論文の概要: Benchmarking Quantum Simulations of the Lipkin-Meshkov-Glick Model Using Large Tensor Networks

• arxiv url: http://arxiv.org/abs/2607.28570v1
• Date: Thu, 30 Jul 2026 17:34:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.693299
• Title: Benchmarking Quantum Simulations of the Lipkin-Meshkov-Glick Model Using Large Tensor Networks
• Title（参考訳）: 大規模テンソルネットワークを用いたLipkin-Meshkov-Glickモデルのベンチマーク量子シミュレーション
• Abstract要約: 密度行列再正規化群(DMRG)アルゴリズムを用いて,Lipkin Meshkov Glick(LMG)モデルの基底状態エネルギーを計算する。 これらの結果を、変分量子固有解法(VQE)やサンプルベース量子対角化法(SQD)のようなノイズのある中間スケール(NISQ)アルゴリズムと比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As quantum computing matures, it is critical to benchmark its real-world problem solving performance against competitive classical methods, such as tensor networks. In this work, we leverage the Density Matrix Renormalization Group (DMRG) algorithm to compute ground state energies of the Lipkin Meshkov Glick (LMG) model as a comparative benchmark against popular noisy intermediate-scale (NISQ) algorithms like the Variational Quantum Eigensolver (VQE) and Sample-Based Quantum Diagonalization (SQD) method. By running DMRG on the NERSC Perlmutter supercomputer, we provide one of the largest LMG ground state energy datasets in literature, containing accurate ground state energies for systems up to 1400 particles. We compare these results with VQE and SQD implementations on an IBM Eagle quantum computer for comparison. VQE achieved results within 1 percent error for 6 particles, while exceeding that threshold for all other values while SQD extended that range to 17 particles, suggesting that in a noisy intermediate scale quantum era, subspace-based approaches may strike the best balance between accuracy, circuit depth, and noise resilience.
• Abstract（参考訳）: 量子コンピューティングが成熟するにつれて、テンソルネットワークのような競合する古典的手法に対して、現実の問題解決性能をベンチマークすることが重要となる。 本研究では,密度行列再正規化群 (DMRG) アルゴリズムを用いて,Lipkin Meshkov Glick (LMG) モデルの基底状態エネルギーを,変分量子固有解法 (VQE) やSQD (Simple-Based Quantum Diagonalization) といった一般的な雑音型中間スケール (NISQ) アルゴリズムとの比較ベンチマークとして利用する。 NERSC Perlmutterスーパーコンピュータ上でDMRGを実行することで、最大1400個の粒子の正確な基底状態エネルギーを含む、文学における最大のLMG基底状態エネルギーデータセットを提供する。 これらの結果と,IBM Eagle量子コンピュータ上でのVQEとSQDの実装を比較して比較する。 VQEは6つの粒子に対して1%の誤差でその閾値を超え、SQDはその範囲を17個の粒子にまで拡張し、ノイズの多い中間スケールの量子時代において、サブスペースベースのアプローチは精度、回路深さ、ノイズ耐性の最良のバランスをとる可能性があることを示唆した。

