論文の概要: Sampling two-dimensional isometric tensor network states

• arxiv url: http://arxiv.org/abs/2602.02245v1
• Date: Mon, 02 Feb 2026 15:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.269402
• Title: Sampling two-dimensional isometric tensor network states
• Title（参考訳）: 二次元等尺テンソルネットワーク状態のサンプリング
• Authors: Alec Dektor, Eugene Dumitrescu, Chao Yang,
• Abstract要約: 2次元(2次元)等尺テンソルネットワーク状態(isoTNS)のための2つの新しいサンプリングアルゴリズムを導入する。 第1のアルゴリズムは独立サンプリングを行い、関連する確率とともに単一の構成を生成する。 第2のアルゴリズムは、高確率構成とそれに対応する確率を識別するために、強欲な探索戦略を用いる。
• 参考スコア（独自算出の注目度）: 2.9461551992891057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sampling a quantum systems underlying probability distributions is an important computational task, e.g., for quantum advantage experiments and quantum Monte Carlo algorithms. Tensor networks are an invaluable tool for efficiently representing states of large quantum systems with limited entanglement. Algorithms for sampling one-dimensional (1D) tensor networks are well-established and utilized in several 1D tensor network methods. In this paper we introduce two novel sampling algorithms for two-dimensional (2D) isometric tensor network states (isoTNS) that can be viewed as extensions of algorithms for 1D tensor networks. The first algorithm we propose performs independent sampling and yields a single configuration together with its associated probability. The second algorithm employs a greedy search strategy to identify K high-probability configurations and their corresponding probabilities. Numerical results demonstrate the effectiveness of these algorithms across quantum states with varying entanglement and system size.
• Abstract（参考訳）: 確率分布に基づく量子系をサンプリングすることは、量子優位実験や量子モンテカルロアルゴリズムにとって重要な計算課題である。 テンソルネットワークは、限られた絡み合いを持つ大きな量子系の状態を効率的に表現するための貴重なツールである。 1次元テンソルネットワークをサンプリングするためのアルゴリズムは、いくつかの1次元テンソルネットワーク法でよく確立され、利用されている。 本稿では,2次元等尺テンソルネットワーク状態(isoTNS)に対する2つの新しいサンプリングアルゴリズムを提案する。 最初に提案するアルゴリズムは、独立サンプリングを行い、関連する確率とともに単一の構成を生成する。 第2のアルゴリズムは、高確率構成とそれに対応する確率を識別するために、欲張りの探索戦略を用いる。 数値計算の結果は、量子状態の異なるエンタングルメントとシステムサイズにおけるこれらのアルゴリズムの有効性を示す。

関連論文リスト

• Tensor Network enhanced Dynamic Multiproduct Formulas [2.3249255788359813]
  本稿では,テンソルネットワークと量子計算を組み合わせた新しいアルゴリズムを提案する。 提案アルゴリズムは,Trotterの積公式を線形に結合してアルゴリズム誤差を低減する手法である多積式 (MPF) に基づいている。 我々は,このアルゴリズムの詳細な誤差解析を行い,IBMの量子コンピュータ2基を用いた50ドルキュービットの1次元量子シミュレーション問題に対する全ワークフローを実演する。
  論文  参考訳（メタデータ） (2024-07-24T16:37:35Z)
• Training Multi-layer Neural Networks on Ising Machine [41.95720316032297]
  本稿では,量子化ニューラルネットワーク(QNN)を学習するためのIsing学習アルゴリズムを提案する。 私たちが知る限りでは、Isingマシン上で多層フィードフォワードネットワークをトレーニングする最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2023-11-06T04:09:15Z)
• Towards Symmetry-Aware Efficient Simulation of Quantum Systems and Beyond [12.07297035406401]
  このパースペクティブは、物理インフォームドテンソルネットワークが量子シミュレーション、計算、機械学習におけるスケーラブルなアプローチの統一戦略を提供すると主張している。 同じ原理は一般的な対称性にまで拡張され、機械学習における同変ニューラルネットワークを刺激し、変分量子アルゴリズムにおける対称性保存アンサーゼを導く。
  論文  参考訳（メタデータ） (2023-03-20T19:33:13Z)
• Block belief propagation algorithm for two-dimensional tensor networks [0.0]
  本稿では,2次元テンソルネットワークを縮小し,2D$システムの基底状態を近似するためのブロック信念伝搬アルゴリズムを提案する。 応用として、我々のアルゴリズムを用いて2D$HeisenbergとTransverse Isingモデルを調べ、この手法の精度が最先端の結果と同等であることを示す。
  論文  参考訳（メタデータ） (2023-01-14T07:37:08Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• Connecting Weighted Automata, Tensor Networks and Recurrent Neural Networks through Spectral Learning [58.14930566993063]
  我々は、形式言語と言語学からの重み付き有限オートマトン(WFA)、機械学習で使用されるリカレントニューラルネットワーク、テンソルネットワークの3つのモデル間の接続を提示する。 本稿では,連続ベクトル入力の列上に定義された線形2-RNNに対する最初の証明可能な学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-19T15:28:00Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)

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。