論文の概要: Simple Hamiltonian dynamics is a powerful quantum processing resource

• arxiv url: http://arxiv.org/abs/2405.14245v1
• Date: Thu, 23 May 2024 07:24:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 18:24:17.657214
• Title: Simple Hamiltonian dynamics is a powerful quantum processing resource
• Title（参考訳）: 単純ハミルトン力学は強力な量子処理資源である
• Authors: Akitada Sakurai, Aoi Hayashi, William John Munro, Kae Nemoto,
• Abstract要約: 50以上の物理量子ビットを持つ量子プロセッサによってホストされる4次元ヒルベルト空間は、計算タスクを実行するのに十分強力であると予想されている。 量子システムの複雑性と積分可能性/対称性の相互作用が量子ニューラルネットワークとしての性能を規定していることを示す。
• 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: A quadrillion dimensional Hilbert space hosted by a quantum processor with over 50 physical qubits has been expected to be powerful enough to perform computational tasks ranging from simulations of many-body physics to complex financial modeling. Despite few examples and demonstrations, it is still not clear how we can utilize such a large Hilbert space as a computational resource; in particular, how a simple and small quantum system could solve non-trivial computational tasks. In this paper, we show a simple Ising model capable of performing such non-trivial computational tasks in a quantum neural network model. An Ising spin chain as small as ten qubits can solve a practical image classification task with high accuracy. To evaluate the mechanism of its computation, we examine how the symmetries of the Hamiltonian would affect its computational power. We show how the interplay between complexity and integrability/symmetries of the quantum system dictates the performance as quantum neural network.
• Abstract（参考訳）: 50以上の物理量子ビットを持つ量子プロセッサによってホストされる4次元ヒルベルト空間は、多体物理学のシミュレーションから複雑な金融モデリングまで、計算タスクを実行するのに十分強力であると期待されている。 例や実演は少ないが、そのような大きなヒルベルト空間を計算資源としてどのように利用できるのかは定かではない。 本稿では、量子ニューラルネットワークモデルにおいて、そのような非自明な計算タスクを実行できる単純なIsingモデルを示す。 イジングスピンチェーンは10キュービット程度の小型で、精度良く実用的な画像分類タスクを解くことができる。 計算のメカニズムを評価するために,ハミルトニアンの対称性が計算能力にどのように影響するかを検討する。 量子システムの複雑性と積分可能性/対称性の相互作用が量子ニューラルネットワークとしての性能を規定していることを示す。

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)
• Expanding Hardware-Efficiently Manipulable Hilbert Space via Hamiltonian Embedding [9.219297088819634]
  多くの有望な量子アプリケーションは指数的に大きなスパースハミルトニアンの効率的な量子シミュレーションに依存する。 本稿では,ハミルトニアン埋め込みという手法を提案する。 このテクニックは、より大きくより構造化された量子系の進化にそれを埋め込むことによって、望ましいスパース・ハミルトンをシミュレートする。
  論文  参考訳（メタデータ） (2024-01-16T18:19:29Z)
• 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)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• 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)
• Variational Quantum Simulation of Chemical Dynamics with Quantum Computers [23.13347792805101]
  本稿では,ノイズ中間規模量子(NISQ)デバイスの実装に適した実空間量子力学の変分シミュレーションを提案する。 低エネルギー部分空間においてほとんどの化学力学が生じるという知見に触発され、我々は部分空間展開法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T16:28:52Z)
• Quantum reservoir computation utilising scale-free networks [0.0]
  我々は,スケールフリーネットワークを利用した量子優位性を示すパターン認識のための新しい貯水池計算モデルを提案する。 このアプローチの単純さは、量子複雑性の計算能力を示すとともに、そのようなプロセッサに新しいアプリケーションを提供する。
  論文  参考訳（メタデータ） (2021-08-27T06:28:08Z)
• Holographic dynamics simulations with a trapped ion quantum computer [0.0]
  我々は、新しいスケーラブルな量子シミュレーションパラダイムを実証し、ベンチマークする。 ハネウェルに閉じ込められたイオン量子プロセッサを用いて、自己双対蹴りイジングモデルの非可積分ダイナミクスをシミュレートする。 その結果、量子テンソルネットワーク法は、最先端の量子プロセッサ機能とともに、近い将来に実用的な量子優位性を実現することができることが示唆された。
  論文  参考訳（メタデータ） (2021-05-19T18:00:02Z)
• Scalable Hamiltonian learning for large-scale out-of-equilibrium quantum dynamics [0.0]
  平衡外量子系におけるハミルトントモグラフィーのためのニューラルネットワークに基づくスケーラブルなアルゴリズムを提案する。 具体的には,任意の大きさの準1次元ボゾン系のハミルトニアンを再構成可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-01T19:00:15Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)

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。