関連論文リスト

• Scalable nuclear shell model calculations on noisy quantum computers [0.0]
  変分量子固有解法(VQE)のようなハイブリッド量子アルゴリズムは、量子コンピューティングの限界を克服することを目的としている。 現在のノイズ中間量子(NISQ)ハードウェアに固有のノイズは、VQEのような大規模計算では実用的でないいくつかのアルゴリズムを描画する。 サンプルベース量子対角化(SQD)フレームワークを初めて核シェルモデルに適用する。
  論文  参考訳（メタデータ） (2026-08-17T10:23:18Z)
• Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning [38.502127166117674]
  量子インスパイアされたKolmogorov-Arnold Network(QKAN)とFWPを統合した高速軽量フレームワークQKAN-FWPを提案する。 私たちは、DARUAN(DatA Re-Uploading ActivatioN)として知られる、学習可能な非線形アクティベーションとしてシングルキュービットデータ再ロード回路を使用している。 時系列ベンチマーク,MiniGrid強化学習,および実世界の太陽周期予測を主要な実践的結果として取り上げ,その枠組みを評価する。
  論文  参考訳（メタデータ） (2026-05-07T13:04:09Z)
• TensorCircuit-NG: A Universal, Composable, and Scalable Platform for Quantum Computing and Quantum Simulation [33.05172028111655]
  量子物理学、人工知能、高性能コンピューティングのギャップを埋めるために設計された次世代量子ソフトウェアプラットフォームであるCircuit-NGを紹介します。 Circuit-NGは、量子回路、テンソルネットワーク、ニューラルネットワークが単一のエンドツーエンドの微分可能な計算グラフに融合する、統一されたテンソルネイティブプログラミングパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-02-15T14:37:37Z)
• Hybrid Sequential Quantum Computing [33.72751145910978]
  ハイブリッドシーケンシャル量子コンピューティング(HSQC)を導入する。 HSQCは古典的および量子的手法を構造化された段階的ワークフローに体系的に統合する。 スタンドアロンの古典的解法と比較すると、HSQCはSAの最大700倍、実行時の最大9倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2025-10-07T12:15:43Z)
• QB Ground State Energy Estimation Benchmark [30.045562070102537]
  基底状態エネルギー推定は、量子化学と凝縮物質物理学における中心的な問題である。 この研究は、古典的および量子的解法の両方のパフォーマンスを評価するための構造化ベンチマークフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-08-14T17:45:28Z)
• Efficient charge-preserving excited state preparation with variational quantum algorithms [33.03471460050495]
  本稿では、対称性と対応する保存電荷をVQDフレームワークに組み込むために設計された電荷保存型VQD(CPVQD)アルゴリズムを紹介する。 その結果、高エネルギー物理学、核物理学、量子化学への応用が示された。
  論文  参考訳（メタデータ） (2024-10-18T10:30:14Z)
• Tensor-based quantum phase difference estimation for large-scale demonstration [1.46955585643264]
  量子位相差推定(QPDE)方式を利用したエネルギー計算アルゴリズムを開発した。 このアルゴリズムは, 効率的な実装に加えて, 指数関数的に非偏極雑音の影響を低減させる。 我々は,IBM超伝導デバイス上での一次元ハバードモデルのエネルギーギャップ計算を実演する。
  論文  参考訳（メタデータ） (2024-08-09T09:01:37Z)
• Quantum subspace expansion in the presence of hardware noise [0.0]
  現在の量子処理ユニット(QPU)の基底状態エネルギーの発見は課題を呈し続けている。 ハードウェアノイズは、パラメタライズド量子回路の表現性とトレーニング性の両方に深刻な影響を及ぼす。 量子サブスペース拡張とVQEを統合する方法を示し、量子コンピューティング能力と古典コンピューティング能力とコストの最適なバランスを可能にする。
  論文  参考訳（メタデータ） (2024-04-14T02:48:42Z)
• Simulator Demonstration of Large Scale Variational Quantum Algorithm on HPC Cluster [0.0]
  本研究は,2つの新しい手法を用いて量子シミュレーションを高速化することを目的とする。 VQEシミュレーションの200倍の高速化を実現し,32kbitsの地中エネルギー計算を許容時間で実証した。
  論文  参考訳（メタデータ） (2024-02-19T06:34:01Z)
• Matrix product state ansatz for the variational quantum solution of the Heisenberg model on Kagome geometries [0.0]
  本研究では密度行列再正規化グループ(DMRG)アルゴリズムにインスパイアされた量子回路アンサッツを開発する。 我々のDMRG-VQEハイブリッドアルゴリズムは、現実的な誤差率で、強い相関関係を持つシステムに対して良い結果をもたらす。
  論文  参考訳（メタデータ） (2024-01-04T16:53:47Z)
• Pre-optimizing variational quantum eigensolvers with tensor networks [1.4512477254432858]
  VQEをシミュレートすることで、パラメータ化量子回路のよい開始パラメータを求める手法を提示し、ベンチマークする。 最大32キュービットのシステムサイズを持つ1Dと2DのFermi-Hubbardモデルに適用する。 2Dでは、VTNEが検出するパラメータは開始構成よりもはるかに低いエネルギーであり、これらのパラメータから開始するVQEは、与えられたエネルギーに降り着くためには、自明に少ない演算を必要とすることを示す。
  論文  参考訳（メタデータ） (2023-10-19T17:57:58Z)
• 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)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• Simulation of Quantum Computing on Classical Supercomputers [23.350853237013578]
  本研究では,非方向グラフの切断エッジに基づくスキームを提案する。 このスキームは、木幅の大きな無向グラフのエッジをカットし、多くの無向グラフを得る。 4096コアのスーパーコンピュータ上で120量子3規則QAOAアルゴリズムをシミュレートできる。
  論文  参考訳（メタデータ） (2020-10-28T13:26:41Z)

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。