論文の概要: Quantum Resources for Pure Thermal Shadows

• arxiv url: http://arxiv.org/abs/2409.05777v1
• Date: Mon, 9 Sep 2024 16:40:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 13:56:09.390534
• Title: Quantum Resources for Pure Thermal Shadows
• Title（参考訳）: 純熱シャドウのための量子資源
• Authors: Arnav Sharma, Kevin Obenland,
• Abstract要約: Gibbs状態の特性の計算は、量子化学と量子機械学習において重要なタスクである。 従来の研究は、Gibs状態予測値を$logM$測定のみから$M$observablesで予測する量子アルゴリズムを提案している。 本研究では,本アルゴリズムで使用される回路の資源分析を行い,量子信号処理がシステムサイズの増加に伴ってゲート数や深さに最も寄与することが確認された。
• 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: Calculating the properties of Gibbs states is an important task in Quantum Chemistry and Quantum Machine Learning. Previous work has proposed a quantum algorithm which predicts Gibbs state expectation values for $M$ observables from only $\log{M}$ measurements, by combining classical shadows and quantum signal processing for a new estimator called Pure Thermal Shadows. In this work, we perform resource analysis for the circuits used in this algorithm, finding that quantum signal processing contributes most significantly to gate count and depth as system size increases. The implementation we use for this also features an improvement to the algorithm in the form of more efficient random unitary generation steps. Moreover, given the ramifications of the resource analysis, we argue that its potential utility could be constrained to Fault Tolerant devices sampling from the Gibbs state of a large, cool system.
• Abstract（参考訳）: Gibbs状態の特性の計算は、量子化学と量子機械学習において重要なタスクである。 従来の研究は、古典的なシャドウと量子信号処理を組み合わせて、純熱シャドウと呼ばれる新しい推定器にGibs状態予測値を$M$observablesで予測する量子アルゴリズムを提案している。 本研究では,本アルゴリズムで使用される回路の資源分析を行い,量子信号処理がシステムサイズの増加に伴ってゲート数や深さに最も寄与することが確認された。 これに対して私たちが使用している実装は、より効率的なランダムなユニタリ生成ステップという形で、アルゴリズムの改善も備えています。 さらに,資源分析がもたらす影響を考慮すると,その潜在的な有効性は,大規模でクールなシステムのギブス状態からサンプリングしたフォールトトレラントデバイスに制約される可能性があると論じる。

関連論文リスト

• Hardware-efficient variational quantum algorithm in trapped-ion quantum computer [0.0]
  本研究では, トラップイオン量子シミュレータ, HEA-TI に適したハードウェア効率の変動量子アルゴリズムアンサッツについて検討する。 我々は、全てのイオン間のプログラム可能な単一量子ビット回転と大域スピンスピン相互作用を活用し、従来のゲートベース手法における資源集約型2量子ビットゲートへの依存を減らす。
  論文  参考訳（メタデータ） (2024-07-03T14:02:20Z)
• Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent [37.59299233291882]
  本稿では,ニュートンのGDを用いたニューラルネットワークトレーニングの高速化を目的とした,ハイブリッド量子古典スケジューラQ-Newtonを提案する。 Q-Newtonは量子と古典的な線形解法を協調する合理化スケジューリングモジュールを使用している。 評価の結果,Q-Newtonは一般的な量子機械と比較してトレーニング時間を大幅に短縮できる可能性が示された。
  論文  参考訳（メタデータ） (2024-04-30T23:55:03Z)
• Comparing Classical and Quantum Ground State Preparation Heuristics [44.99833362998488]
  基底状態準備(GSP)はGSEEアルゴリズムにおいて重要な要素である。 本研究では,量子GSP法がHartree-Fock法と比較して重なり合う値を改善することができるかどうかを検討した。
  論文  参考訳（メタデータ） (2024-01-10T18:16:36Z)
• Quantum Semidefinite Programming with Thermal Pure Quantum States [0.5639904484784125]
  行列乗法重み付けアルゴリズムの量子化'''は、古典的アルゴリズムよりも2次的に高速なSDPの近似解が得られることを示す。 この量子アルゴリズムを改良し、ギブス状態サンプリング器を熱純量子(TPQ)状態に置き換えることで、同様のスピードアップが得られることを示す。
  論文  参考訳（メタデータ） (2023-10-11T18:00:53Z)
• Variational-quantum-eigensolver-inspired optimization for spin-chain work extraction [39.58317527488534]
  量子源からのエネルギー抽出は、量子電池のような新しい量子デバイスを開発するための重要なタスクである。 量子源からエネルギーを完全に抽出する主な問題は、任意のユニタリ演算をシステム上で行うことができるという仮定である。 本稿では,変分量子固有解法(VQE)アルゴリズムにインスパイアされた抽出可能エネルギーの最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T15:59:54Z)
• Measuring the Loschmidt amplitude for finite-energy properties of the Fermi-Hubbard model on an ion-trap quantum computer [27.84599956781646]
  本稿では,現在の量子コンピュータ上での量子古典的時系列アルゴリズムの動作について検討する。 具体的には,Fermi-Hubbardモデルに対するLoschmidt振幅をQuantinuum H2-1トラップイオンデバイス上の16$site ladder geometry(32軌道)で測定する。 有限エネルギーにおける局所観測可能量の期待値を測定することにより、量子古典アルゴリズムの完全動作に対する雑音の影響を数値解析する。
  論文  参考訳（メタデータ） (2023-09-19T11:59:36Z)
• Determining the ability for universal quantum computing: Testing controllability via dimensional expressivity [39.58317527488534]
  制御性テストは、外部制御の数を減らすために量子デバイスの設計に使用できる。 パラメタライズド量子回路に基づくハイブリッド量子古典アルゴリズムを考案する。
  論文  参考訳（メタデータ） (2023-08-01T15:33:41Z)
• Predicting Gibbs-State Expectation Values with Pure Thermal Shadows [1.4050836886292868]
  本稿では,任意のギブス状態の線形関数を$M$で予測できる量子アルゴリズムを提案する。 このアルゴリズムは、8ビットの完全連結量子ボルツマンマシンをトレーニングするためのサブルーチンとしてうまく利用できることを示す。
  論文  参考訳（メタデータ） (2022-06-10T18:00:08Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$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)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)
• Quantum Search for Scaled Hash Function Preimages [1.3299507495084417]
  本稿では,Groverのアルゴリズムを量子シミュレーターに実装し,2つのスケールしたハッシュ関数の前像の量子探索を行う。 我々は,Groverのアルゴリズムのいくつかのステップの後に量子レジスタをサンプリングしてショートカットを提案する戦略は,誤差軽減の観点からは限界的な実用的優位性しか得られないことを示した。
  論文  参考訳（メタデータ） (2020-09-01T18:00:02Z)

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。