論文の概要: Quantum-Classical Auxiliary Field Quantum Monte Carlo with Matchgate Shadows on Trapped Ion Quantum Computers
- arxiv url: http://arxiv.org/abs/2506.22408v1
- Date: Fri, 27 Jun 2025 17:33:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-30 21:12:23.311348
- Title: Quantum-Classical Auxiliary Field Quantum Monte Carlo with Matchgate Shadows on Trapped Ion Quantum Computers
- Title（参考訳）: トラップされたイオン量子コンピュータ上のマッチゲートシャドウ付き量子古典的補助場量子モンテカルロ
- Authors: Luning Zhao, Joshua J. Goings, Willie Aboumrad, Andrew Arrasmith, Lazaro Calderin, Spencer Churchill, Dor Gabay, Thea Harvey-Brown, Melanie Hiles, Magda Kaja, Matthew Keesan, Karolina Kulesz, Andrii Maksymov, Mei Maruo, Mauricio Muñoz, Bas Nijholt, Rebekah Schiller, Yvette de Sereville, Amy Smidutz, Felix Tripier, Grace Yao, Trishal Zaveri, Coleman Collins, Martin Roetteler, Evgeny Epifanovsky, Arseny Kovyrshin, Lars Tornberg, Anders Broo, Jeff R. Hammond, Zohim Chandani, Pradnya Khalate, Elica Kyoseva, Yi-Ting Chen, Eric M. Kessler, Cedric Yen-Yu Lin, Gandhi Ramu, Ryan Shaffer, Michael Brett, Benchen Huang, Maxime R. Hugues, Tyler Y. Takeshita,
- Abstract要約: 量子古典的補助場量子モンテカルロ(QC-AFQMC)アルゴリズムを用いて化学反応障壁をモデル化するためのエンドツーエンドワークフローを実証する。
アルゴリズムの革新とGPUアクセラレーションを効率よく実現し,数桁の高速化を実現している。
この研究は、量子デバイス上での実用的な量子化学シミュレーションへの一歩である。
- 参考スコア（独自算出の注目度）: 3.050319942500791
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We demonstrate an end-to-end workflow to model chemical reaction barriers with the quantum-classical auxiliary field quantum Monte Carlo (QC-AFQMC) algorithm with quantum tomography using matchgate shadows. The workflow operates within an accelerated quantum supercomputing environment with the IonQ Forte quantum computer and NVIDIA GPUs on Amazon Web Services. We present several algorithmic innovations and an efficient GPU-accelerated execution, which achieves a several orders of magnitude speedup over the state-of-the-art implementation of QC-AFQMC. We apply the algorithm to simulate the oxidative addition step of the nickel-catalyzed Suzuki-Miyaura reaction using 24 qubits of IonQ Forte with 16 qubits used to represent the trial state, plus 8 additional ancilla qubits for error mitigation, resulting in the largest QC-AFQMC with matchgate shadow experiments ever performed on quantum hardware. We achieve a $9\times$ speedup in collecting matchgate circuit measurements, and our distributed-parallel post-processing implementation attains a $656\times$ time-to-solution improvement over the prior state-of-the-art. Chemical reaction barriers for the model reaction evaluated with active-space QC-AFQMC are within the uncertainty interval of $\pm4$ kcal/mol from the reference CCSD(T) result when matchgates are sampled on the ideal simulator and within 10 kcal/mol from reference when measured on QPU. This work marks a step towards practical quantum chemistry simulations on quantum devices while identifying several opportunities for further development.
