論文の概要: Efficient classical simulation of two-dimensional long-range systems: Rydberg arrays and beyond

• arxiv url: http://arxiv.org/abs/2607.05178v1
• Date: Mon, 06 Jul 2026 14:58:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.20018
• Title: Efficient classical simulation of two-dimensional long-range systems: Rydberg arrays and beyond
• Title（参考訳）: 2次元長距離システムの効率的な古典的シミュレーション:ライドバーグアレイ
• Abstract要約: モンテカルロの変分計算では、局所エネルギーの評価は通常$O(N3)$である。 テンソルネットワーク状態に対して,このコストを$O(N)$に削減する新しいフレームワークを導入する。 Rydbergシミュレータで実現した10 times10$ dipolar XYモデルの断熱的リアルタイムプロトコルの正確なシミュレーションを得る。
• 参考スコア（独自算出の注目度）: 19.772754216436983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In variational Monte Carlo (VMC) calculations of $N$-site quantum systems with arbitrary all-to-all two-body interactions, evaluating the local energy generally costs $O(N^3)$. We introduce a new framework that reduces this cost to $O(N)$ for tensor network states, capable of scalable and accurate computation of real-time dynamics and ground states. As a result, we obtain accurate simulations of the adiabatic real-time protocol of a $10\times10$ dipolar XY model realized in a Rydberg simulator [C. Chen et al., Nature 616, 691 (2023)], which was previously beyond the reach of classical simulation. Going beyond quantum experiments, we also directly perform ground state VMC to compare with the adiabatic state preparation. Our work demonstrates tensor network VMC as a powerful classical simulator for long-range quantum platforms such as Rydberg and ion-trap simulators, which are currently in urgent need of scalable classical benchmarking tools. As a separate technical contribution, we resolve the pathology of evolving from product states within of tensor network VMC.
• Abstract（参考訳）: 任意の全対全2体相互作用を持つ$N$サイト量子系の変分モンテカルロ(VMC)計算では、局所エネルギーの評価は通常$O(N^3)$である。 我々は、このコストをテンソルネットワーク状態に対して$O(N)$に削減し、リアルタイム力学と基底状態のスケーラブルで正確な計算を可能にする新しいフレームワークを導入する。 その結果,Rydbergシミュレータ(C. Chen et al , Nature 616, 691 (2023))で実現された10\times10$ dipolar XYモデルの断熱的リアルタイムプロトコルの正確なシミュレーションが得られた。 また, 量子実験を超越して, 基底状態VMCを直接実行して, 断熱状態の準備と比較する。 我々の研究は、Rydbergやion-trapシミュレータのような長距離量子プラットフォームのための強力な古典的シミュレータとしてテンソルネットワークVMCを実証している。 別個の技術的貢献として、テンソルネットワークVMC内の製品状態から進化する過程を解明する。

