論文の概要: Quantum resources of quantum and classical variational methods

• arxiv url: http://arxiv.org/abs/2409.13008v1
• Date: Thu, 19 Sep 2024 18:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 12:14:24.804581
• Title: Quantum resources of quantum and classical variational methods
• Title（参考訳）: 量子および古典的変分法の量子資源
• Authors: Thomas Spriggs, Arash Ahmadi, Bokai Chen, Eliska Greplova,
• Abstract要約: 量子情報と変分技法の間の橋渡しを、非安定化性(マジック)の概念がいかに実現できるかを示す。 エネルギーの正確性は必要だが、非安定化装置の正確性には必ずしも十分ではないことを示す。 本研究は,古典的変分法と量子的変分法の両方の普遍的表現性評価の基礎となる。
• 参考スコア（独自算出の注目度）: 0.48212500317840945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational techniques have long been at the heart of atomic, solid-state, and many-body physics. They have recently extended to quantum and classical machine learning, providing a basis for representing quantum states via neural networks. These methods generally aim to minimize the energy of a given ans\"atz, though open questions remain about the expressivity of quantum and classical variational ans\"atze. The connection between variational techniques and quantum computing, through variational quantum algorithms, offers opportunities to explore the quantum complexity of classical methods. We demonstrate how the concept of non-stabilizerness, or magic, can create a bridge between quantum information and variational techniques and we show that energy accuracy is a necessary but not always sufficient condition for accuracy in non-stabilizerness. Through systematic benchmarking of neural network quantum states, matrix product states, and variational quantum methods, we show that while classical techniques are more accurate in non-stabilizerness, not accounting for the symmetries of the system can have a severe impact on this accuracy. Our findings form a basis for a universal expressivity characterization of both quantum and classical variational methods.
• Abstract（参考訳）: 変分法は長年、原子、固体、多体物理学の中心に存在してきた。 彼らは最近、量子および古典的な機械学習に拡張され、ニューラルネットワークを介して量子状態を表現する基盤を提供する。 これらの手法は一般に与えられた ans\atz のエネルギーを最小化することを目的としているが、量子的および古典的変分 ans\atze の表現性に関するオープンな疑問は残る。 変分法と量子コンピューティングの間の接続は、変分量子アルゴリズムを通じて、古典的手法の量子複雑性を探求する機会を与える。 我々は、非安定化器性の概念(マジック)が量子情報と変分法の間の橋渡しをいかに生み出すかを示し、非安定化器性においてエネルギーの正確性は必要だが必ずしも十分な条件ではないことを示す。 ニューラルネットワークの量子状態、行列積状態、変分量子法の体系的なベンチマークを通じて、古典的手法は非安定化器性においてより正確であるが、システムの対称性を考慮に入れないことが、この精度に深刻な影響を与えることを示した。 本研究は,古典的変分法と量子的変分法の両方の普遍的表現性評価の基礎となる。

関連論文リスト

• To be or not to be, but where? [0.0]
  伝統的なアプローチは、古典的な量子系と時空で局所化された量子系を関連付ける。 正準線型化量子重力はゲージ不変な局所代数の形成を阻止することによって、この枠組みを妨害する。 これは初期の宇宙の宇宙論、重力-絡み合いの実験をモデル化するための大きな障害を示し、量子重力の包括的理論に向けて重要な障害となる。
  論文  参考訳（メタデータ） (2024-05-31T17:22:39Z)
• Rapidly Achieving Chemical Accuracy with Quantum Computing Enforced Language Model [22.163742052849432]
  QiankunNet-VQEは量子コンピューティングを用いて量子状態の学習と生成を行うトランスフォーマーベースの言語モデルである。 最大12キュービットで実装され、最先端の古典的手法と競合する精度のレベルに達した。
  論文  参考訳（メタデータ） (2024-05-15T07:50:57Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• 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)
• Unraveling the Mystery of Quantum Measurement with A New Space-Time Approach to Relativistic Quantum Mechanics [9.116661570248171]
  量子測定は量子力学の分野における基本的な概念である。 その重要性にもかかわらず、4つの基本的な問題は、より広範な量子計測の応用に重大な課題を提起し続けている。 我々は、これらの問題に体系的に対処するために、相対論的量子力学に新しい時空アプローチを採用する。
  論文  参考訳（メタデータ） (2023-06-01T13:25:08Z)
• Mixed Quantum-Classical Dynamics for Near Term Quantum Computers [0.0]
  混合量子古典力学は、完全に量子力学的に扱うには複雑すぎるシステムを理解するためにしばしば用いられる。 量子サブシステムと古典的サブシステムとを結合した一般混合量子古典力学のモジュラーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-20T18:23:15Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Quantum tomography explains quantum mechanics [0.0]
  量子検出器を構成するものに対する示唆的な概念は、論理的に不可能な測定の定義につながる。 量子状態、量子検出器、量子プロセス、量子機器のための様々な形態の量子トモグラフィについて論じる。 新しいアプローチは、従来の基礎よりも実践に近いものです。
  論文  参考訳（メタデータ） (2021-10-11T14:09:30Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)

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。