論文の概要: Fluctuation-guided adaptive random compiler for Hamiltonian simulation
- arxiv url: http://arxiv.org/abs/2509.10158v1
- Date: Fri, 12 Sep 2025 11:38:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:08.065459
- Title: Fluctuation-guided adaptive random compiler for Hamiltonian simulation
- Title（参考訳）: ハミルトニアンシミュレーションのためのゆらぎ誘導適応ランダムコンパイラ
- Authors: Yu-Xia Wu, Yun-Zhuo Fan, Dan-Bo Zhang,
- Abstract要約: ハミルトン項のゆらぎに基づくサンプリング確率を適応的に更新する変動誘導適応アルゴリズムを提案する。
離散変数・連続変数・ハイブリッド変数系における数値シミュレーションによる手法の有効性を実証する。
- 参考スコア（独自算出の注目度）: 4.286832804824834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stochastic methods offer an effective way to suppress coherent errors in quantum simulation. In particular, the randomized compilation protocol may reduce circuit depth by randomly sampling Hamiltonian terms rather than following the deterministic Trotter-Suzuki sequence. However, its fixed sampling distribution does not adapt to the dynamics of the system, limiting its accuracy. In this work, we propose a fluctuation-guided adaptive algorithm that adaptively updates sampling probabilities based on fluctuations of Hamiltonian terms to achieve higher simulation fidelity. Remarkably, the protocol renders an intuitive physical understanding: Hamiltonian terms with greater sensitivity to the state evolution should be prioritized during sampling. The overload of measuring fluctuations necessary for updating the sampling probability is affordable, and can be further largely reduced by classical shadows. We demonstrate the effectiveness of the method with numeral simulations across discrete-variable, continuous-variable and hybrid-variable systems.
- Abstract（参考訳）: 確率的手法は、量子シミュレーションにおいてコヒーレントな誤差を抑制する効果的な方法を提供する。
特に、ランダム化されたコンパイルプロトコルは、決定論的トロッタースズキ列に従うのではなく、ハミルトン項をランダムにサンプリングすることで回路深さを減らすことができる。
しかし、その固定サンプリング分布はシステムの力学に適応せず、精度を制限している。
本研究では,ハミルトン項の揺らぎに基づくサンプリング確率を適応的に更新し,より高いシミュレーション精度を実現するための変動誘導適応アルゴリズムを提案する。
顕著なことに、このプロトコルは直感的な物理的理解を与える: 状態の進化に敏感なハミルトン語はサンプリング中に優先されるべきである。
サンプリング確率の更新に必要な測定変動の過負荷は安価であり、古典的な影によってさらに大幅に低減することができる。
離散変数・連続変数・ハイブリッド変数系における数値シミュレーションによる手法の有効性を実証する。
関連論文リスト
- Adaptive random compiler for Hamiltonian simulation [2.8811725782388686]
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。
論文 参考訳（メタデータ） (2025-06-18T13:58:00Z) - Emulating compact binary population synthesis simulations with uncertainty quantification and model comparison using Bayesian normalizing flows [0.0]
ベイズ正規化フローを実装することにより,エミュレータの不確かさの定量化と疎外化を行う手法を開発した。
本研究では, 共通エンベロープ進化により形成された二元ブラックホール群のシミュレーションにおいて, 推定不確かさの精度, 校正, 推測, およびデータ増大効果を示す。
論文 参考訳（メタデータ） (2025-06-06T01:17:52Z) - Variational Tensor Network Simulation of Gaussian Boson Sampling and Beyond [0.0]
一般連続変数サンプリング問題に対する古典的シミュレーションツールを提案する。
我々はサンプリング問題を、単純な少数体ハミルトンの基底状態を見つけるための問題として再定式化する。
我々はガウスボソンサンプリングをシミュレートして手法を検証する。
論文 参考訳（メタデータ） (2024-10-24T13:43:06Z) - Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。
決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。
本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-11T15:20:54Z) - Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。
本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。
我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文 参考訳（メタデータ） (2023-02-23T12:17:36Z) - 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)
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。