論文の概要: Computational regimes in matrix-product-state-based quantum trajectory simulations
- arxiv url: http://arxiv.org/abs/2606.13779v1
- Date: Thu, 11 Jun 2026 18:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.558984
- Title: Computational regimes in matrix-product-state-based quantum trajectory simulations
- Title（参考訳）: 行列生成状態に基づく量子軌道シミュレーションにおける計算規則
- Abstract要約: 本稿では, トラジェクトリ毎のメモリ, トラジェクトリ毎のランタイム, サンプリング作業に総コストを分割する, 量子トラジェクトリシミュレーションのためのコスト解決フレームワークを提案する。
同じリンドブラッド力学の物理的に等価な解法は、必ずしも総コストを減少させるのではなく、軌跡複雑性と統計的収束の間のコストを再分配することを示した。
- 参考スコア（独自算出の注目度）: 4.187966512170651
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficient simulation of open quantum systems is central to modeling noisy quantum hardware and many-body dynamics. In trajectory-based tensor network methods, cost is often associated with trajectory-level quantities such as entanglement growth or bond dimension. However, the total cost of a fixed-accuracy simulation also depends on statistical sampling, and the interplay between per-trajectory complexity and sampling effort remains poorly understood. Here we introduce a cost-resolved framework for matrix product state (MPS)-based quantum trajectory simulations that decomposes total cost into memory per trajectory, runtime per trajectory, and sampling effort. We show that physically equivalent stochastic unravelings of the same Lindblad dynamics do not necessarily reduce total cost, but instead redistribute cost between trajectory complexity and statistical convergence. This trade-off is quantified by two dimensionless inflation factors: a bond dimension inflation $α$ and a sampling inflation $κ$, which together determine the preferred unraveling under hardware-dependent memory and parallelism constraints. We provide a practical protocol for extracting $(α,κ)$ from modest pilot simulations and demonstrate it using benchmarks across multiple noise channels. The resulting decision maps show that the computationally favorable unraveling can change with noise strength, time-step resolution, system size, and available parallelism. These results establish unraveling choice as a hardware-aware simulation design problem rather than an intrinsic optimization of trajectory entanglement alone.
- Abstract（参考訳）: オープン量子システムの効率的なシミュレーションは、ノイズの多い量子ハードウェアと多体力学のモデリングの中心である。
トラジェクトリベースのテンソルネットワーク法では、コストはしばしばエンタングルメント成長やボンド次元のようなトラジェクトリレベルの量と関連付けられる。
しかし、固定精度シミュレーションの総コストも統計的サンプリングに依存しており、軌道毎の複雑さとサンプリング作業との相互作用はよく分かっていない。
本稿では、行列積状態(MPS)に基づく量子軌道シミュレーションのためのコスト解決フレームワークを紹介し、トータルコストをトラジェクトリ毎のメモリ、トランジェクトリ毎のランタイム、サンプリングの労力に分解する。
同じリンドブラッド力学の物理的に等価な確率的解法は、必ずしも総コストを減少させるのではなく、軌跡複雑性と統計的収束の間の再分配コストを減少させることを示した。
このトレードオフは2つの非次元インフレーション因子によって定量化される: ボンドディメンションインフレーション$α$とサンプリングインフレーション$κ$である。
パイロットシミュレーションから$(α,κ)$を抽出し,複数のノイズチャネルにまたがるベンチマークを用いて実演する実用的なプロトコルを提案する。
結果として得られた決定地図は、計算に有利な解法は、ノイズ強度、時間ステップ分解能、システムサイズ、利用可能な並列性によって変化することができることを示している。
これらの結果は、トラジェクトリ絡みの本質的な最適化よりも、ハードウェア対応のシミュレーション設計問題として、未解決の選択肢を定めている。
関連論文リスト
- Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Stacking the Deck: Tunable Trainability in Stacked LCUs [5.3795542973467905]
変分量子回路は、多くの量子コンピューティングの短期的応用の中心となっている。
本稿では,大理石高原と古典的シミュラビリティの相違点を提供する変分アンサッツとして,重畳されたユニタリの線形結合(S-LCU)を提案する。
論文 参考訳（メタデータ） (2026-07-27T17:25:14Z) - Distribution Complexity of Electronic Structure Simulations on Quantum Supercomputers [0.005390659954881999]
電子構造ハミルトニアンに対するハイブリッド量子古典シミュレーションの分布複雑性を推定するアルゴリズムを提案する。
本研究では,コヒーレントガウス軌道回転と乱れたクーロン相互作用の相互作用により,創発的絡み合いパターンが引き起こされることを示す。
ここで導入されたフレームワークは、実用規模量子コンピューティングに対する新しいより効率的な量子古典的応用を可能にする。
論文 参考訳（メタデータ） (2026-06-18T18:00:16Z) - Approximate Hamiltonian Simulation Algorithm for Efficient Fluid Quantum Simulations [7.831166491139832]
本研究の目的は,量子流体のハミルトニアンシミュレーションにおけるハードウェアリソース制限とデコヒーレンス誤差のボトルネック問題に対処することである。
ハミルトン進化における回路深さの低減を目的とした近似演算子最適化手法を提案する。
論文 参考訳（メタデータ） (2026-04-19T15:26:25Z) - Estimating Local Observables via Cluster-Level Light-Cone Decomposition [0.9713561148090973]
本稿では,量子ワークロードの自然な局所性を活用したクラスタレベルの光コーン分析に基づくフレームワークを提案する。
本稿では,光円錐の幾何学的解離を利用してサンプリング効率を向上する因数分解アルゴリズムと,ハードウェア要件を最小化するために代数展開を利用する代数分解アルゴリズムの2つの補完アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-12-02T03:35:44Z) - Parallel Simulation for Log-concave Sampling and Score-based Diffusion Models [55.07411490538404]
本稿では,次元$d$の適応的複雑性依存性を改善する並列サンプリング手法を提案する。
我々の手法は科学計算による並列シミュレーション技術に基づいている。
論文 参考訳（メタデータ） (2024-12-10T11:50:46Z) - Postselection-free approach to monitored quantum dynamics and entanglement phase transitions [0.0]
観測された量子回路における測定誘起絡み合い相転移は、様々な研究コミュニティの活動を刺激している。
我々は、$U(1)$対称回路にスケーラブルなプロトコルを導入することで解決法を提案する。
論文 参考訳（メタデータ） (2024-06-27T09:59:58Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳（メタデータ） (2022-10-26T00:23:36Z) - Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。
本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。
疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
論文 参考訳（メタデータ） (2022-06-10T04:54:13Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z)
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。