論文の概要: Distributed optimization of Lindblad equations for large-scale cavity QED systems
- arxiv url: http://arxiv.org/abs/2603.04187v1
- Date: Wed, 04 Mar 2026 15:38:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.377961
- Title: Distributed optimization of Lindblad equations for large-scale cavity QED systems
- Title（参考訳）: 大規模空洞QEDシステムに対するリンドブラッド方程式の分散最適化
- Authors: Hui-hui Miao,
- Abstract要約: 本稿では,大規模キャビティQEDシステムにおけるLindbladマスター方程式を解くための分散コンピューティングフレームワークを提案する。
単位項に対して、テイラー級数近似とキャノンアルゴリズムの組み合わせは、分散行列の指数化を可能にする。
結果は、このフレームワークが非単体進化を著しく加速することを示している。
- 参考スコア（独自算出の注目度）: 0.65268245109828
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a distributed computing framework for solving the Lindblad master equation in large-dimensional cavity QED systems. By leveraging the sparsity of the jump operator and combining this approach with the Cannon algorithm, the computational complexity of non-unitary terms is reduced from $O(MN^3)$ to $O(MN)$. For unitary terms, a combination of Taylor series approximation and the Cannon algorithm enables distributed matrix exponentiation, though scalability is limited by cross-processor communication. The proposed dynamic subspace construction method further reduces the Hamiltonian dimension: when $n_{\text{at}}=10$, the dimension is reduced to $5.63\%$ of the full Hamiltonian, with a memory footprint of only $0.32\%$. Results show that this framework significantly accelerates non-unitary evolution, providing a feasible solution for simulating large-scale open quantum systems where the number of dissipative channels $M$ is much larger than the Hamiltonian dimension $N$.
- Abstract（参考訳）: 本稿では,大規模キャビティQEDシステムにおけるLindbladマスター方程式を解くための分散コンピューティングフレームワークを提案する。
ジャンプ作用素の空間性を利用してこのアプローチをキャノンアルゴリズムと組み合わせることで、非ユニタリ項の計算複雑性を$O(MN^3)$から$O(MN)$に縮める。
ユニタリ項の場合、テイラー級数近似とキャノンアルゴリズムの組み合わせは、分散行列の指数化を可能にするが、スケーラビリティはクロスプロセッサ通信によって制限される。
提案された動的部分空間構築法は、さらにハミルトン次元を減少させる:$n_{\text{at}}=10$のとき、メモリフットプリントが0.32\%のハミルトニアン全体の5.63\%$に縮小される。
結果は、このフレームワークが非単体進化を著しく加速し、M$の散逸チャネルの数がハミルトン次元の$N$よりもはるかに大きいような大規模開量子系をシミュレートするための実現可能なソリューションを提供することを示している。
関連論文リスト
- Low-degree Lower bounds for clustering in moderate dimension [53.03724383992195]
我々は、$n$点を$K$群にクラスタリングする根本的な問題を、$mathbbRd$における等方ガウスの混合から引き出された。
我々は、$n leq dK$のクラスタリングの難しさは次元の縮小とスペクトル法によって引き起こされるが、中等次元のレジームはより微妙な現象を伴い、「非最適率」につながることを示した。
我々は、この速度にマッチする新しい非スペクトルアルゴリズムを提案し、中等次元のクラスタリング問題の計算限界に新しい光を当てる。
論文 参考訳（メタデータ） (2026-02-26T14:03:55Z) - Block encoding of sparse matrices with a periodic diagonal structure [67.45502291821956]
周期的な対角構造を持つスパース行列を符号化するための明示的な量子回路を提供する。
本手法の様々な応用は, 微分問題を解く文脈で論じる。
論文 参考訳（メタデータ） (2026-02-11T07:24:33Z) - Block encoding with low gate count for second-quantized Hamiltonians [5.455703400065318]
