論文の概要: Heisenberg-limited adaptive gradient estimation for multiple observables
- arxiv url: http://arxiv.org/abs/2406.03306v1
- Date: Wed, 5 Jun 2024 14:16:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 18:01:08.343748
- Title: Heisenberg-limited adaptive gradient estimation for multiple observables
- Title（参考訳）: マルチオブザーバブルに対するハイゼンベルク制限適応勾配推定
- Authors: Kaito Wada, Naoki Yamamoto, Nobuyuki Yoshioka,
- Abstract要約: 量子力学において、一般観測値の期待値を測定することは、固有の統計的不確実性を持つ。
我々は,ルート平均二乗誤差内における一般可観測値の期待値を推定する適応量子アルゴリズムを提案する。
本手法は,量子コンピュータを用いた複雑な量子システムにおいて,様々な物理特性を正確に理解し,予測する新しい手法である。
- 参考スコア（独自算出の注目度）: 0.39102514525861415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In quantum mechanics, measuring the expectation value of a general observable has an inherent statistical uncertainty that is quantified by variance or mean squared error of measurement outcome. While the uncertainty can be reduced by averaging several samples, the number of samples should be minimized when each sample is very costly. This is especially the case for fault-tolerant quantum computing that involves measurement of multiple observables of non-trivial states in large quantum systems that exceed the capabilities of classical computers. In this work, we provide an adaptive quantum algorithm for estimating the expectation values of $M$ general observables within root mean squared error $\varepsilon$ simultaneously, using $\mathcal{O}(\varepsilon^{-1}\sqrt{M}\log M)$ queries to a state preparation oracle of a target state. This remarkably achieves the scaling of Heisenberg limit $1/\varepsilon$, a fundamental bound on the estimation precision in terms of mean squared error, together with the sublinear scaling of the number of observables $M$. The proposed method is an adaptive version of the quantum gradient estimation algorithm and has a resource-efficient implementation due to its adaptiveness. Specifically, the space overhead in the proposed method is $\mathcal{O}(M)$ which is independent from the estimation precision $\varepsilon$ unlike non-iterative algorithms. In addition, our method can avoid the numerical instability problem for constructing quantum circuits in a large-scale task (e.g., $\varepsilon\ll 1$ in our case), which appears in the actual implementation of many algorithms relying on quantum signal processing techniques. Our method paves a new way to precisely understand and predict various physical properties in complicated quantum systems using quantum computers.
- Abstract（参考訳）: 量子力学において、一般観測者の期待値を測定することは、測定結果の平均二乗誤差や分散によって定量化される固有の統計的不確実性を持つ。
この不確実性は、いくつかのサンプルを平均化することで低減できるが、各サンプルが非常に高価である場合には、サンプルの数を最小化する必要がある。
これは特に、古典的なコンピュータの能力を超える大規模量子システムにおいて、複数の観測可能な非自明な状態の測定を含むフォールトトレラント量子コンピューティングのケースである。
本研究では、ターゲット状態の状態準備オラクルに対する$\mathcal{O}(\varepsilon^{-1}\sqrt{M}\log M)$クエリを用いて、ルート平均2乗誤差内の一般可観測値の期待値を同時に推定する適応量子アルゴリズムを提案する。
