論文の概要: Generalized Nonlinear Imaginary-Time Evolution

• arxiv url: http://arxiv.org/abs/2607.09599v1
• Date: Fri, 10 Jul 2026 16:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.908681
• Title: Generalized Nonlinear Imaginary-Time Evolution
• Title（参考訳）: 一般化された非線形イマジナリー時間進化
• Authors: Chenyu Shi, Hao Wang, Jin-Fu Chen,
• Abstract要約: 我々は、より一般的な量子状態準備タスクのための一般化された非線形想像時間進化(NITE)を提案する。 NITEは、変分固有溶媒の分散最小化、変分量子センシングにおけるプローブ状態準備、ペナルティ項を用いた励起状態準備など、いくつかのサブルーチンタスクに適用される。
• 参考スコア（独自算出の注目度）: 6.066298327418445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imaginary-time evolution (ITE) is a powerful method for ground-state preparation of a given Hamiltonian. The normalized ITE can be viewed as a gradient flow of the energy expectation value with respect to the Fubini--Study metric. In this work, we propose a generalized nonlinear imaginary-time evolution (NITE) for more general quantum state-preparation tasks. We further present a hardware-efficient variational implementation of NITE and reveal its connection to quantum natural gradient descent. NITE is applied to several subroutine tasks, including variance minimization in variational eigensolvers, probe-state preparation in variational quantum sensing, and excited-state preparation using penalty terms. We prove that NITE achieves a local exponential convergence rate under reasonable assumptions. Our results show that NITE outperforms standard gradient descent and can serve as an efficient optimization method for variational tasks beyond ground-state preparation.
• Abstract（参考訳）: イマジナリー時間進化(Imaginary-time Evolution、ITE)は、与えられたハミルトニアンを基底状態に形成するための強力な方法である。 正規化されたITEは、フビニ-スタディ計量に対するエネルギー期待値の勾配流と見なすことができる。 本研究では、より一般的な量子状態準備タスクのための一般化された非線形想像時間進化(NITE)を提案する。 さらに、ハードウェア効率の良いNITEの変分実装を提案し、量子自然勾配降下との関係を明らかにする。 NITEは、変分固有溶媒の分散最小化、変分量子センシングにおけるプローブ状態準備、ペナルティ項を用いた励起状態準備など、いくつかのサブルーチンタスクに適用される。 我々は、NITEが妥当な仮定の下で局所指数収束率を達成することを証明した。 その結果、NITEは標準勾配勾配よりも優れており、地中準備以上の変動タスクの効率的な最適化手法として機能することが示唆された。

関連論文リスト

• Augmenting Imaginary-Time Evolution with Local Geometric Information [2.141079906482723]
  Imaginary-time Evolution (ITE) は、量子シミュレーションと量子多体物理学における基底状態の準備のための幅広いアルゴリズムのファミリーを支える。 エネルギー景観の標準勾配流に取って代わる拡張された想像時間進化フレームワークを導入する。 結果として得られるフローは、進化全体を通して標準ITEよりも厳密に優れています。
  論文  参考訳（メタデータ） (2026-06-22T20:53:36Z)
• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• Non-asymptotic Convergence of Training Transformers for Next-token Prediction [48.9399496805422]
  トランスフォーマーは、シーケンシャルなデータを扱う優れた能力のために、現代の機械学習において驚くべき成功を収めています。 本稿では, 単層変圧器のトレーニング力学の微細な非漸近解析を行う。 トレーニングされたトランスフォーマーは,データセットシフトによる非トーケン予測能力を示すことを示す。
  論文  参考訳（メタデータ） (2024-09-25T20:22:06Z)
• Quantum Shadow Gradient Descent for Variational Quantum Algorithms [14.286227676294034]
  量子ニューラルネットワーク(QNN)における変分量子回路のトレーニングのための勾配勾配推定法が提案されている。 勾配推定の課題は、状態崩壊や測定の不整合といった特異な量子的特徴のために困難であることが証明されている。 我々は,1イテレーション毎に1つのサンプルを用いて勾配のすべての成分を推定する量子シャドウ降下という新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-10-10T18:45:43Z)
• Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
  ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。 我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。 我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
  論文  参考訳（メタデータ） (2023-07-28T12:26:43Z)
• Convergence of mean-field Langevin dynamics: Time and space discretization, stochastic gradient, and variance reduction [49.66486092259376]
  平均場ランゲヴィンダイナミクス(英: mean-field Langevin dynamics、MFLD)は、分布依存のドリフトを含むランゲヴィン力学の非線形一般化である。 近年の研究では、MFLDは測度空間で機能するエントロピー規則化された凸関数を地球規模で最小化することが示されている。 有限粒子近似,時間分散,勾配近似による誤差を考慮し,MFLDのカオスの均一時間伝播を示す枠組みを提供する。
  論文  参考訳（メタデータ） (2023-06-12T16:28:11Z)
• Efficient Semi-Implicit Variational Inference [65.07058307271329]
  効率的でスケーラブルな半単純外挿 (SIVI) を提案する。 本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
  論文  参考訳（メタデータ） (2021-01-15T11:39:09Z)
• The Variational Method of Moments [65.91730154730905]
  条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。 OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。 同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-12-17T07:21:06Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。