多体ハミルトニアンの効率的なブロック符号化は、科学計算における量子アルゴリズムの中心的な要件である。
我々はクリフォード+Tゲートの複雑さとアンシラオーバーヘッドを著しく低減する第二量子化ハミルトンのブロック符号化のための新しい明示的な構成を導入する。
論文 参考訳（メタデータ） (2025-10-09T03:37:15Z) - Quantum approximate optimization of bosonic finite-state systems [0.0]
本質的に有限$D$-次元状態によって記述される性質上の公式化問題には、キューディット・ヒルベルト空間をマルチキュービットにマッピングする必要がある。
本稿では,ハミルトニアンを適切に混合した量子近似最適化アルゴリズム(QAOA)を提案する。
この枠組みを量子近似熱化に応用し、強い相互作用状態と弱い相互作用状態において、反発型ボース・ハバードモデルの基底状態を求める。
論文 参考訳（メタデータ） (2025-10-07T04:44:13Z) - A Quantum Algorithm for Nonlinear Electromagnetic Fluid Dynamics via Koopman-von Neumann Linearization [4.485267685992102]
本研究では,空間プラズマを制御した非線形電磁流体力学の量子アルゴリズムを提案する。
クープマン・フォン・ノイマン線型化を適用してシュリンガー方程式に写像し、量子特異値変換によってシステムを進化させる。
数値実験により、正確な解は理論上予想されるよりも小さい$m$で達成可能であることが検証された。
論文 参考訳（メタデータ） (2025-09-26T15:44:51Z) - LREI: A fast numerical solver for quantum Landau-Lifshitz equations [0.0]
我々はLandau-Lifshitz (q-LL) 方程式と量子Landau-Lifshitz-Gilbert (q-LLG) 方程式を解くためのメモリ効率と時間効率のスキーム LREI を開発した。
論文 参考訳（メタデータ） (2025-08-28T20:33:37Z) - Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。
また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。
我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
論文 参考訳（メタデータ） (2025-02-07T15:57:56Z) - E2Former: An Efficient and Equivariant Transformer with Linear-Scaling Tensor Products [30.856584261032207]
We introduced E2Former, an equivariant and efficient transformer architecture that with the Wigner 6,j$ convolution (Wigner 6,j$ Conv)
計算負荷をエッジからノードにシフトすることで、Wigner 6j$ Convは複雑さを$O(|mathcalE|)$から$O(| MathcalV|)$に縮める。
この開発は、スケーラブルで効率的な分子モデリングのための有望な方向を示唆する可能性がある。
論文 参考訳（メタデータ） (2025-01-31T15:22:58Z) - Approximate Unitary $k$-Designs from Shallow, Low-Communication Circuits [6.844618776091756]
近似ユニタリ$k$-デザインは、平均が最初の$k$モーメントまでのハールランダムアンサンブルに近いようなユニタリと測度のアンサンブルである。
我々はサブシステム間の通信がシステムサイズで$O(1)$である乗法誤り近似単位の$k$-designアンサンブルを構築する。
論文 参考訳（メタデータ） (2024-07-10T17:43:23Z) - Quantum Algorithm for Solving the Advection Equation using Hamiltonian Simulation [0.0]
一次元の対流は、一階微分の中央有限差分作用素が反エルミート的であるため、直接シミュレートすることができる。
初期量子状態の1つのコピーが必要であり、回路深さは必要な時間ステップ数とともに線形に増加する。
論文 参考訳（メタデータ） (2023-12-15T13:39:27Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - Minimax Optimal Quantization of Linear Models: Information-Theoretic
Limits and Efficient Algorithms [59.724977092582535]
測定から学習した線形モデルの定量化の問題を考える。
この設定の下では、ミニマックスリスクに対する情報理論の下限を導出する。
本稿では,2層ReLUニューラルネットワークに対して,提案手法と上界を拡張可能であることを示す。
論文 参考訳（メタデータ） (2022-02-23T02:39:04Z) - FANOK: Knockoffs in Linear Time [73.5154025911318]
本稿では,ガウスモデル-Xノックオフを効率的に実装し,大規模特徴選択問題における誤発見率を制御するアルゴリズムについて述べる。
当社のメソッドは、最大50,000ドルという問題でテストしています。
論文 参考訳（メタデータ） (2020-06-15T21:55:34Z)
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。