論文の概要: Amplitude-Phase Separation toward Optimal and Fast-Forwardable Simulation of Non-Unitary Dynamics

• arxiv url: http://arxiv.org/abs/2602.09575v1
• Date: Tue, 10 Feb 2026 09:23:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.470985
• Title: Amplitude-Phase Separation toward Optimal and Fast-Forwardable Simulation of Non-Unitary Dynamics
• Title（参考訳）: 非ユニタリダイナミクスの最適及び高速フォワード可能なシミュレーションに向けた振幅-位相分離
• Authors: Qitong Hu, Shi Jin,
• Abstract要約: 振幅-位相分離法(Amplitude-Phase separation、APS)は、任意の非単体進化を、ユニタリ作用素とエルミート作用素の別個のシミュレーションに定式化する。 APSは、一般の非単位力学のための効率的な量子アルゴリズムを開発するための効率的で汎用的な経路を提供する。
• 参考スコア（独自算出の注目度）: 39.740772144144366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum simulation of the linear non-unitary dynamics is crucial in scientific computing. In this work, we establish a generic framework, referred to as the Amplitude-Phase Separation (APS) methods, which formulates any non-unitary evolution into separate simulation of a unitary operator and a Hermitian operator, thus allow one to take best advantage of, and to even improve existing algorithms, developed for unitary or Hermitian evolution respectively. We utilize two techniques: the first achieves a provably optimal query complexity via a shifted Dyson series; the second breaks the conventional linear dependency, achieving fast-forwarding by exhibiting a square-root dependence on the norm of the dissipative part. Furthermore, one can derive existing methods such as the LCHS (Linear Combination of Hamiltonian Simulation) and the NDME (Non-Diagonal Density Matrix Encoding) methods from APS. The APS provides an effective and generic pathway for developing efficient quantum algorithms for general non-unitary dynamics to achieve either optimal query complexity or fast-forwarding property, outperforming the existing algorithms for the same problems.
• Abstract（参考訳）: 線形非単位力学の量子シミュレーションは科学計算において重要である。 本研究では,Amplitude-Phase separation (APS) 法と呼ばれる汎用フレームワークを構築し,非ユニタリ進化をユニタリ演算子とエルミート演算子を分離したシミュレーションに定式化する。 第一はシフトダイソン級数で証明可能なクエリ複雑性を実現し、第二は従来の線形依存を破り、散逸部分のノルムに二乗根依存性を示すことにより高速なフォワード化を実現する。 さらに、LCHS(Linear Combination of Hamiltonian Simulation)やNDME(Non-Diagonal Density Matrix Encoding)といった既存の手法をAPSから導出することができる。 APSは、最適なクエリ複雑性または高速フォワード特性を達成するために、一般的な非単位力学のための効率的な量子アルゴリズムを開発するための効率的で汎用的な経路を提供し、同じ問題に対して既存のアルゴリズムより優れている。

関連論文リスト

• Quantum Simulation of Non-unitary Dynamics via Contour-based Matrix Decomposition [6.538464633253838]
  非単体力学のスケーラブルなシミュレーションフレームワークである,輪郭型行列分解(CBMD)を導入する。 CBMDはコーシーの剰余定理を行列値関数に一般化し、非エルミート函数を直接ヘルミート函数の線型結合に分解する。
  論文  参考訳（メタデータ） (2025-11-13T12:52:52Z)
• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.35609820607923]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• Split-Merge: A Difference-based Approach for Dominant Eigenvalue Problem [6.938695246282628]
  Split-Mergeはスペクトル知識を必要とせずに加速収束を達成するアルゴリズムである。 効率性とスケーラビリティの両面で、最先端のメソッドを一貫して上回ります。 従来のパワーメソッドよりも$boldsymbol10times$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2025-01-25T08:37:17Z)
• Improved real-space parallelizable matrix-product state compression and its application to unitary quantum dynamics simulation [0.0]
  改良された実空間並列化行列積状態(MPS)圧縮法を提案する。 本手法は、ユニタリ量子力学をシミュレートし、並列時間進化ブロック決定アルゴリズムの改良を導入する。 得られた数値結果は、改良されたpTEBDアルゴリズムが現在の最先端MPSアルゴリズムと同じレベルのシミュレーション精度を達成することを示す。
  論文  参考訳（メタデータ） (2023-12-05T11:14:48Z)
• Linear combination of Hamiltonian simulation for nonunitary dynamics with optimal state preparation cost [8.181184006712785]
  ハミルトンシミュレーション問題の線形結合として,非単位力学の一般クラスをシミュレーションする簡単な方法を提案する。 また,全てのパラメータにほぼ最適に依存した複素吸収ポテンシャル法によるオープン量子力学シミュレーションの応用を実証した。
  論文  参考訳（メタデータ） (2023-03-02T07:37:54Z)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)
• A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
  我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。 本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。 高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-23T01:34:18Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)

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。