論文の概要: Reducing entanglement with a Hamiltonian derived Clifford transformation

• arxiv url: http://arxiv.org/abs/2607.18404v1
• Date: Mon, 20 Jul 2026 18:00:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.210442
• Title: Reducing entanglement with a Hamiltonian derived Clifford transformation
• Title（参考訳）: ハミルトニアン微分クリフォード変換による絡み合いの低減
• Authors: James Brown, Erika Lloyd, Alexandre Fleury, Tarini S Hardikar, Kenny Heitritter,
• Abstract要約: 近年,Qubit Coupled Cluster (QCC)アルゴリズムからクリフォード変換を決定的に生成するアルゴリズムが導入された。 ここでは,Q-Cliffが化学系の基底状態に対する効率的な古典的および量子近似を生成するために利用できることを示す。
• 参考スコア（独自算出の注目度）: 37.803764941926374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently (Physica Scripta, 100(10):105401, 2025), an algorithm was introduced that deterministically generates a Clifford transformation from the Qubit Coupled Cluster (QCC) algorithm which we call Q-Cliff (QCC+Clifford). There, it was shown that Q-Cliff could be utilized to generate a hardware efficient version of the QCC ansatz. Here, we examine and refine these techniques and show that Q-Cliff can be utilized to generate efficient classical and quantum approximations to the ground states of chemical systems. The algorithm generates an efficient variational method that generally has accuracy between MP2 and CISD with $O(N^6)$. Furthermore, we show through DMRG calculations that the entanglement between qubits is reduced significantly and therefore the accuracy for a given bond dimension can be vastly improved (up to an order of magnitude). Finally, we refine the previously reported algorithm to generate low-depth and CNOT efficient circuits that can be optimized with a comparable number of energy evaluations to state-of-the-art VQE algorithms. All these results show that this Hamiltonian derived Clifford transformation should be a tool used for many classical and quantum algorithms.
• Abstract（参考訳）: 近年,Q-Cliff(QCC+Clifford)と呼ばれるQubit Coupled Cluster(QCC)アルゴリズムからClifford変換を決定的に生成するアルゴリズムが導入された。 そこで,Q-Cliffを用いてQCCアンサッツのハードウェア効率の良いバージョンを生成できることが示された。 そこで本研究では,これらの手法を検証し,Q-Cliffが化学系の基底状態に対する効率的な古典的および量子近似を生成するために利用できることを示す。 このアルゴリズムは、通常、$O(N^6)$でMP2とCISDの間の精度を持つ効率的な変分法を生成する。 さらに, DMRG計算により, 量子ビット間の絡み合いが著しく減少し, 与えられた結合寸法の精度が大幅に向上することを示した。 最後に、前報したアルゴリズムを改良し、最先端のVQEアルゴリズムに匹敵するエネルギー評価で最適化できる低深度およびCNOT効率の回路を生成する。 これらの結果は、このハミルトニアンのクリフォード変換が、多くの古典的および量子的アルゴリズムに使用されるツールであることを示す。

関連論文リスト

• Optimization of the Qubit Coupled Cluster Ansatz on classical computers [0.0]
  繰り返し量子ビット結合クラスタ(iQCC)法において,振幅最適化を改善するための2つの手法について報告する。 第一のスキームは、QCCユニタリを与えられた順序に結合されたジェネレータの和として近似する。 第2のスキームは、QCCユニタリが生成される拡張空間のサイズを制限する。
  論文  参考訳（メタデータ） (2025-02-24T19:11:40Z)
• Quantum Circuit Optimization with AlphaTensor [47.9303833600197]
  我々は,所定の回路を実装するために必要なTゲート数を最小化する手法であるAlphaTensor-Quantumを開発した。 Tカウント最適化の既存の方法とは異なり、AlphaTensor-Quantumは量子計算に関するドメイン固有の知識を取り入れ、ガジェットを活用することができる。 注目すべきは、有限体における乗法であるカラツバの手法に似た効率的なアルゴリズムを発見することである。
  論文  参考訳（メタデータ） (2024-02-22T09:20:54Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
  提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。 レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
  論文  参考訳（メタデータ） (2022-03-01T19:47:16Z)
• Quadratic Clifford expansion for efficient benchmarking and initialization of variational quantum algorithms [0.8808007156832224]
  変分量子アルゴリズムは、短期量子コンピュータの魅力的な応用であると考えられている。 本稿では,変分量子アルゴリズムの効率的なベンチマークのための摂動的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-11-19T16:09:00Z)

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。