論文の概要: Density matrix exponentiation and sample-based Hamiltonian simulation: Non-asymptotic analysis of sample complexity
- arxiv url: http://arxiv.org/abs/2412.02134v1
- Date: Tue, 03 Dec 2024 03:46:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 21:11:22.868076
- Title: Density matrix exponentiation and sample-based Hamiltonian simulation: Non-asymptotic analysis of sample complexity
- Title（参考訳）: 密度行列指数とサンプルベースハミルトンシミュレーション:サンプル複雑性の非漸近解析
- Authors: Byeongseon Go, Hyukjoon Kwon, Siheon Park, Dhrumil Patel, Mark M. Wilde,
- Abstract要約: 密度行列指数 (DME) は、プログラム状態の複数のコピーを処理する量子アルゴリズムである。
DMEの詳細なサンプル複雑性解析とサンプルベースハミルトンシミュレーションを提案する。
- 参考スコア（独自算出の注目度）: 6.339711507562587
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Density matrix exponentiation (DME) is a quantum algorithm that processes multiple copies of a program state $\sigma$ to realize the Hamiltonian evolution $e^{-i \sigma t}$. While serving as a prototypical sample-based quantum algorithm, DME is a powerful tool for various quantum information processing tasks, such as quantum principal component analysis and Hamiltonian simulation. In this work, we present a detailed sample complexity analysis of DME and sample-based Hamiltonian simulation. In particular, we prove that the sample complexity of DME is no larger than $4t^2/\varepsilon$, where $t$ is the desired evolution time and $\varepsilon$ is the desired imprecision level, as quantified by the normalized diamond distance. We also establish a fundamental lower bound on the sample complexity of sample-based Hamiltonian simulation, which matches our DME sample complexity bound up to a constant multiplicative factor, thereby proving that DME is optimal for sample-based Hamiltonian simulation. Finally, we point out that the DME sample complexity analysis in Appendix A of [Kimmel et al., npj Quantum Information 3, 13 (2017)] appears to be incomplete, highlighting the need for the results presented here, given the extensive use of DME over the past decade since its original proposal.
- Abstract（参考訳）: 密度行列指数(英: density matrix exponentiation, DME)は、プログラム状態の複数のコピーを処理し、ハミルトン進化の$e^{-i \sigma t}$を実現する量子アルゴリズムである。
原型的なサンプルベース量子アルゴリズムとして機能する一方で、DMEは量子主成分分析やハミルトニアンシミュレーションといった様々な量子情報処理タスクのための強力なツールである。
本稿では、DMEの詳細なサンプル複雑性解析とサンプルベースハミルトニアンシミュレーションについて述べる。
特に、DMEのサンプルの複雑さは4t^2/\varepsilon$より大きくなく、$t$は所望の進化時間であり、$\varepsilon$は正規化ダイヤモンド距離によって定量された所望の精度レベルである。
また、サンプルベースハミルトニアンシミュレーションのサンプル複雑性の基本的な下限を確立し、サンプルベースハミルトニアンシミュレーションにDMEが最適であることを証明した。
最後に, [Kimmel et al , npj Quantum Information 3, 13 (2017)] の Appendix A における DME サンプルの複雑性解析は不完全であり, 当初の提案から過去10年間の DME の広範な使用状況を考えると, この結果の必要性を浮き彫りにしている。
関連論文リスト
- Quantum algorithms based on quantum trajectories [0.4870012761464388]
O(T + log(1/epsilon))$ の加法的複雑性はリンドブラディアンの大規模なクラスのシミュレーションに到達可能であることを示す。
この研究で、量子軌道に基づく新しい量子アルゴリズムを構築することにより、Lindbladianの大規模クラスのシミュレーションに$O(T + log(1/epsilon))$の加法的複雑性が到達可能であることを示す。
論文 参考訳（メタデータ） (2025-09-12T17:27:25Z) - Reducing Circuit Depth in Lindblad Simulation via Step-Size Extrapolation [2.847280100380157]
我々は、リンドブラッド方程式でモデル化されたオープン量子系の量子シミュレーションのためのリチャードソン式外挿によるアルゴリズム的誤り軽減について研究する。
推定器は精度$varepsilon$を$mathcalO((lT)2/varepsilon)$からpolylogarithmic $mathcalO((lT)2/varepsilon)$スケーリングに還元する。
論文 参考訳（メタデータ） (2025-07-30T02:56:07Z) - The Generative Leap: Sharp Sample Complexity for Efficiently Learning Gaussian Multi-Index Models [71.5283441529015]
この研究において、ラベルは(ガウス)$d$-次元入力にのみ依存し、低次元$r = O_d(1)$部分空間への射影を通して得られる。
生成的跳躍指数 $kstar$, [Damian et al.'24] から生成的指数の自然拡張をマルチインデックス設定に導入する。
論文 参考訳（メタデータ） (2025-06-05T18:34:56Z) - Phase estimation with partially randomized time evolution [36.989845156791525]