関連論文リスト

• Quantum-classical crossover in fault-tolerant quantum dynamics simulation [56.198154828333685]
  我々は、コヒーレントな観測可能推定と非クリフォード回転の時空間効率実装を組み合わせたスケーラブルなフォールトトレラントフレームワークを提案する。 最先端テンソルネットワークと変分モンテカルロアルゴリズムに対するベンチマークでは、混合場イジングダイナミクスのための具体的なクロスオーバーが明らかにされている。
  論文  参考訳（メタデータ） (2026-07-17T16:54:25Z)
• Pushing the Classical Frontier of 1D Fermi-Hubbard Quench Dynamics Beyond Current Quantum Simulations [0.0]
  Q-CTRLチームは最近、IBMプロセッサ上の1次元Fermi-Hubbardモデルのクエンチダイナミクスをシミュレートした。 我々は、Fermi-Hubbard Hamiltonian のフル$mathrmU(1)timesmathrmSU(2)$対称性と、GPU加速テンソル収縮を併用したフル$mathrmU(1)timesmathrmSU(2)を利用する。 シミュレーションウィンドウ全体にわたって完全に収束した結果を達成し、未解決の高絡み状態の厳密な認証を含む。
  論文  参考訳（メタデータ） (2026-06-03T11:52:47Z)
• Quantum Algorithm for Distributed Reduction of Entanglements (QADR): A Trainable and Simulation-Efficient QML Framework [0.0787796182001592]
  ノイズ中間量子(NISQ)制約下での変分量子回路(VQC)の訓練は、厳しい計算制限をもたらす。 本稿では,量子エンタングルメントの分散化のための量子アルゴリズム(QADR)を紹介し,評価する。 QADRは、グローバル$n$-qubit VQCを、個々の標的量子ビットの因果光円錐のほぼ内で動作する局所化サブ回路に分解する。
  論文  参考訳（メタデータ） (2026-05-31T15:23:10Z)
• Fast, accurate, high-resolution simulation of large-scale Fermi-Hubbard models on a digital quantum processor [2.182919491659049]
  超伝導量子プロセッサ上での1次元Fermi-Hubbardモデルのディジタル量子シミュレーションについて報告する。 我々は、回路の複雑さを低減する効率的なマッピングにより、最大120キュービットでこの問題をエンコードする。 最大90段のトロッターステップを用いて動的進化をシミュレートするために,誤差抑制による精度の向上を行う。
  論文  参考訳（メタデータ） (2026-05-05T17:49:07Z)
• Approaching the Thermodynamic Limit with Neural-Network Quantum States [0.6999740786886536]
  ニューラルネットワーク量子状態に対する最小かつ物理的に解釈可能な帰納バイアスである空間的注意機構を導入する。 このバイアスは大規模最適化を安定化し、熱力学・極限物理学へのアクセスを可能にする。 提案手法は20時間20ドルの正方格子に対して最先端のエネルギーを達成し,Residual Convolutional Neural Networksより優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-02T19:00:05Z)
• Quantum Elastic Network Models and their Application to Graphene [0.4002298833349518]
  我々はQENM(Quantum Elastic Network Models)を導入し、Babbushらの量子アルゴリズムを利用する(PRX, 2023)。 本稿では, 平面材料の効率的なシミュレーションを実現する方法について述べる。 我々は,初期状態の準備,ハミルトニアンシミュレーション,この物質の測定の正確な複雑さを分析し,実世界の2つの応用を提供する。
  論文  参考訳（メタデータ） (2026-01-08T17:49:53Z)
• Neural Modular Physics for Elastic Simulation [36.621915661902115]
  本稿では, 弾性シミュレーションのためのニューラルモジュラー物理(NMP)を提案する。 NMPは、ニューラルネットワークの近似能力と従来のシミュレータの物理的信頼性を組み合わせる。 特殊なアーキテクチャとトレーニング戦略により,計算フローをモジュール型ニューラルシミュレータに変換する。
  論文  参考訳（メタデータ） (2025-12-17T05:02:03Z)
• Hybrid Quantum-Classical Neural Networks for Few-Shot Credit Risk Assessment [52.05742536403784]
  この仕事は、数発の信用リスク評価の課題に取り組む。 我々は、新しいハイブリッド量子古典ワークフローを設計、実装する。 量子ニューラルネットワーク(QNN)はパラメータシフト規則によって訓練された。 実世界の279のサンプルデータを用いて、QNNはシミュレーションで0.852 +/-0.027の堅牢な平均AUCを達成し、ハードウェア実験で0.88の印象的なAUCを得た。
  論文  参考訳（メタデータ） (2025-09-17T08:36:05Z)
• Classical Chaos in Quantum Computers [39.58317527488534]
  50-100量子ビットからなる現在の量子プロセッサは、古典的コンピュータ上の量子シミュレーションの範囲外で動作する。 古典的限界のシミュレーションは、この問題を緩和する潜在的に強力な診断ツールとなり得ることを実証する。 古典的および量子シミュレーションは、$mathcalO$transmonsを持つシステムにおいて、同様の安定性指標をもたらす。
  論文  参考訳（メタデータ） (2023-04-27T18:00:04Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。