- Abstract（参考訳）: 量子古典的補助場量子モンテカルロ(QC-AFQMC)アルゴリズムを用いて化学反応障壁をモデル化するためのエンドツーエンドのワークフローを,マッチゲートシャドウを用いた量子トモグラフィーを用いて示す。
このワークフローは、Amazon Web Services上のIonQ Forte量子コンピュータとNVIDIA GPUで、加速された量子スーパーコンピュータ環境で動作します。
我々は、QC-AFQMCの最先端実装に対して、いくつかのアルゴリズムの革新と効率的なGPUアクセラレーションを実行する。
本研究では, ニッケル触媒を用いた鈴木-宮浦反応の酸化付加過程を, 試行状態を表すために使用した16キュービットのIonQ Forteの24キュービットと, エラー軽減のための8つの追加アンシラ量子ビットを用いてシミュレーションし, 量子ハードウェア上でのマッチゲートシャドウ実験による最大のQC-AFQMCを実現する。
我々は、マッチゲート回路の測定において9ドル以上のスピードアップを達成し、我々の分散並列後処理実装は、以前の最先端技術よりも656ドル以上のタイム・ツー・ソリューションの改善を実現した。
活性空間QC-AFQMCで評価したモデル反応の化学反応障壁は、理想的シミュレータ上でマッチゲートをサンプリングした場合の基準CCSD(T)値から$\pm4$ kcal/molの不確かさ間隔内であり、QPUで測定した場合の基準から10 kcal/mol以内である。
この研究は、量子デバイス上での実用的な量子化学シミュレーションへの一歩であり、さらなる発展の機会を特定している。
関連論文リスト
- Efficient Quantum Chemistry Calculations on Noisy Quantum Hardware [0.0]
本稿では,量子化学計算のためのハードウェア効率の最適化手法を提案する。
最適化されたSQD (SQDOpt) アルゴリズムは,古典的なダビッドソン法と付加的なマルチバス計測を組み合わせた手法である。
ランタイムスケーリングは、量子ハードウェア上のSQDOptが古典的な最先端の手法と競合していることを示している。
論文 参考訳（メタデータ） (2025-03-04T16:51:54Z) - A Logarithmic Depth Quantum Carry-Lookahead Modulo $(2^n-1)$ Adder [0.8192907805418581]
量子アルゴリズムの実装には、モジュロ加算のための量子演算回路の開発が不可欠である。
現在のノイズ中間スケール量子(NISQ)時代における量子コンピュータは、フォールトトレラント設計に関連する計算コストを処理できない。
この研究は量子キャリーヘッドモジュロ$(2n - 1)$ adder (QCLMA)を示し、2つのnビット番号を受け取り、その加算をO(log n)深さで行うように設計されている。
論文 参考訳（メタデータ） (2024-08-02T04:31:22Z) - Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
本稿では,量子回路実行の並列化モデルを提案する。
このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
論文 参考訳（メタデータ） (2024-06-05T17:16:07Z) - On Reducing the Execution Latency of Superconducting Quantum Processors via Quantum Job Scheduling [47.39648643132327]
本稿では,量子資源の利用効率を向上させるために,量子ジョブスケジューリング問題(QJSP)を導入する。
本稿では、回路幅、計測ショット数、量子ジョブの提出時間に関するノイズ対応量子ジョブスケジューラ(NAQJS)を提案する。
我々は,シミュレートされたカイスキットノイズモデルと,超伝導量子プロセッサのXiaohong(QuantumCTek)について広範な実験を行った。
論文 参考訳（メタデータ） (2024-04-11T16:12:01Z) - 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) - Quantum Machine Learning for Software Supply Chain Attacks: How Far Can
We Go? [5.655023007686363]
本稿では、量子機械学習(QML)と呼ばれる機械学習アルゴリズムに適用されたQCの高速化性能について分析する。
実際の量子コンピュータの限界により、QML法はQiskitやIBM Quantumといったオープンソースの量子シミュレータ上で実装された。
興味深いことに、実験結果は、SSC攻撃の古典的アプローチと比較して計算時間と精度の低下を示すことによって、QCの約束を早めることと異なる。
論文 参考訳（メタデータ） (2022-04-04T21:16:06Z) - Improved variational quantum eigensolver via quasi-dynamical evolution [0.0]
変分量子固有解法 (VQE) は、現在および短期の量子デバイス向けに設計されたハイブリッド量子古典アルゴリズムである。
VQEには、量子優位性に対する好ましいスケーリングを禁じる問題がある。
本稿では,VQEを補う量子アニール法を提案する。
改良されたVQEは不毛の台地を回避し、局所的なミニマを放出し、低深度回路で動作する。
論文 参考訳（メタデータ） (2022-02-21T11:21:44Z) - Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits
at Exascale [57.84751206630535]
本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。
新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。
ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
論文 参考訳（メタデータ） (2021-04-21T13:26:42Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。