論文の概要: Neural-Quantum-States Impurity Solver for Quantum Embedding Problems

• arxiv url: http://arxiv.org/abs/2509.12431v1
• Date: Mon, 15 Sep 2025 20:33:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:52.754478
• Title: Neural-Quantum-States Impurity Solver for Quantum Embedding Problems
• Title（参考訳）: 量子埋め込み問題に対するニューラル量子状態不純物解法
• Authors: Yinzhanghao Zhou, Tsung-Han Lee, Ao Chen, Nicola Lanatà, Hong Guo,
• Abstract要約: 任意に連結された不純物軌道を表すグラフトランスフォーマーに基づくNQSフレームワークを提案する。 量子埋め込みループを通して繰り返し更新を安定化するエラー制御機構を開発する。
• 参考スコア（独自算出の注目度）: 2.7022139554331264
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neural quantum states (NQS) have emerged as a promising approach to solve second-quantised Hamiltonians, because of their scalability and flexibility. In this work, we design and benchmark an NQS impurity solver for the quantum embedding methods, focusing on the ghost Gutzwiller Approximation (gGA) framework. We introduce a graph transformer-based NQS framework able to represent arbitrarily connected impurity orbitals and develop an error control mechanism to stabilise iterative updates throughout the quantum embedding loops. We validate the accuracy of our approach with benchmark gGA calculations of the Anderson Lattice Model, yielding results in excellent agreement with the exact diagonalisation impurity solver. Finally, our analysis of the computational budget reveals the method's principal bottleneck to be the high-accuracy sampling of physical observables required by the embedding loop, rather than the NQS variational optimisation, directly highlighting the critical need for more efficient inference techniques.
• Abstract（参考訳）: ニューラル量子状態(NQS)は、そのスケーラビリティと柔軟性のために、第二量子化ハミルトン方程式を解くための有望なアプローチとして登場した。 本研究では,量子埋め込み法におけるNQS不純物解法の設計とベンチマークを行い,ゴーストグッツウィラー近似(gGA)フレームワークに着目した。 我々は、任意の連結不純物軌道を表現できるグラフトランスフォーマーベースのNQSフレームワークを導入し、量子埋め込みループ全体を通して繰り返し更新を安定化するエラー制御機構を開発する。 アンダーソン格子モデルのベンチマークgGA計算によるアプローチの精度を検証し, 正確な対角化不純物解法とよく一致した結果を得た。 最後に,計算予算の解析結果から,NQSの変動最適化ではなく,埋め込みループで要求される物理観測値の高精度サンプリングが本手法の主なボトルネックであることを明らかにし,より効率的な推論手法の必要性を直接強調した。

関連論文リスト

• TensoMeta-VQC: A Tensor-Train-Guided Meta-Learning Framework for Robust and Scalable Variational Quantum Computing [60.996803677584424]
  TensoMeta-VQCは、VQCの堅牢性とスケーラビリティを大幅に向上させるために設計された、TT誘導型メタラーニングフレームワークである。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに完全に委譲し、量子ハードウェアから最適化を効果的に分離する。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Looking elsewhere: improving variational Monte Carlo gradients by importance sampling [41.94295877935867]
  ニューラルネットワーク量子状態(NQS)は、量子多体波動関数を表現するために強力で表現力のあるアンサッツを提供する。 量子化学で現れる急激なピーク波動関数のようないくつかのシナリオは、変動最適化の有効性を阻害する高分散勾配推定器をもたらすことが知られている。 本研究では、適応的に調整された重要度サンプリングを用いて、これらのサンプリング問題に取り組むための体系的戦略について検討する。 提案手法により,バニラVMCの計算コストを,高ピークの量子化学波動関数をターゲットとした場合,最大100倍に削減できる。
  論文  参考訳（メタデータ） (2025-07-07T18:00:03Z)
• Solving the Hubbard model with Neural Quantum States [66.55653324211542]
  ダッピングされた2次元ハバードモデルに対する最先端結果について検討した。 NQSアンサッツの異なるアテンションヘッドは、異なるスケールで直接相関を符号化することができる。 我々の研究は、マルチフェミオンシステムに挑戦する強力なツールとしてNQSを確立します。
  論文  参考訳（メタデータ） (2025-07-03T14:08:25Z)
• i-QLS: Quantum-supported Algorithm for Least Squares Optimization in Non-Linear Regression [4.737806718785056]
  繰り返し量子支援最小二乗(i-QLS)最適化法を提案する。 従来の量子最小二乗アプローチのスケーラビリティと精度の限界を克服する。 実験では、i-QLSにより、短期量子ハードウェアが精度とスケーラビリティを改善して回帰タスクを実行できることを確認した。
  論文  参考訳（メタデータ） (2025-05-05T17:02:35Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• A mixed-precision quantum-classical algorithm for solving linear systems [0.0]
  本稿では,QSVTの精度を向上し,QSVTのコストを削減するハイブリッド量子古典アルゴリズムを提案する。 誤差と複雑性を解析し、まず量子ソフトウェアスタックmyQLMを用いた実験を行う。
  論文  参考訳（メタデータ） (2025-02-04T10:49:42Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Quantum Approximate Optimization Algorithm applied to the binary perceptron [0.46664938579243564]
  本稿では,量子アニーリング(QA)と量子近似最適化アルゴリズム(QAOA)を,ニューラルネットワークにおける教師あり学習のパラダイムタスクに適用する。 我々はQAOAパラメータに対する最適滑らかな解の存在を証明し、同じ問題の典型例間で伝達可能であることを示す。 従来のQAよりもQAOAの性能が向上したことを示す。
  論文  参考訳（メタデータ） (2021-12-19T18:33:22Z)
• Parent Hamiltonian as a benchmark problem for variational quantum eigensolvers [0.6946929968559495]
  変分量子固有解法(VQE)は、アンザッツと呼ばれる量子回路のパラメータを変動的に最適化することで、与えられたハミルトンの基底状態を求める。 この研究は、VQEのエネルギーを分析し、アンザッツとその初期パラメータの設計に寄与する体系的な方法を提供する。
  論文  参考訳（メタデータ） (2021-09-24T06:09:10Z)
• Robust Control of Quantum Dynamics under Input and Parameter Uncertainty [0.0]
  工学的な量子系は、磁場とハミルトンパラメータに関連するノイズや不確実性のため、依然として困難である。 我々は、量子制御ロバストネス解析法を様々な量子観測器、ゲート、そのモーメントに拡張し、一般化する。 進化的オープンループ(モデルベース)および閉ループ(モデルフリー)アプローチによるロバスト制御を実現するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T17:28:21Z)

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。