論文の概要: Efficient State Preparation for the Schwinger Model with a Theta Term

• arxiv url: http://arxiv.org/abs/2411.00243v1
• Date: Thu, 31 Oct 2024 22:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 21:28:16.346366
• Title: Efficient State Preparation for the Schwinger Model with a Theta Term
• Title（参考訳）: テータ項を持つシュウィンガーモデルの効率的な状態生成
• Authors: Alexei Bazavov, Brandon Henke, Leon Hostetler, Dean Lee, Huey-Wen Lin, Giovanni Pederiva, Andrea Shindler,
• Abstract要約: シュウィンガーモデルに対する異なる量子状態準備アルゴリズムの比較を示す。 ブロックされたQAOAアンサッツとRAを組み合わせた場合の最良の結果を得る。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We present a comparison of different quantum state preparation algorithms and their overall efficiency for the Schwinger model with a theta term. While adiabatic state preparation (ASP) is proved to be effective, in practice it leads to large CNOT gate counts to prepare the ground state. The quantum approximate optimization algorithm (QAOA) provides excellent results while keeping the CNOT counts small by design, at the cost of an expensive classical minimization process. We introduce a ``blocked'' modification of the Schwinger Hamiltonian to be used in the QAOA that further decreases the length of the algorithms as the size of the problem is increased. The rodeo algorithm (RA) provides a powerful tool to efficiently prepare any eigenstate of the Hamiltonian, as long as its overlap with the initial guess is large enough. We obtain the best results when combining the blocked QAOA ansatz and the RA, as this provides an excellent initial state with a relatively short algorithm without the need to perform any classical steps for large problem sizes.
• Abstract（参考訳）: 本稿では、異なる量子状態生成アルゴリズムの比較と、その全体の効率を、テータ項を持つシュウィンガーモデルと比較する。 断熱的状態準備(ASP)は有効であることが証明されているが、実際にはCNOTゲート数が大きくなり、基底状態が作成される。 量子近似最適化アルゴリズム(QAOA)は、CNOTを設計上は小さく保ちながら、高価な古典的最小化プロセスのコストで優れた結果をもたらす。 QAOAで使用されるシュウィンガー・ハミルトニアンの ``blocked'' の修正を導入し、問題のサイズが大きくなるにつれてアルゴリズムの長さをさらに小さくする。 ロデオアルゴリズム(RA)は、初期推定との重なりが十分大きい限り、ハミルトンの固有状態を効率的に準備する強力なツールを提供する。 ブロックされたQAOAアンサッツとRAを組み合わせるときの最良の結果を得る。これは比較的短いアルゴリズムで優れた初期状態を提供するが、大きな問題サイズに対して古典的なステップを実行する必要はない。

関連論文リスト

• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• Sum-of-Squares inspired Quantum Metaheuristic for Polynomial Optimization with the Hadamard Test and Approximate Amplitude Constraints [76.53316706600717]
  最近提案された量子アルゴリズムarXiv:2206.14999は半定値プログラミング(SDP)に基づいている SDPにインスパイアされた量子アルゴリズムを2乗和に一般化する。 この結果から,本アルゴリズムは大きな問題に適応し,最もよく知られた古典学に近似することが示唆された。
  論文  参考訳（メタデータ） (2024-08-14T19:04:13Z)
• Quantum State Preparation Using an Exact CNOT Synthesis Formulation [8.078625517374967]
  量子状態生成におけるCNOTゲートの使用を最小限にすることは、量子コンパイルにおける重要なステップである。 正確なCNOT合成定式化を用いた効率的な状態生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-02T03:37:00Z)
• ADAPT-QAOA with a classically inspired initial state [0.0]
  我々は古典近似アルゴリズムにインスパイアされた初期状態でADAPT-QAOAを開始することを提案する。 このアルゴリズムは,従来のQAOAやADAPT-QAOAと同等の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2023-10-15T01:12:12Z)
• Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
  本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。 提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。 大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
  論文  参考訳（メタデータ） (2022-11-02T14:35:13Z)
• Iterative-Free Quantum Approximate Optimization Algorithm Using Neural Networks [20.051757447006043]
  そこで本稿では,ニューラルネットワークを用いて与えられた問題に対して,より優れたパラメータを求めるための実践的手法を提案する。 我々の手法は一貫して収束し、最終結果も最高速である。
  論文  参考訳（メタデータ） (2022-08-21T14:05:11Z)
• Large-scale Optimization of Partial AUC in a Range of False Positive Rates [51.12047280149546]
  ROC曲線 (AUC) の下の領域は、機械学習において最も広く使われている分類モデルのパフォーマンス指標の1つである。 近年の封筒平滑化技術に基づく効率的な近似勾配降下法を開発した。 提案アルゴリズムは,効率のよい解法を欠くランク付けされた範囲損失の和を最小化するためにも利用できる。
  論文  参考訳（メタデータ） (2022-03-03T03:46:18Z)
• Adapting Quantum Approximation Optimization Algorithm (QAOA) for Unit Commitment [2.8060379263058794]
  ユニットコミットと呼ばれる電力系統最適化問題に対して,ハイブリッド量子古典アルゴリズムを定式化し,適用する。 提案アルゴリズムは、量子近似最適化アルゴリズム(QAOA)を古典最小値で拡張し、混合二元最適化をサポートする。 提案手法は,400個の発電ユニット未満のシミュレーション単位コミットに対して,古典的解法が有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-25T03:37:34Z)
• Digitized-counterdiabatic quantum approximate optimization algorithm [3.0638256603183054]
  そこで本研究では, 短絡を用いて拡張したQAOAのディジタル化バージョンを提案する。 我々は,Isingモデル,古典最適化問題,P-スピンモデルにディジタルカウンセバティックQAOAを適用し,すべての場合において標準QAOAより優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-06T17:57:32Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)

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。