量子位相推定とハミルトンシミュレーションを組み合わせることは、量子コンピュータ上で基底状態エネルギーを計算するための最も有望なアルゴリズムフレームワークである。
本稿では,ハミルトンシミュレーションの標準手法の一つである積公式の高速化にランダム化を用いる。
量子化学におけるベンチマークシステムに対する部分ランダム化積公式を用いて,単一アンシラ位相推定のための詳細な資源推定を行う。
論文 参考訳（メタデータ） (2025-03-07T18:09:32Z) - Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。
科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。
本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
論文 参考訳（メタデータ） (2024-12-10T11:50:46Z) - A Randomized Method for Simulating Lindblad Equations and Thermal State Preparation [22.537918155387388]
我々は、Lindbladiansのアンサンブルにジェネレータを分解することで、Lindbladの力学をシミュレートするqDRIFT型ランダム化法について検討した。
我々はクリフォードランダム回路からサンプリングされたジャンプ演算子を利用する新しい量子ギブスサンプリングアルゴリズムを導出する。
論文 参考訳（メタデータ） (2024-07-09T06:55:19Z) - 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) - Computational-Statistical Gaps in Gaussian Single-Index Models [77.1473134227844]
単次元モデル(Single-Index Models)は、植木構造における高次元回帰問題である。
我々は,統計的クエリ (SQ) と低遅延多項式 (LDP) フレームワークの両方において,計算効率のよいアルゴリズムが必ずしも$Omega(dkstar/2)$サンプルを必要とすることを示した。
論文 参考訳（メタデータ） (2024-03-08T18:50:19Z) - Efficient Quantum Lattice Gas Automata [0.0]
このアルゴリズムは、衝突、マッピング、伝播の3つの主要なステップで構成されている。
ノイズの影響にもかかわらず、現在のノイズのあるデバイスでは、正確なシミュレーションがすでに達成されていることが示唆された。
論文 参考訳（メタデータ） (2024-02-26T11:12:35Z) - A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-01-26T09:35:17Z) - Quantum Simulation of Lindbladian Dynamics via Repeated Interactions [0.5097809301149342]
我々は、繰り返し相互作用(RI) CPTPマップに基づくリンドブラディアン力学と進化の近似対応を利用する。
弱結合極限における誤差$epsilon$スケールにおいて、Liouvillian $etmathcalL$をシミュレートするために必要な相互作用の数を示す。
論文 参考訳（メタデータ） (2023-12-08T21:17:16Z) - Wave Matrix Lindbladization I: Quantum Programs for Simulating Markovian
Dynamics [6.345523830122166]
密度行列指数(英: density Matrix Exponentiation)は、ハミルトニアンが量子状態として利用できるとき、ハミルトニアン力学をシミュレートする技法である。
我々は、有名なリンドブラッドマスター方程式によって支配されるマルコフ力学をシミュレートするために、この手法の自然な類似を提示する。
本稿では,Wave Matrix Lindbladizationという量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-07-27T15:22:04Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Robustly learning the Hamiltonian dynamics of a superconducting quantum processor [0.5564835829075486]
超伝導量子ビットアナログ量子シミュレータにおけるボソニック励起のフリーハミルトニアンパラメータを強く推定する。
この結果は、動的量子シミュレーションの正確な実装を構成する。
論文 参考訳（メタデータ） (2021-08-18T18:01:01Z) - Parallel Quantum Algorithm for Hamiltonian Simulation [9.680246554758343]
大規模ハミルトニアン群の力学をシミュレートするために並列量子アルゴリズムを提案する。
量子回路深さで測定した並列量子シミュレーションアルゴリズムの実行時間は2倍(多値)の対数依存性を持つ。
本アルゴリズムの総ゲート深さは,並列設定における$operatornamepolylog (1/epsilon)$依存性を持つことを示す。
論文 参考訳（メタデータ） (2021-05-25T12:46:33Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Spectral Analysis of Product Formulas for Quantum Simulation [0.0]
本研究では,大規模なシステムに対して,$epsilon$から$epsilon1/2$へのスケーリングにおいて,精度の高いエネルギー固有値を推定するために必要なトロッターステップサイズを改善することができることを示す。
結果は部分的にダイアバティックなプロセスに一般化され、このプロセスはスペクトルの残りの部分からギャップによって分離された狭いエネルギーバンドに留まる。
論文 参考訳（メタデータ） (2021-02-25T03:17:25Z) - Revisiting the Sample Complexity of Sparse Spectrum Approximation of
Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。
我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文 参考訳（メタデータ） (2020-11-17T05:41:50Z) - Model-Independent Simulation Complexity of Complex Quantum Dynamics [0.13999481573773068]
本稿では,Stroboscopic Markovian dynamics を用いた複雑な量子力学のシミュレーションに基づく,動的複雑性のモデル非依存尺度を提案する。
古典的な信号処理のツールにより、時間非依存のハミルトニアンの下で進化する複素量子系のヒルベルト空間次元を推測することができる。
論文 参考訳（メタデータ） (2020-09-01T14:52:35Z) - State preparation and measurement in a quantum simulation of the O(3)
sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。
本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。
非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文 参考訳（メタデータ） (2020-06-28T23:44:12Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。