論文の概要: A hybrid quantum solver for the Lorenz system
- arxiv url: http://arxiv.org/abs/2410.15417v3
- Date: Tue, 19 Nov 2024 16:27:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-20 13:32:41.201343
- Title: A hybrid quantum solver for the Lorenz system
- Title(参考訳): ロレンツ系に対するハイブリッド量子解法
- Authors: Sajad Fathi Hafshejani, Daya Gaur, Arundhati Dasgupta, Robert Benkoczi, Narasimha Gosala, Alfredo Iorio,
- Abstract要約: 我々は,ロレンツ系を解くための古典量子ハイブリッド法を開発した。
フォワードオイラー法を用いて系を時間的に離散化し、方程式系に変換する。
本稿では,ハイブリッド法と古典的アプローチを比較し,ロレンツ系を解く数値計算結果について述べる。
- 参考スコア(独自算出の注目度): 0.2770822269241974
- License:
- Abstract: We develop a hybrid classical-quantum method for solving the Lorenz system. We use the forward Euler method to discretize the system in time, transforming it into a system of equations. This set of equations is solved using the Variational Quantum Linear Solver (VQLS) algorithm. We present numerical results comparing the hybrid method with the classical approach for solving the Lorenz system. The simulation results demonstrate that the VQLS method can effectively compute solutions comparable to classical methods. The method is easily extended to solving similar nonlinear differential equations.
- Abstract(参考訳): 我々は,ロレンツ系を解くための古典量子ハイブリッド法を開発した。
フォワードオイラー法を用いて系を時間的に離散化し、方程式系に変換する。
この方程式の集合は変分量子線形ソルバー (VQLS) アルゴリズムを用いて解く。
本稿では,ハイブリッド法と古典的アプローチを比較し,ロレンツ系を解く数値計算結果について述べる。
シミュレーションの結果、VQLS法は古典的手法に匹敵する解を効果的に計算できることが示されている。
この方法は、類似の非線形微分方程式を解くために容易に拡張できる。
関連論文リスト
- H-DES: a Quantum-Classical Hybrid Differential Equation Solver [0.0]
本稿では、微分方程式の系を解くための独自のハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムは、異なるパラメタライズド回路によって生成される量子状態の振幅における解関数を符号化するスペクトル法に依存している。
論文 参考訳(メタデータ) (2024-10-01T23:47:41Z) - Solving Fractional Differential Equations on a Quantum Computer: A Variational Approach [0.1492582382799606]
本稿では, 時間-屈折偏微分方程式の解法として, 効率的な変分型量子古典アルゴリズムを提案する。
その結果, 解の忠実度は分数指数に不感であり, 勾配評価コストは時間ステップ数とともに経済的にスケールすることがわかった。
論文 参考訳(メタデータ) (2024-06-13T02:27:16Z) - Hybrid quantum-classical and quantum-inspired classical algorithms for
solving banded circulant linear systems [0.8192907805418583]
帯状循環系に対する量子状態の組み合わせの凸最適化に基づく効率的なアルゴリズムを提案する。
帯状循環行列を巡回置換に分解することにより, 量子状態の組み合わせによる近似解を$K$とする。
我々は,従来のシミュレーションと実際のIBM量子コンピュータ実装を用いて本手法を検証し,熱伝達などの物理問題への適用性を示した。
論文 参考訳(メタデータ) (2023-09-20T16:27:16Z) - Solving Systems of Linear Equations: HHL from a Tensor Networks Perspective [39.58317527488534]
本稿では,HHLアルゴリズムに基づく線形方程式系の解法を,新しい四重項法を用いて提案する。
テンソルネットワーク上で量子インスパイアされたバージョンを実行し、プロジェクションのような非単体演算を行う能力を生かした。
論文 参考訳(メタデータ) (2023-09-11T08:18:41Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Quantum algorithm for time-dependent differential equations using Dyson series [0.0]
誤差と微分に複雑性の対数依存を持つ時間依存線形微分方程式を解くための量子アルゴリズムを提案する。
我々の方法は、線形方程式系のダイソン級数を符号化し、最適量子線型方程式解法によって解くことである。
論文 参考訳(メタデータ) (2022-12-07T09:50:40Z) - Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。
関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。
この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
論文 参考訳(メタデータ) (2022-10-15T17:32:49Z) - Automated differential equation solver based on the parametric
approximation optimization [77.34726150561087]
本稿では,最適化アルゴリズムを用いてパラメータ化近似を用いた解を求める手法を提案する。
アルゴリズムのパラメータを変更することなく、幅広い種類の方程式を自動で解くことができる。
論文 参考訳(メタデータ) (2022-05-11T10:06:47Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳(メタデータ) (2022-03-01T19:47:16Z) - QBoost for regression problems: solving partial differential equations [0.0]
ハイブリッドアルゴリズムは、必要なキュービット数において、良好な精度と良好なスケーリングで偏微分方程式の解を求めることができる。
古典的な部分は、機械学習を用いて偏微分方程式を解くことができる複数の回帰器を訓練することによって構成される。
量子部分は、回帰問題を解くためにQBoostアルゴリズムを適用することで構成される。
論文 参考訳(メタデータ) (2021-08-30T16:13:04Z) - Scalable Gradients for Stochastic Differential Equations [40.70998833051251]
随伴感度法は 通常の微分方程式の勾配を
我々はこの手法を微分方程式に一般化し、時間効率と定数メモリ計算を可能にする。
提案手法は,ネットワークによって定義されたニューラルダイナミクスに適合し,50次元モーションキャプチャーデータセット上での競合性能を実現する。
論文 参考訳(メタデータ) (2020-01-05T23:05:55Z)
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。