論文の概要: Quantum computer formulation of the FKP-operator eigenvalue problem for probabilistic learning on manifolds
- arxiv url: http://arxiv.org/abs/2502.14580v1
- Date: Thu, 20 Feb 2025 14:05:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-21 14:26:38.346241
- Title: Quantum computer formulation of the FKP-operator eigenvalue problem for probabilistic learning on manifolds
- Title(参考訳): 多様体上の確率的学習のためのFKP演算固有値問題の量子コンピュータによる定式化
- Authors: Christian Soize, Loïc Joubert-Doriol, Artur F. Izmaylov,
- Abstract要約: 本稿では、多様体上の確率論的学習(PLoM)の発展における課題に対処する量子コンピューティングの定式化について述べる。
これは高次元フォッカー・プランク作用素のスペクトル問題を解くことを含む。
ラプラシアンおよびポテンシャルの明示的な公式が導出され、パウリ行列式を用いてキュービットに写像される。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We present a quantum computing formulation to address a challenging problem in the development of probabilistic learning on manifolds (PLoM). It involves solving the spectral problem of the high-dimensional Fokker-Planck (FKP) operator, which remains beyond the reach of classical computing. Our ultimate goal is to develop an efficient approach for practical computations on quantum computers. For now, we focus on an adapted formulation tailored to quantum computing. The methodological aspects covered in this work include the construction of the FKP equation, where the invariant probability measure is derived from a training dataset, and the formulation of the eigenvalue problem for the FKP operator. The eigen equation is transformed into a Schr\"odinger equation with a potential V, a non-algebraic function that is neither simple nor a polynomial representation. To address this, we propose a methodology for constructing a multivariate polynomial approximation of V, leveraging polynomial chaos expansion within the Gaussian Sobolev space. This approach preserves the algebraic properties of the potential and adapts it for quantum algorithms. The quantum computing formulation employs a finite basis representation, incorporating second quantization with creation and annihilation operators. Explicit formulas for the Laplacian and potential are derived and mapped onto qubits using Pauli matrix expressions. Additionally, we outline the design of quantum circuits and the implementation of measurements to construct and observe specific quantum states. Information is extracted through quantum measurements, with eigenstates constructed and overlap measurements evaluated using universal quantum gates.
- Abstract(参考訳): 本稿では,多様体上の確率論的学習(PLoM)の開発において問題となる問題に対処するために,量子コンピューティングの定式化を提案する。
これは高次元フォッカープランク作用素(Fokker-Planck, FKP)のスペクトル問題を解くことを含む。
我々の究極のゴールは、量子コンピュータ上での実用的な計算のための効率的なアプローチを開発することである。
今のところ、量子コンピューティングに合わせた定式化に重点を置いている。
本研究の方法論的側面には、トレーニングデータセットから不変確率測度を導出するFKP方程式の構築と、FKP演算子の固有値問題の定式化が含まれる。
固有方程式は、単純でも多項式表現でもない非代数函数であるポテンシャル V を持つシュリンガー方程式に変換される。
これを解決するために,ガウスソボレフ空間内の多項式カオス展開を利用して,V の多変量多項式近似を構築する手法を提案する。
このアプローチはポテンシャルの代数的性質を保持し、量子アルゴリズムに適応する。
量子コンピューティングの定式化は有限基底表現を使用し、生成と消滅演算子による第2量子化を取り入れている。
ラプラシアンおよびポテンシャルの明示的な公式が導出され、パウリ行列式を用いてキュービットに写像される。
さらに、量子回路の設計の概要と、特定の量子状態の構築と観測のための測定の実装について概説する。
情報は量子測定によって抽出され、固有状態が構築され、普遍的な量子ゲートを用いて重なり合いの測定が評価される。
関連論文リスト
- Quantum Circuit for Non-Unitary Linear Transformation of Basis Sets [4.289769713465494]
本稿では、量子計算プラットフォームに基づく基底の非単項線形変換を実装するための新しいアプローチを提案する。
Singular Value Decomposition (SVD) をプロセスに統合することにより、約$O(n)$の操作深度を約$n$ ancilla qubitsで達成する。
複雑な量子状態や現象のより深い探索を可能にし、物理学や化学における量子コンピューティングの実践的応用を拡大する。
論文 参考訳(メタデータ) (2025-02-13T04:55:51Z) - Nonlinear functions of quantum states [5.641998714611475]
我々は、ユニタリとパラメタライズド量子回路の線形結合によりSWAPテストを拡張することにより、量子状態関数(QSF)フレームワークを導入する。
我々は基本課題の量子アルゴリズムを開発し、フォン・ノイマンエントロピー推定と量子状態忠実度計算の両方に対して$tildemathcalO (1/(varepsilon2kappa)$のサンプル複雑性を達成する。
論文 参考訳(メタデータ) (2024-12-02T16:40:17Z) - Quantum DeepONet: Neural operators accelerated by quantum computing [1.4918461320598675]
本稿では,DeepONet評価の高速化に量子コンピューティングを活用することを提案する。
我々は,反微分演算子,対流方程式,バーガース方程式など,様々なPDEを用いて量子DeepONetをベンチマークする。
論文 参考訳(メタデータ) (2024-09-24T02:53:42Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Exploiting Structure in Quantum Relative Entropy Programs [6.281229317487581]
量子情報理論の応用から生じる共通構造が、量子相対エントロピープログラムの解法効率を向上させるためにどのように活用できるかを示す。
数値計算の結果,これらの手法は計算時間を最大数桁改善し,それまでの難解な問題を解くことができることがわかった。
論文 参考訳(メタデータ) (2024-06-28T21:37:45Z) - Solving reaction dynamics with quantum computing algorithms [42.408991654684876]
線形応答によって支配される異なる反応を記述することに関連する応答関数の量子アルゴリズムについて検討する。
我々は原子核物理学の応用に焦点をあて、格子上の量子ビット効率のマッピングを検討し、現実的な散乱シミュレーションに必要な大量の量を効率的に表現することができる。
論文 参考訳(メタデータ) (2024-03-30T00:21:46Z) - Quantum Chebyshev Transform: Mapping, Embedding, Learning and Sampling
Distributions [18.124351208075062]
システムサイズで指数関数的に増加する振幅を持つ量子状態にデータをエンコードする方法を示す。
指数容量の正則なチェビシェフ基底を生成するための埋め込み回路を提案する。
これにより、モデルの自動微分が可能となり、微分方程式の解法が開かれる。
論文 参考訳(メタデータ) (2023-06-29T15:19:32Z) - Unitary Complexity and the Uhlmann Transformation Problem [41.67228730328207]
本稿では, 単項合成問題の枠組みを導入し, 還元と単項複雑性クラスについて考察する。
このフレームワークは、ある絡み合った状態が局所的な操作によって別の状態に変換される複雑さを研究するのに使用します。
そこで我々は,多くの自然量子情報処理タスクの計算複雑性を研究するための新しい手法を提案する。
論文 参考訳(メタデータ) (2023-06-22T17:46:39Z) - Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。
この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
論文 参考訳(メタデータ) (2023-02-09T14:05:18Z) - Near-term quantum algorithm for computing molecular and materials
properties based on recursive variational series methods [44.99833362998488]
本稿では,分子の特性を短期量子デバイスを用いて推定する量子アルゴリズムを提案する。
エネルギー領域における一粒子グリーン関数と時間領域における自己相関関数を計算し,本手法を検証した。
論文 参考訳(メタデータ) (2022-06-20T16:33:23Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳(メタデータ) (2021-12-31T16:33:10Z)
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。