論文の概要: Hamiltonian learning for 300 trapped ion qubits with long-range couplings

• arxiv url: http://arxiv.org/abs/2408.03801v1
• Date: Wed, 7 Aug 2024 14:26:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-08 12:54:35.754173
• Title: Hamiltonian learning for 300 trapped ion qubits with long-range couplings
• Title（参考訳）: 長距離結合を持つ300個の捕獲されたイオン量子ビットに対するハミルトン学習
• Authors: S. -A. Guo, Y. -K. Wu, J. Ye, L. Zhang, Y. Wang, W. -Q. Lian, R. Yao, Y. -L. Xu, C. Zhang, Y. -Z. Xu, B. -X. Qi, P. -Y. Hou, L. He, Z. -C. Zhou, L. -M. Duan,
• Abstract要約: 我々は300量子ビットの2次元イオントラップ量子シミュレータのハミルトン学習を実演する。 我々は、全結合Isingモデルハミルトンを効率的に学習するために、大域的操作と単一量子分解状態検出を用いる。
• 参考スコア（独自算出の注目度）: 0.1987856300421432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum simulators with hundreds of qubits and engineerable Hamiltonians have the potential to explore quantum many-body models that are intractable for classical computers. However, learning the simulated Hamiltonian, a prerequisite for any applications of a quantum simulator, remains an outstanding challenge due to the fast increasing time cost with the qubit number and the lack of high-fidelity universal gate operations in the noisy intermediate-scale quantum era. Here we demonstrate the Hamiltonian learning of a two-dimensional ion trap quantum simulator with 300 qubits. We employ global manipulations and single-qubit-resolved state detection to efficiently learn the all-to-all-coupled Ising model Hamiltonian, with the required quantum resources scaling at most linearly with the qubit number. Our work paves the way for wide applications of large-scale ion trap quantum simulators.
• Abstract（参考訳）: 数百の量子ビットを持つ量子シミュレータとエンジニアリング可能なハミルトンは、古典的なコンピュータにとって魅力的な量子多体モデルを探索する可能性がある。 しかし、量子シミュレータのあらゆる応用の前提条件であるシミュレートされたハミルトニアンを学ぶことは、量子ビット数による高速な時間コストの増加と、ノイズの多い中間スケール量子時代における高忠実な普遍ゲート演算の欠如により、依然として顕著な課題である。 ここでは、300量子ビットの2次元イオントラップ量子シミュレータのハミルトン学習を実演する。 我々は、大域的な操作と単一キュービット分解状態検出を用いて、全結合のイジングモデルハミルトンを効率よく学習し、必要となる量子資源は、量子ビット数とほとんど線形にスケーリングする。 我々の研究は、大規模イオントラップ量子シミュレータの幅広い応用の道を開いた。

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)
• A Site-Resolved 2D Quantum Simulator with Hundreds of Trapped Ions [0.18563999711877635]
  2次元ウィグナー結晶中の512イオンの安定トラップと横動きのサイドバンド冷却について報告する。 そこで本研究では,300イオンを用いた長距離量子イジングモデルの量子シミュレーションを行った。 本研究は,古典的に抽出可能な量子力学のシミュレーションと,2次元イオントラップ量子シミュレータを用いたNISQアルゴリズムの実行方法について述べる。
  論文  参考訳（メタデータ） (2023-11-28T19:00:39Z)
• 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)
• Quantum emulation of the transient dynamics in the multistate Landau-Zener model [50.591267188664666]
  本研究では,Landau-Zenerモデルにおける過渡ダイナミクスを,Landau-Zener速度の関数として検討する。 我々の実験は、工学的なボソニックモードスペクトルに結合した量子ビットを用いたより複雑なシミュレーションの道を開いた。
  論文  参考訳（メタデータ） (2022-11-26T15:04:11Z)
• 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)
• A quantum hamiltonian simulation benchmark [1.5301252700705212]
  ハミルトンシミュレーションは量子計算における最も重要な問題の1つである。 本稿では,1つのアンシラ量子ビットと複数量子ビット制御ゲートのみを使用する,大幅に単純化された量子回路を提案する。
  論文  参考訳（メタデータ） (2021-08-08T22:16:30Z)
• An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
  現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。 我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。 提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
  論文  参考訳（メタデータ） (2021-08-06T19:38:03Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Noisy intermediate scale quantum simulation of time dependent Hamiltonians [0.0]
  我々は、時間依存ハミルトンのクラスの力学をシミュレートするために量子補助シミュレータを拡張した。 量子支援シミュレータは,現時点の量子ハードウェアにとって有望なアルゴリズムであることを示す。
  論文  参考訳（メタデータ） (2021-01-19T15:20:03Z)
• Fully-programmable universal quantum simulator with a one-dimensional quantum processor [0.0]
  現在の量子デバイスは、古典的なコンピュータでは難しい特定のタスクを実行する。 超伝導量子プロセッサを製造時に決定する装置の接続性を再設定することが望ましい。 ここでは1次元鎖を周期的に駆動し、任意の接続性をシミュレートする効果的なハミルトン多様体を設計する。
  論文  参考訳（メタデータ） (2020-09-02T05:10:21Z)

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。