論文の概要: Efficient explicit gate construction of block-encoding for Hamiltonians needed for simulating partial differential equations
- arxiv url: http://arxiv.org/abs/2405.12855v3
- Date: Mon, 27 Jan 2025 06:09:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:50:09.269001
- Title: Efficient explicit gate construction of block-encoding for Hamiltonians needed for simulating partial differential equations
- Title(参考訳): 偏微分方程式のシミュレートに必要なハミルトン群に対するブロック符号化の効率的な明示的ゲート構築
- Authors: Nikita Guseynov, Xiajie Huang, Nana Liu,
- Abstract要約: 量子コンピュータの最も有望な応用の1つは偏微分方程式(PDE)の解法である。
非保守的なPDEをシュロディンガー方程式に変換するシュロディンガー化法を用いることで、この問題をハミルトンシミュレーションに還元することができる。
本稿では、ブロックエンコーディングによってこれらのハミルトンを量子コンピュータに効率的にロードすることで、重要なギャップに対処する。
- 参考スコア(独自算出の注目度): 0.6144680854063939
- License:
- Abstract: One of the most promising applications of quantum computers is solving partial differential equations (PDEs). By using the Schrodingerisation technique - which converts non-conservative PDEs into Schrodinger equations - the problem can be reduced to Hamiltonian simulations. The particular class of Hamiltonians we consider is shown to be sufficient for simulating almost any linear PDE. In particular, these Hamiltonians consist of discretizations of polynomial products and sums of position and momentum operators. This paper addresses an important gap by efficiently loading these Hamiltonians into the quantum computer through block-encoding. The construction is explicit and efficient in terms of one- and two-qubit operations, forming a fundamental building block for constructing the unitary evolution operator for that class of Hamiltonians. The proposed algorithm demonstrates a squared logarithmic scaling with respect to the spatial partitioning size, offering a polynomial speedup over classical finite-difference methods in the context of spatial partitioning for PDE solving. Furthermore, the algorithm is extended to the multi-dimensional case, achieving an exponential acceleration with respect to the number of dimensions, alleviating the curse of dimensionality problem. This work provides an essential foundation for developing explicit and efficient quantum circuits for PDEs, Hamiltonian simulations, and ground state and thermal state preparation.
- Abstract(参考訳): 量子コンピュータの最も有望な応用の1つは偏微分方程式(PDE)の解法である。
非保守的なPDEをシュロディンガー方程式に変換するシュロディンガー化法を用いることで、この問題をハミルトンシミュレーションに還元することができる。
私たちが考えるハミルトニアンの特定のクラスは、ほとんどすべての線型PDEをシミュレートするのに十分であることを示す。
特に、これらのハミルトニアンは多項式積の離散化と位置と運動量作用素の和からなる。
本稿では、ブロックエンコーディングによってこれらのハミルトンを量子コンピュータに効率的にロードすることで、重要なギャップに対処する。
この構成は 1 および 2 ビットの演算の点において明示的で効率的であり、ハミルトン群のユニタリ進化作用素を構成するための基本構造ブロックを形成する。
提案アルゴリズムは空間分割サイズに関して2乗対数スケーリングを示し,PDE解法における空間分割の文脈における古典的有限差分法に対する多項式高速化を提供する。
さらに、アルゴリズムは多次元の場合にも拡張され、次元の個数に対する指数加速度が達成され、次元問題の呪いが軽減される。
この研究は、PDE、ハミルトンシミュレーション、基底状態と熱状態の準備のための明示的で効率的な量子回路を開発するための重要な基礎を提供する。
関連論文リスト
- Neural Implicit Solution Formula for Efficiently Solving Hamilton-Jacobi Equations [0.0]
