論文の概要: Improving thermal state preparation of Sachdev-Ye-Kitaev model with reinforcement learning on quantum hardware

• arxiv url: http://arxiv.org/abs/2501.11454v1
• Date: Mon, 20 Jan 2025 12:41:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:26:04.223938
• Title: Improving thermal state preparation of Sachdev-Ye-Kitaev model with reinforcement learning on quantum hardware
• Title（参考訳）: 量子ハードウェア上での強化学習によるSachdev-Ye-Kitaevモデルの熱状態生成の改善
• Authors: Akash Kundu,
• Abstract要約: 本稿では,畳み込みニューラルネットワークと強化学習を統合して,短期量子プロセッサ上での熱状態を作成する。 我々は、ノイズレスおよびノイズの多い量子ハードウェア環境において、このフレームワークの有効性を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The Sachdev-Ye-Kitaev (SYK) model, known for its strong quantum correlations and chaotic behavior, serves as a key platform for quantum gravity studies. However, variationally preparing thermal states on near-term quantum processors for large systems (N>12, where N is the number of Majorana fermions) presents a significant challenge due to the rapid growth in the complexity of parameterized quantum circuits. This paper addresses this challenge by integrating reinforcement learning (RL) with convolutional neural networks, employing an iterative approach to optimize the quantum circuit and its parameters. The refinement process is guided by a composite reward signal derived from entropy and the expectation values of the SYK Hamiltonian. This approach reduces the number of CNOT gates by two orders of magnitude for systems N>10 compared to traditional methods like first-order Trotterization. We demonstrate the effectiveness of the RL framework in both noiseless and noisy quantum hardware environments, maintaining high accuracy in thermal state preparation. This work contributes to the advancement of a scalable, RL-based framework with applications for computations of thermal out-of-time-order correlators in quantum many-body systems and quantum gravity studies on near-term quantum hardware.
• Abstract（参考訳）: 強い量子相関とカオス的な振る舞いで知られるSachdev-Ye-Kitaev(SYK)モデルは、量子重力研究の重要な基盤となっている。 しかし、大規模システム(Nはマヨラナフェルミオンの数)の短期量子プロセッサ(N>12)における温度状態の変動は、パラメータ化量子回路の複雑さの急激な増大に起因する重要な課題である。 本稿では、量子回路とそのパラメータを最適化するための反復的アプローチを用いて、強化学習(RL)と畳み込みニューラルネットワークを統合することで、この問題に対処する。 精製過程は、エントロピーから導出される複合報酬信号とSYKハミルトニアンの期待値で導かれる。 このアプローチは、N>10系のCNOTゲートの数を1次トロッタライズのような従来の手法に比べて2桁減らす。 本研究では,RL フレームワークのノイズレスおよびノイズの多い量子ハードウェア環境における有効性を実証し,温度状態の準備において高い精度を維持した。 この研究はスケーラブルなRLベースのフレームワークの発展に寄与し、量子多体系における熱外秩序相関器の計算や、短期量子ハードウェアにおける量子重力研究への応用に寄与する。

関連論文リスト

• Enhancing Quantum Diffusion Models with Pairwise Bell State Entanglement [35.436358464279785]
  本稿では、ノイズ中間スケール量子(NISQ)デバイス向けに設計された新しい量子拡散モデルを提案する。 量子絡み合いと重ね合わせを利用して、このアプローチは量子生成学習を前進させる。
  論文  参考訳（メタデータ） (2024-11-24T20:14:57Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Sparse Quantum State Preparation for Strongly Correlated Systems [0.0]
  原理として、指数関数的にスケールする多電子波関数を線形にスケールする量子ビットレジスタに符号化することは、従来の量子化学法の限界を克服するための有望な解決策を提供する。 基底状態量子アルゴリズムが実用的であるためには、量子ビットの初期化が要求される基底状態の高品質な近似に必須である。 量子状態準備(QSP)は、古典的な計算から得られる近似固有状態の生成を可能にするが、量子情報のオラクルとして頻繁に扱われる。
  論文  参考訳（メタデータ） (2023-11-06T18:53:50Z)
• Quantum benefit of the quantum equation of motion for the strongly coupled many-body problem [0.0]
  量子運動方程式 (quantum equation of motion, QEOM) はフェルミオン多体系の励起特性を計算するためのハイブリッド量子古典アルゴリズムである。 我々は、qEOMが要求される量子測定数の独立性により量子的利益を示すことを明らかに示している。
  論文  参考訳（メタデータ） (2023-09-18T22:10:26Z)
• On-the-fly Tailoring towards a Rational Ansatz Design for Digital Quantum Simulations [0.0]
  量子デバイスで物理的に実現可能な低深さ量子回路を開発することが不可欠である。 我々は,最適なアンサッツを動的に調整できるアンサッツ構成プロトコルを開発した。 アンザッツの構成は、エネルギーソートと演算子の可換性事前スクリーニングによって並列量子アーキテクチャで実行される可能性がある。
  論文  参考訳（メタデータ） (2023-02-07T11:22:01Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• 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)
• Entangling Quantum Generative Adversarial Networks [53.25397072813582]
  量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
  論文  参考訳（メタデータ） (2021-04-30T20:38:41Z)

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。