [47.7091447096969]
主な課題は、ユーザ機器(UE)からの限られたフィードバックから基地局(BS)のダウンリンクチャネル状態情報(CSI)を取得することである。
本稿では、UE側で圧縮とガウスディザリングに基づく量子化戦略を採用し、BS側で最大極大推定器(MLE)を定式化する単純なフィードバックフレームワークを提案する。
このアルゴリズムは、高次高調波探索(HR)ソルバをサブルーチンとして統合するために慎重に設計されており、この難しいMLE問題に効果的に取り組む鍵であることが判明した。
論文 参考訳（メタデータ） (2024-11-25T02:15:01Z) - Clifford Circuits Augmented Time-Dependent Variational Principle [0.49157446832511503]
最近提案された Clifford Circuits Augmented Matrix Product States (CA-MPS) は, Clifford Circuits による密度行列再正規化群をシームレスに増強する。
時間進化シミュレーションのための時間依存変動原理(TDVP)の枠組みにCA-MPSを一般化する。
クリフォード回路拡張TDVP法により,時間発展過程における絡み合いのエントロピーを低減できることを示す。
論文 参考訳（メタデータ） (2024-07-03T15:34:15Z) - Clifford Dressed Time-Dependent Variational Principle [39.58317527488534]
マトリックス製品状態(MPS)のための拡張時間依存変動原理(TDVP)アルゴリズムを提案する。
クリフォード群を活用することにより、クリフォード装束1-TDVPスキームを導入する。
我々は、積分可能系と非可積分系の両方を含む様々な量子多体モデルを用いて、新しいアルゴリズムを数値的に検証する。
論文 参考訳（メタデータ） (2024-07-01T18:04:25Z) - Two-Stage ML-Guided Decision Rules for Sequential Decision Making under Uncertainty [55.06411438416805]
SDMU (Sequential Decision Making Under Uncertainty) は、エネルギー、金融、サプライチェーンといった多くの領域において、ユビキタスである。
いくつかのSDMUは、自然にマルチステージ問題(MSP)としてモデル化されているが、結果として得られる最適化は、計算の観点からは明らかに困難である。
本稿では,2段階の一般決定規則(TS-GDR)を導入し,線形関数を超えて政策空間を一般化する手法を提案する。
TS-GDRの有効性は、TS-LDR(Two-Stage Deep Decision Rules)と呼ばれるディープリカレントニューラルネットワークを用いたインスタンス化によって実証される。
論文 参考訳（メタデータ） (2024-05-23T18:19:47Z) - Neutron-nucleus dynamics simulations for quantum computers [49.369935809497214]
一般ポテンシャルを持つ中性子核シミュレーションのための新しい量子アルゴリズムを開発した。
耐雑音性トレーニング法により、ノイズの存在下でも許容される境界状態エネルギーを提供する。
距離群可換性(DGC)と呼ばれる新しい可換性スキームを導入し、その性能をよく知られたqubit-commutativityスキームと比較する。
論文 参考訳（メタデータ） (2024-02-22T16:33:48Z) - Deep Learning Assisted Multiuser MIMO Load Modulated Systems for
Enhanced Downlink mmWave Communications [68.96633803796003]
本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。
ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。
本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-08T08:54:56Z) - Matrix Product Renormalization Group: Potential Universal Quantum
Many-Body Solver [0.0]
行列積再正規化群 (MPRG) と呼ばれる連続テンソルネットワークアルゴリズムの改良式を提案する。
MPRGは普遍的な量子多体解法であり、ゼロ温度と有限温度の両方で2次元と高次元で動作する可能性があり、開量子系にも適用できる。
論文 参考訳（メタデータ） (2022-12-26T19:00:01Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Transcorrelated Density Matrix Renormalization Group [0.0]
強相関系に対するエネルギーの効率的な近似のための超相関密度行列正規化群(tcDMRG)理論を導入する。
tcDMRGは、固定ジャストロウまたはグッツウィラー相関器と行列積状態の積として波動関数を符号化する。
我々は, tcDMRGの高速エネルギー収束を実証し, tcDMRGが準一次元システムを超えて標準DMRGの効率を向上できることを示した。
論文 参考訳（メタデータ） (2020-09-05T23:20:14Z) - A Dynamical Systems Approach for Convergence of the Bayesian EM
Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。
本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。
高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-23T01:34:18Z)
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。