ハミルトン・ヤコビ偏微分方程式(HJ PDE)に対して暗黙解公式が提示される
この暗黙の解公式を学習するために,ディープラーニングに基づく方法論を提案する。
状態依存ハミルトニアンの特性曲線を近似するアルゴリズムを開発した。
論文 参考訳(メタデータ) (2025-01-31T17:56:09Z) - Gate Efficient Composition of Hamiltonian Simulation and Block-Encoding with its Application on HUBO, Chemistry and Finite Difference Method [0.0]
本稿では、ハミルトンシミュレーション技術を異なる分野から統一する形式主義を提案する。
ゲートの分解とスケーリングは、通常の戦略とは異なる。
これにより、回転ゲート、マルチキュービットゲート、回路深さの量子回路数を大幅に削減することができる。
論文 参考訳(メタデータ) (2024-10-24T12:26:50Z) - Pymablock: an algorithm and a package for quasi-degenerate perturbation theory [0.0]
我々は、それを実装するPythonパッケージであるPymablockとともに、同等の効果的なHミルトニアンを紹介します。
我々のアルゴリズムは最適なスケーリングと、任意のサブスペースを処理できる能力と、他の様々な改善を組み合わせている。
我々は、パッケージがk.pモデルの構築をどのように処理し、超伝導量子ビットを解析し、大きな強結合モデルの低エネルギースペクトルを計算するかを実証する。
論文 参考訳(メタデータ) (2024-04-04T18:00:08Z) - Hamiltonian simulation for hyperbolic partial differential equations by scalable quantum circuits [1.6268784011387605]
本稿では,ハミルトニアンシミュレーションのための量子回路を明示的に実装する手法を提案する。
構成回路の空間と時間複雑性は,従来のアルゴリズムよりも指数関数的に小さいことを示す。
論文 参考訳(メタデータ) (2024-02-28T15:17:41Z) - Vectorization of the density matrix and quantum simulation of the von
Neumann equation of time-dependent Hamiltonians [65.268245109828]
我々は、von-Neumann方程式を線形化するための一般的なフレームワークを開発し、量子シミュレーションに適した形でレンダリングする。
フォン・ノイマン方程式のこれらの線型化のうちの1つは、状態ベクトルが密度行列の列重ね元となる標準的な場合に対応することを示す。
密度行列の力学をシミュレートする量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-06-14T23:08:51Z) - Solving High-Dimensional PDEs with Latent Spectral Models [74.1011309005488]
我々は,高次元PDEの効率的かつ高精度な解法に向けて,Latent Spectral Models (LSM) を提案する。
数値解析において古典スペクトル法に着想を得て,潜時空間におけるPDEを解くために,ニューラルスペクトルブロックを設計する。
LSMは、一貫した最先端を実現し、7つのベンチマークで平均11.5%の相対的な利益を得る。
論文 参考訳(メタデータ) (2023-01-30T04:58:40Z) - Variational Adiabatic Gauge Transformation on real quantum hardware for
effective low-energy Hamiltonians and accurate diagonalization [68.8204255655161]
変分アダバティックゲージ変換(VAGT)を導入する。
VAGTは、現在の量子コンピュータを用いてユニタリ回路の変動パラメータを学習できる非摂動型ハイブリッド量子アルゴリズムである。
VAGTの精度は、RigettiおよびIonQ量子コンピュータ上でのシミュレーションと同様に、トラフ数値シミュレーションで検証される。
論文 参考訳(メタデータ) (2021-11-16T20:50:08Z) - Solving the Hubbard model using density matrix embedding theory and the
variational quantum eigensolver [0.05076419064097732]
密度行列埋め込み理論(DMET)は、ハバードモデルを解くために量子コンピュータ上で実装できる。
埋め込みハミルトニアンの正確な形式を導出し、効率的なアンザッツ回路と測定スキームを構築するためにそれを用いる。
我々は,ハバードモデルパラメータの範囲において,これまでで最大16量子ビットの詳細な数値シミュレーションを行う。
論文 参考訳(メタデータ) (2021-08-19T10:46:58Z) - Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。
本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。
この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
論文 参考訳(メタデータ) (2021-08-06T19:38:01Z) - 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) - Multipole Graph Neural Operator for Parametric Partial Differential
Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。
線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。
実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文 参考訳(メタデータ) (2020-06-16T21:56:22Z)
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。