これは平均二乗誤差における推定精度の基本的な境界である1/\varepsilon$のハイゼンベルク極限のスケーリングと、観測可能量のサブ線形スケーリングをM$で達成する。
提案手法は,量子勾配推定アルゴリズムの適応バージョンであり,適応性による資源効率のよい実装である。
具体的には、提案手法の空間オーバーヘッドは$\mathcal{O}(M)$であり、非定性アルゴリズムとは異なり、推定精度$\varepsilon$とは独立である。
さらに,大規模なタスク(例えば,$\varepsilon\ll 1$)で量子回路を構築する際の数値不安定性の問題も回避できる。
本手法は,量子コンピュータを用いた複雑な量子システムにおいて,様々な物理特性を正確に理解し,予測する新しい手法である。
関連論文リスト
- Classically estimating observables of noiseless quantum circuits [36.688706661620905]
本稿では,ほとんどの量子回路上での任意の観測値の期待値を推定するための古典的アルゴリズムを提案する。
非古典的にシミュレート可能な入力状態やオブザーバブルの場合、予測値は、我々のアルゴリズムを関連する状態の古典的な影またはオブザーバブルで拡張することで推定できる。
論文 参考訳（メタデータ） (2024-09-03T08:44:33Z) - Estimating quantum amplitudes can be exponentially improved [11.282486674587236]
量子振幅の推定は、量子コンピューティングの基本的な課題である。
純状態を行列形式に変換することによって量子振幅を推定するための新しい枠組みを提案する。
我々のフレームワークは、それぞれ標準量子極限$epsilon-2$とハイゼンベルク極限$epsilon-1$を達成する。
論文 参考訳（メタデータ） (2024-08-25T04:35:53Z) - Calculating response functions of coupled oscillators using quantum phase estimation [40.31060267062305]
量子コンピュータを用いた結合型古典的高調波発振器系の周波数応答関数の推定問題について検討する。
提案する量子アルゴリズムは,標準的な$sスパース,オーラクルベースのクエリアクセスモデルで動作する。
そこで,本アルゴリズムの簡単な適応により,時間内に無作為な結束木問題を解くことを示す。
論文 参考訳（メタデータ） (2024-05-14T15:28:37Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - Noise-aware variational eigensolvers: a dissipative route for lattice gauge theories [40.772310187078475]
量子シミュレータにおける$mathbbZ$格子ゲージ理論(LGT)の基底状態構築のための新しい変分アンザッツを提案する。
これは、完全に決定論的スキームにおける散逸的かつユニタリな操作と、考慮された格子の大きさとスケールしない回路深さを組み合わせている。
非常にわずかな変動パラメータで、アンザッツは$mathbbZ$ LGTの閉じ込められた位相と分解された位相の両方のエネルギーの精度を$>!
論文 参考訳（メタデータ） (2023-08-07T14:23:00Z) - Exponentially improved efficient machine learning for quantum many-body states with provable guarantees [0.0]
量子多体状態とその性質をモデル非依存の応用で効率的に学習するための理論的保証を提供する。
本結果は,量子多体状態とその特性をモデル非依存の応用で効率的に学習するための理論的保証を提供する。
論文 参考訳（メタデータ） (2023-04-10T02:22:36Z) - Quantum algorithms for grid-based variational time evolution [36.136619420474766]
本稿では,第1量子化における量子力学の実行のための変分量子アルゴリズムを提案する。
シミュレーションでは,従来観測されていた変動時間伝播手法の数値不安定性を示す。
論文 参考訳（メタデータ） (2022-03-04T19:00:45Z) - Nearly Optimal Quantum Algorithm for Estimating Multiple Expectation
Values [0.17126708168238122]
Gily'enらによる量子勾配推定アルゴリズムを利用して$mathcalO(sqrtM/varepsilon)$を対数因子にスケールアップする手法について述べる。
ブラックボックスとして処理された場合,このスケーリングが高精度なシステムでは最悪のケースであることが証明された。
論文 参考訳（メタデータ） (2021-11-17T18:34:17Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - Heisenberg-limited quantum phase estimation of multiple eigenvalues with
few control qubits [1.6328866317851185]
量子位相推定の単一制御量子ビット変種は、系の固有状態を準備できない場合にも、ハイゼンベルク極限を達成することができることを示す。
本稿では,行列鉛筆法を用いてハイゼンベルク限定スケーリングを実現できることを示す。
論文 参考訳（メタデータ） (2021-07-09T18:00:10Z) - Variational Quantum Algorithms for Trace Distance and Fidelity
Estimation [7.247285982078057]
近距離量子デバイスにおける2つの距離測定のためのハイブリッド量子古典アルゴリズムを提案する。
まず,変分トレース距離推定(VTDE)アルゴリズムを提案する。
次に,変分忠実度推定(VFE)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-10T15:56:58Z)
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。