論文の概要: Improved Rodeo Algorithm Performance for Spectral Functions and State Preparation
- arxiv url: http://arxiv.org/abs/2602.05978v1
- Date: Thu, 05 Feb 2026 18:25:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-06 18:49:09.119818
- Title: Improved Rodeo Algorithm Performance for Spectral Functions and State Preparation
- Title（参考訳）: スペクトル関数と状態準備のための改良されたロデオアルゴリズムの性能
- Authors: Matthew Patkowski, Onat Ayyildiz, Katherine Hunt, Nathan Jansen, Dean Lee,
- Abstract要約: ロデオアルゴリズム(英: Rodeo Algorithm)は、ハミルトニアンのエネルギースペクトルを計算し、そのエネルギー固有状態を作成する量子計算法である。
幾何列の時間サンプルを用いることで、与えられた全実行時間に対してほぼ最適の最適化空間が得られることを示す。
以上の結果から,幾何的時系列は量子状態の準備に実用的で,ほぼ最適で,堅牢な時間サンプリング戦略をもたらすことが示唆された。
- 参考スコア（独自算出の注目度）: 0.9786690381850356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Rodeo Algorithm is a quantum computing method for computing the energy spectrum of a Hamiltonian and preparing its energy eigenstates. We discuss how to improve the performance of the rodeo algorithm for each of these two applications. In particular, we demonstrate that using a geometric series of time samples offers a near-optimal optimization space for a given total runtime by studying the Rodeo Algorithm performance on a model Hamiltonian representative of gapped many-body quantum systems. Analytics explain the performance of this time sampling and the conditions for it to maintain the established exponential performance of the Rodeo Algorithm. We finally demonstrate this sampling protocol on various physical Hamiltonians, showing its practical applicability. Our results suggest that geometric series of times provide a practical, near-optimal, and robust time-sampling strategy for quantum state preparation with the Rodeo Algorithm across varied Hamiltonians without requiring model-specific fine-tuning.
- Abstract（参考訳）: ロデオアルゴリズム(英: Rodeo Algorithm)は、ハミルトニアンのエネルギースペクトルを計算し、そのエネルギー固有状態を作成する量子計算法である。
これら2つのアプリケーションそれぞれに対して、ロデオアルゴリズムの性能を改善する方法について論じる。
特に、幾何学的時系列の時間サンプルを用いることで、余剰多体量子系のハミルトニアン代表モデル上で、ロデオアルゴリズムの性能を研究することにより、与えられた全実行時間に対してほぼ最適の最適化空間が提供されることを示した。
分析は、この時間サンプリングの性能と、Rooアルゴリズムの確立した指数関数的性能を維持するための条件を説明する。
最終的に、このサンプリングプロトコルを様々な物理ハミルトニアン上で実証し、その実用性を示した。
以上の結果から,幾何的時系列は,モデル固有の微調整を必要とせず,様々なハミルトン系において,ロッドアルゴリズムを用いて量子状態の準備を行うための実用的で,ほぼ最適かつ堅牢な時間サンプリング戦略をもたらすことが示唆された。
関連論文リスト
- Fast Expectation Value Calculation Speedup of Quantum Approximate Optimization Algorithm: HoLCUs QAOA [55.2480439325792]
本稿では,LCU演算子の線形結合として表現できる演算子の期待値を計算するための新しい手法を提案する。
この方法は任意の量子アルゴリズムに対して一般的であり、変分量子アルゴリズムの加速に特に関心がある。
論文 参考訳（メタデータ） (2025-03-03T17:15:23Z) - (Nearly) Optimal Time-dependent Hamiltonian Simulation [0.0]
時間依存ハミルトニアンをシミュレートする単純な量子アルゴリズムについて述べる。
このフレームワークは、他のパラメータに対する最適スケーリングを実現し、エラー耐性の逆のほぼ最適で、特定の入力モデルの下での最適スケーリングに改善することができる。
論文 参考訳（メタデータ） (2024-10-18T10:51:46Z) - Unraveling Rodeo Algorithm Through the Zeeman Model [0.0]
任意の初期状態を考慮したハミルトニアン一般に対する固有状態と固有値スペクトルを決定するために、ロデオアルゴリズムを解く。
我々はPennylaneとQiskitのプラットフォームリソースを利用して、ハミルトンが1スピンと2スピンのゼーマンモデルによって記述されるシナリオを分析する。
論文 参考訳（メタデータ） (2024-07-16T01:29:25Z) - Resource-frugal Hamiltonian eigenstate preparation via repeated quantum
phase estimation measurements [0.0]
ハミルトン固有状態の合成は、量子コンピューティングにおける多くの応用に不可欠である。
我々は,この手法の変種からアイデアを取り入れ,資源フルーガル反復方式を実装した。
我々は、全体効率を高めるために、ターゲットハミルトンの修正を含む拡張を特徴付ける。
論文 参考訳（メタデータ） (2022-12-01T20:07:36Z) - Noisy Bayesian optimization for variational quantum eigensolvers [0.0]
変分量子固有解法(VQE)は、ハミルトニアン基底状態を見つけるために用いられるハイブリッド量子古典アルゴリズムである。
この研究は、現在利用可能な量子コンピュータ上でVQEを実行するのに適したGPRとBOの実装を提案する。
論文 参考訳（メタデータ） (2021-12-01T11:28:55Z) - Quantum algorithm for stochastic optimal stopping problems with
applications in finance [60.54699116238087]
有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。
プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
論文 参考訳（メタデータ） (2021-11-30T12:21:41Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Quantum Sampling Algorithms for Near-Term Devices [0.0]
ギブス分布全体を符号化することで、偏りのないサンプルを提供する量子アルゴリズムのファミリを導入する。
このアプローチが従来のマルコフ連鎖アルゴリズムの高速化につながることを示す。
短期量子デバイス上で、潜在的に有用なサンプリングアルゴリズムを探索する扉を開く。
論文 参考訳（メタデータ） (2020-05-28T14:46:20Z)
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。