論文の概要: Tensor Network enhanced Dynamic Multiproduct Formulas

• arxiv url: http://arxiv.org/abs/2407.17405v1
• Date: Wed, 24 Jul 2024 16:37:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-25 13:15:22.790580
• Title: Tensor Network enhanced Dynamic Multiproduct Formulas
• Title（参考訳）: テンソルネットワーク強化動的多産物式
• Authors: Niall F. Robertson, Bibek Pokharel, Bryce Fuller, Eric Switzer, Oles Shtanko, Mirko Amico, Adam Byrne, Andrea D'Urbano, Salome Hayes-Shuptar, Albert Akhriev, Nathan Keenan, Sergey Bravyi, Sergiy Zhuk,
• Abstract要約: 本稿では,テンソルネットワークと量子計算を組み合わせた新しいアルゴリズムを提案する。 提案アルゴリズムは,Trotterの積公式を線形に結合してアルゴリズム誤差を低減する手法である多積式 (MPF) に基づいている。 我々は,このアルゴリズムの詳細な誤差解析を行い,IBMの量子コンピュータ2基を用いた50ドルキュービットの1次元量子シミュレーション問題に対する全ワークフローを実演する。
• 参考スコア（独自算出の注目度）: 2.3249255788359813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tensor networks and quantum computation are two of the most powerful tools for the simulation of quantum many-body systems. Rather than viewing them as competing approaches, here we consider how these two methods can work in tandem. We introduce a novel algorithm that combines tensor networks and quantum computation to produce results that are more accurate than what could be achieved by either method used in isolation. Our algorithm is based on multiproduct formulas (MPF) - a technique that linearly combines Trotter product formulas to reduce algorithmic error. Our algorithm uses a quantum computer to calculate the expectation values and tensor networks to calculate the coefficients used in the linear combination. We present a detailed error analysis of the algorithm and demonstrate the full workflow on a one-dimensional quantum simulation problem on $50$ qubits using two IBM quantum computers: $ibm\_torino$ and $ibm\_kyiv$.
• Abstract（参考訳）: テンソルネットワークと量子計算は、量子多体系のシミュレーションの最も強力なツールの1つである。 これらを競合するアプローチとして見るのではなく、ここではこれらの2つの手法がどのように機能するかを考察する。 本稿では,テンソルネットワークと量子計算を組み合わせた新しいアルゴリズムを提案する。 提案アルゴリズムは,Trotterの積公式を線形に結合してアルゴリズム誤差を低減する手法である多積式 (MPF) に基づいている。 我々のアルゴリズムは、量子コンピュータを用いて期待値とテンソルネットワークを計算し、線形結合で使用される係数を計算する。 我々は,このアルゴリズムの詳細な誤差解析を行い,IBMの量子コンピュータ2つを用いて1次元量子シミュレーション問題に対して,$ibm\_torino$と$ibm\_kyiv$のフルワークフローを示す。

関連論文リスト

• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Two quantum algorithms for solving the one-dimensional advection-diffusion equation [0.0]
  2つの量子アルゴリズムが周期的境界条件を持つ線形一次元対流拡散方程式の数値解に対して提示される。 量子ビット数の増加に伴う精度と性能を、ポイントごとに比較する。
  論文  参考訳（メタデータ） (2023-12-30T21:23:15Z)
• Fast quantum algorithm for differential equations [0.5895819801677125]
  我々は、数値複雑性を持つ量子アルゴリズムを、$N$で多対数であるが、大規模なPDEに対して$kappa$とは独立に提示する。 提案アルゴリズムは,解の特徴を抽出する量子状態を生成する。
  論文  参考訳（メタデータ） (2023-06-20T18:01:07Z)
• A hybrid quantum-classical algorithm for multichannel quantum scattering of atoms and molecules [62.997667081978825]
  原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。 このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。 大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
  論文  参考訳（メタデータ） (2023-04-12T18:10:47Z)
• Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
  Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。 しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
  論文  参考訳（メタデータ） (2022-10-23T11:58:05Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Pricing multi-asset derivatives by variational quantum algorithms [0.6181093777643575]
  我々は変分量子シミュレーションを用いてブラック・スコルズ方程式を解き、解と確率分布の間の内積から導出価格を計算する。 これにより、ナイーブなアプローチの計測ボトルネックが回避され、ノイズの多い量子コンピュータでも量子スピードアップが提供される。
  論文  参考訳（メタデータ） (2022-07-04T09:11:15Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
  3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。 本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。 提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
  論文  参考訳（メタデータ） (2021-07-08T17:59:55Z)
• Verifying Random Quantum Circuits with Arbitrary Geometry Using Tensor Network States Algorithm [0.0]
  アルゴリズムはSch$ddottexto$dinger-Feynmanアルゴリズムよりも2ドル高速である。 このアルゴリズムは, 量子コンピュータ上での比較的浅い量子回路の検証に最適であることを示す。
  論文  参考訳（メタデータ） (2020-11-05T02:20:56Z)
• Algorithms for quantum simulation at finite energies [0.7734726150561088]
  マルチボディシステムのマイクロカノニカルおよびカノニカル特性を探索するために,2種類の量子アルゴリズムを導入する。 1つは、期待値を平均エネルギーの周りの有限エネルギー間隔で計算するハイブリッド量子アルゴリズムである。 もう1つは、他の量を計算するための量子支援モンテカルロサンプリング法である。
  論文  参考訳（メタデータ） (2020-06-04T17:40:29Z)

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。