Fugu-MT 論文翻訳(概要): Improved Time-independent Hamiltonian Simulation

論文の概要: Improved Time-independent Hamiltonian Simulation

arxiv url: http://arxiv.org/abs/2410.15256v1
Date: Sun, 20 Oct 2024 02:49:14 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-22 13:18:07.226999
Title: Improved Time-independent Hamiltonian Simulation
Title（参考訳）: 時間非依存ハミルトニアンシミュレーションの改良
Authors: Nhat A. Nghiem,
Abstract要約: 時間に依存しないハミルトニアン$H$を、$H = sum_i=1m H_i$と分解できる簡単な方法を記述する。我々は、最近導入された量子特異値変換フレームワークを用いて、代替的な方法で$H_i$をシミュレートする能力を利用する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We describe a simple method for simulating time-independent Hamiltonian $H$ that could be decomposed as $H = \sum_{i=1}^m H_i$ where each $H_i$ can be efficiently simulated. Approaches relying on product formula generally work by splitting the evolution time into segments, and approximate the evolution in each segment by the evolution of composing Hamiltonian $H_i$. This key step incur a constraint, that prohibits a (poly)logarithmic scaling on approximation error. We employ the recently introduced quantum singular value transformation framework to utilize the ability to simulate $H_i$ in an alternative way, which then allows us to construct and simulate the main Hamiltonian $H$ with polylogarithmical scaling on the inverse of desired error, which is a major improvement with respect to product formula approaches.
Abstract（参考訳）: H = \sum_{i=1}^m H_i$ と分解でき、各$H_i$ を効率的にシミュレートできる。積公式に依存するアプローチは、一般に、進化時間をセグメントに分割し、ハミルトンの$H_i$を構成する進化によって各セグメントの進化を近似することによって機能する。このキーステップは制約を発生させ、近似誤差に対する(多元対数スケーリングを禁止します。我々は最近導入された量子特異値変換フレームワークを用いて、代替的な方法で$H_i$をシミュレートする能力を利用して、所望の誤差の逆の多対数スケーリングを持つ主ハミルトン$H$を構築し、シミュレートすることができる。

関連論文リスト

Simulating Time-dependent Hamiltonian Based On High Order Runge-Kutta and Forward Euler Method [0.0]
H(t) = sum_i=1m gamma_i(t) H_i$ where $gamma_i(t)$ is bounded, Computable function of time $t$, and each $H_i$ is time-dependent。我々の量子アルゴリズムは、時間間隔をサブインターバルに分割する高次ルンゲ・クッタ法とフォワード・オイラー法に基づいている。
論文参考訳（メタデータ） (2024-10-18T12:31:57Z)
Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
論文参考訳（メタデータ） (2024-05-10T09:58:47Z)
Simplifying the simulation of local Hamiltonian dynamics [0.0]
局所ハミルトン群、$H_k$は量子多体系における非自明な$k$ボディ相互作用を記述する。我々は、同じ物理をシミュレートする$H_k$と$H_k'$の例を導出する既知の方法を構築する。我々は、与えられた$H_k$ハミルトニアンを最大精度で、与えられた$H_k$ハミルトニアンの短時間ダイナミクスをシミュレートする、$k'$-ローカルハミルトニアンを探索する方法を提案する。
論文参考訳（メタデータ） (2023-10-10T22:31:45Z)
Unbiased random circuit compiler for time-dependent Hamiltonian simulation [8.694056486825318]
時間依存ハミルトニアンシミュレーションは量子コンピューティングにおいて重要な課題である。我々はTDHSのための非バイアスランダムコンパイラを開発した。相互作用図に基づくスピンモデルと分子系の断熱基底状態の数値シミュレーションを行う。
論文参考訳（メタデータ） (2022-12-19T13:40:05Z)
Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文参考訳（メタデータ） (2021-11-09T18:49:48Z)
Hamiltonian simulation with random inputs [74.82351543483588]
ランダム初期状態を持つハミルトンシミュレーションの平均ケース性能の理論数値的な証拠は、この理論がコンクリート模型の平均誤差を正確に特徴づけていることを示唆している。
論文参考訳（メタデータ） (2021-11-08T19:08:42Z)
Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文参考訳（メタデータ） (2021-09-07T20:01:22Z)
Quantum algorithm for time-dependent Hamiltonian simulation by permutation expansion [6.338178373376447]
時間依存ハミルトニアンの力学シミュレーションのための量子アルゴリズムを提案する。アルゴリズムのコストはハミルトニアン周波数に依存しないことを示す。
論文参考訳（メタデータ） (2021-03-29T05:02:02Z)
Tightening the Dependence on Horizon in the Sample Complexity of Q-Learning [59.71676469100807]
この研究は、同期Q-ラーニングのサンプルの複雑さを、任意の$0varepsilon 1$に対して$frac|mathcalS| (1-gamma)4varepsilon2$の順序に絞る。計算やストレージを余分に必要とせずに、高速なq-learningにマッチするvanilla q-learningの有効性を明らかにした。
論文参考訳（メタデータ） (2021-02-12T14:22:05Z)
Enhancing the Quantum Linear Systems Algorithm using Richardson Extrapolation [0.8057006406834467]
Amathbfx=mathbfb$という形の線形方程式の系を解く量子アルゴリズムを提案する。このアルゴリズムは古典的手法に対して$N$に対して指数関数的に改善する。
論文参考訳（メタデータ） (2020-09-09T18:00:09Z)
Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文参考訳（メタデータ） (2020-06-04T17:51:00Z)

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。