論文の概要: Adaptive random compiler for Hamiltonian simulation

• arxiv url: http://arxiv.org/abs/2506.15466v1
• Date: Wed, 18 Jun 2025 13:58:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.680499
• Title: Adaptive random compiler for Hamiltonian simulation
• Title（参考訳）: ハミルトンシミュレーションのための適応的ランダムコンパイラ
• Authors: Yun-Zhuo Fan, Yu-Xia Wu, Dan-Bo Zhang,
• Abstract要約: ハミルトン項の低次モーメント測定によりサンプリング重量を動的に更新する適応的ランダム化コンパイルアルゴリズムを提案する。 このアプローチはゲート数を大幅に増加させることなく精度を向上し、ランダム化コンパイルを連続変数およびハイブリッド変数システムに拡張する。
• 参考スコア（独自算出の注目度）: 2.8811725782388686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Randomized compilation protocols have recently attracted attention as alternatives to traditional deterministic Trotter-Suzuki methods, potentially reducing circuit depth and resource overhead. These protocols determine gate application probabilities based on the strengths of Hamiltonian terms, as measured by the trace norm. However, relying solely on the trace norm to define sampling distributions may not be optimal, especially for continuous-variable and hybrid-variable systems involving unbounded operators, where quantifying Hamiltonian strengths is challenging. In this work, we propose an adaptive randomized compilation algorithm that dynamically updates sampling weights via low-order moment measurements of Hamiltonian terms, assigning higher probabilities to terms with greater uncertainty. This approach improves accuracy without significantly increasing gate counts and extends randomized compilation to continuous-variable and hybrid-variable systems by addressing the difficulties in characterizing the strengths of unbounded Hamiltonian terms. Numerical simulations demonstrate the effectiveness of our method.
• Abstract（参考訳）: ランダム化されたコンパイルプロトコルは最近、従来の決定論的トロッタースズキ法に代わるものとして注目されており、回路深さとリソースオーバーヘッドを減少させる可能性がある。 これらのプロトコルは、トレースノルムによって測定されたハミルトン項の強みに基づいてゲート応用確率を決定する。 しかし、サンプリング分布を定義するためのトレースノルムにのみ依存することは、特にハミルトンの強度の定量化が困難である非有界作用素を含む連続変数およびハイブリッド変数系に対して最適ではないかもしれない。 本研究では、ハミルトン項の低次モーメント測定によりサンプリング重量を動的に更新し、より不確実な項に高い確率を割り当てる適応的ランダム化コンパイルアルゴリズムを提案する。 このアプローチはゲート数を大幅に増加させることなく精度を向上し、非有界ハミルトン項の強みを特徴づけることの難しさに対処することで、無作為コンパイルを連続変数およびハイブリッド変数システムに拡張する。 数値シミュレーションは,本手法の有効性を実証する。

関連論文リスト

• Robust Gaussian Processes via Relevance Pursuit [17.39376866275623]
  本稿では,データポイント固有ノイズレベルを推定することにより,スパースアウトレーヤに対するロバスト性を実現するGPモデルを提案する。 我々は,データポイント固有ノイズ分散において,関連する対数限界確率が強く抑制されるようなパラメータ化が可能であることを,驚くべきことに示している。
  論文  参考訳（メタデータ） (2024-10-31T17:59:56Z)
• Hybrid algorithm simulating non-equilibrium steady states of an open quantum system [10.752869788647802]
  非平衡定常状態は開量子系の研究の焦点である。 これらの定常状態を探すための従来の変分アルゴリズムは、資源集約的な実装に悩まされてきた。 我々は、リンドブラッド方程式の演算子-サム形式をシミュレートすることにより、非平衡定常状態の効率的な探索を行う新しい変分量子アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-13T01:57:27Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise [51.31435087414348]
  アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。 非滑らか凸最適化の既存の方法は、信頼度に依存した複雑性境界を持つ。 そこで我々は,勾配クリッピングを伴う2つの手法に対して,新たなステップサイズルールを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:54:21Z)
• Combining Gaussian processes and polynomial chaos expansions for stochastic nonlinear model predictive control [0.0]
  最適制御問題の時間不変不確かさを明示的に考慮する新しいアルゴリズムを提案する。 本稿では, 非線形変換の平均および分散推定値を得るために, この組み合わせを効率的に利用することを提案する。 最適制御問題に対する確率的目標と確率的制約の両方を定式化する方法を示す。
  論文  参考訳（メタデータ） (2021-03-09T14:25:08Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• Connecting the Dots: Numerical Randomized Hamiltonian Monte Carlo with State-Dependent Event Rates [0.0]
  連続目標分布に対するマルコフ連鎖モンテカルロ法に代わる,頑健で,使いやすく,計算的に高速な手法を提案する。 提案アルゴリズムは、関連するベンチマークと比較して大きなスピードアップと安定性の向上をもたらす可能性がある。 高品質なODEコードへのアクセスが保証され、提案手法は実装も使用も容易であり、高度に困難で高次元のターゲット分布に対しても有効である。
  論文  参考訳（メタデータ） (2020-05-04T06:23:13Z)

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。