論文の概要: Classically estimating observables of noiseless quantum circuits
- arxiv url: http://arxiv.org/abs/2409.01706v2
- Date: Tue, 12 Aug 2025 12:42:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-13 21:07:34.117492
- Title: Classically estimating observables of noiseless quantum circuits
- Title（参考訳）: ノイズレス量子回路の古典的可観測性の推定
- Authors: Armando Angrisani, Alexander Schmidhuber, Manuel S. Rudolph, M. Cerezo, Zoë Holmes, Hsin-Yuan Huang,
- Abstract要約: ランダムな非構造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。
以上の結果から、カオス的かつ局所的なスクランブルな振る舞いを示す量子回路の観測可能性の推定は、全測地で古典的に可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 36.688706661620905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a classical algorithm based on Pauli propagation for estimating expectation values of arbitrary observables on random unstructured quantum circuits across all circuit architectures and depths, including those with all-to-all connectivity. We prove that for any architecture where each circuit layer is randomly sampled from a distribution invariant under single-qubit rotations, our algorithm achieves a small error $\varepsilon$ on all circuits except for a small fraction $\delta$. The computational time is polynomial in qubit count and circuit depth for any small constant $\varepsilon, \delta$, and quasi-polynomial for inverse-polynomially small $\varepsilon, \delta$. Our results show that estimating observables of quantum circuits exhibiting chaotic and locally scrambling behavior is classically tractable across all geometries. We further conduct numerical experiments beyond our average-case assumptions, demonstrating the potential utility of Pauli propagation methods for simulating real-time dynamics and finding low-energy states of physical Hamiltonians.
- Abstract（参考訳）: 本稿では,全ての回路アーキテクチャと奥行きを含む,ランダムな非構造化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,パウリ伝搬に基づく古典的アルゴリズムを提案する。
我々は,各回路層が単一量子回転下での分布不変量からランダムにサンプリングされるアーキテクチャに対して,各回路上の小さな誤差$\varepsilon$を,小さな分数$\delta$を除いて達成することを証明する。
計算時間は qubit count と circuit depth の多項式で、任意の小さな定数 $\varepsilon, \delta$, and quasi-polynomial for inverse-polynomially small $\varepsilon, \delta$ である。
以上の結果から、カオス的かつ局所的なスクランブルな振る舞いを示す量子回路の観測可能性の推定は、全測地で古典的に可能であることが示唆された。
さらに、平均ケースの仮定を超えて数値実験を行い、実時間力学をシミュレートし、物理ハミルトニアンの低エネルギー状態を見つけるために、パウリ伝搬法の潜在的有用性を示す。
関連論文リスト
- Non-perturbative switching rates in bistable open quantum systems: from driven Kerr oscillators to dissipative cat qubits [72.41778531863143]
単一モードバイスタブルオープン量子系におけるスイッチング率の予測にはパス積分手法を用いる。
本研究は,マルチ安定な単体および多体オープン量子系におけるスイッチング現象を探索するための新たな道を開く。
論文 参考訳（メタデータ） (2025-07-24T18:01:36Z) - Simulating quantum circuits with arbitrary local noise using Pauli Propagation [0.0]
本稿では,任意の局所雑音下での典型的な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。
パウリパス法を用いて効率よくシミュレートできるので、これは平均ケース回路には適用されない。
論文 参考訳（メタデータ） (2025-01-22T18:57:16Z) - 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) - Linear Circuit Synthesis using Weighted Steiner Trees [45.11082946405984]
CNOT回路は一般的な量子回路の共通構成ブロックである。
本稿では,CNOTゲート数を最適化するための最先端アルゴリズムを提案する。
シミュレーション評価により、提案手法はほとんど常に有用であることが示され、CNOTゲートの数を最大10%削減する。
論文 参考訳（メタデータ） (2024-08-07T19:51:22Z) - A polynomial-time classical algorithm for noisy quantum circuits [1.2708457954150887]
雑音量子回路のための時空古典的アルゴリズムを提供する。
我々のアプローチは、雑音が非局所的相関を指数的に減衰させるという直感に基づいている。
定音率の場合、ほとんどの入力状態において誤差緩和が効率的である任意の量子回路は、古典的にはほとんどの入力状態においてシミュレート可能である。
論文 参考訳（メタデータ） (2024-07-17T17:48:39Z) - 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$sスパース,オーラクルベースのクエリアクセスモデルで動作する。
そこで,本アルゴリズムの簡単な適応により,時間内に無作為な結束木問題を解くことを示す。
論文 参考訳（メタデータ） (2024-05-14T15:28:37Z) - Characterizing randomness in parameterized quantum circuits through expressibility and average entanglement [39.58317527488534]
量子回路(PQC)は、その主応用の範囲外ではまだ完全には理解されていない。
我々は、量子ビット接続性に関する制約の下で、PQCにおけるランダム状態の生成を分析する。
生成した状態の分布の均一性の増加と絡み合いの発生との間には,どれだけ急激な関係があるかを示す。
論文 参考訳（メタデータ） (2024-05-03T17:32:55Z) - Noise-induced shallow circuits and absence of barren plateaus [2.5295633594332334]
雑音がほとんどの量子回路を効果的に対数深度に切り離すことを示す。
次に,非単位雑音下での量子回路は,局所可観測物からなるコスト関数に対するバレンプラトーの欠如を証明した。
論文 参考訳（メタデータ） (2024-03-20T19:00:49Z) - Learning shallow quantum circuits [7.411898489476803]
未知の$n$-qubit浅量子回路$U$を学習するためのアルゴリズムを提案する。
また、未知の$n$-qubit状態$lvert psi rangle$の記述を学習するための古典的なアルゴリズムも提供する。
提案手法では,局所反転に基づく量子回路表現と,これらの逆変換を組み合わせた手法を用いる。
論文 参考訳（メタデータ） (2024-01-18T16:05:00Z) - A noise-limiting quantum algorithm using mid-circuit measurements for
dynamical correlations at infinite temperature [0.0]
中間回路計測とフィードフォワードで構築した量子チャネルを導入する。
分極チャネルの存在下では、大きな深さ制限で意味のある非ゼロ信号を表示する。
本稿では,量子チャネルの耐雑音性について紹介する。
論文 参考訳（メタデータ） (2024-01-04T11:25:04Z) - Simulating Noisy Variational Quantum Algorithms: A Polynomial Approach [1.806183113759115]
大規模変動量子アルゴリズムは量子優位性を達成するための潜在的な経路として広く認識されている。
本稿では,可観測物のバックプロパゲーションの積分経路に基づく新しい$gammaPPP法を提案する。
我々は,IBMの127量子ビットイーグルプロセッサにおけるゼロノード化実験結果の古典的シミュレーションを行う。
論文 参考訳（メタデータ） (2023-06-09T10:42:07Z) - 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) - Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。
我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。
絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文 参考訳（メタデータ） (2022-05-26T20:32:36Z) - Gaussian initializations help deep variational quantum circuits escape
from the barren plateau [87.04438831673063]
近年、変分量子回路は量子シミュレーションや量子機械学習に広く用いられている。
しかし、ランダムな構造を持つ量子回路は、回路深さと量子ビット数に関して指数関数的に消える勾配のため、トレーニング容易性が低い。
この結果、ディープ量子回路は実用的なタスクでは実現できないという一般的な信念が導かれる。
論文 参考訳（メタデータ） (2022-03-17T15:06:40Z)
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。