論文の概要: Belief Propagation-based Disentanglers for Tensor Network State Preparation
- arxiv url: http://arxiv.org/abs/2608.21902v1
- Date: Sat, 22 Aug 2026 10:26:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.53408
- Title: Belief Propagation-based Disentanglers for Tensor Network State Preparation
- Title（参考訳）: 振動伝搬に基づくテンソルネットワーク状態作成用遠心分離器
- Abstract要約: テンソルネットワーク状態のクラスを作成するための量子回路合成法を開発した。
問題は独立で、厳密に局所的で、古典的な変分最適化に還元される。
この手法は、古典的なテンソルネットワーク状態をハードウェアに転送することで、量子応用の新しい可能性を開く。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We develop a quantum circuit synthesis method for preparing a class of tensor network states. The scheme applies to states tractable with belief propagation (BP), a tensor network gauging scheme which recently allowed for classical simulations at large scales. The problem is reduced to independent, strictly local, classical variational optimizations: each nearest-neighbor two-qubit "disentangler" gate minimizes the entropy defined on an edge. Disentanglers drive the state to a product state and their Hermitian conjugate prepares the target. Each disentangling layer has depth at most $z+1$ (with $z$ the maximal number of nearest neighbors per site), the optimization has no barren plateaus, and the bond dimension stays bounded. As a demonstration, with only $3$-$5$ disentangling layers we prepare a $102$-qubit tree tensor network encoding a $17$-dimensional normal distribution and the transverse-field Ising model ground states on a $64$- to $127$-qubit heavy-hex lattice with fidelities of order $0.9-0.999$. The method opens new possibilities for quantum applications by transferring classical tensor network states onto hardware.
- Abstract（参考訳）: テンソルネットワーク状態のクラスを作成するための量子回路合成法を開発した。
このスキームは、最近大規模に古典的なシミュレーションが可能となったテンソル・ネットワーク・ガウイング・スキームである、信念伝播(BP)に対応可能な状態に適用できる。
問題は独立で厳密な局所的、古典的な変分最適化に還元され、各近傍の2ビットの「異方性」ゲートはエッジ上で定義されたエントロピーを最小化する。
ディケンタングラーは状態を製品状態に駆動し、そのエルミート共役はターゲットを準備する。
各異端層は、最大で$z+1$(サイトごとに最も近い隣人の最大数)の深さを持ち、最適化はバレンプラトーを持たず、結合次元は有界である。
デモとして、わずか3ドル～5ドル(約3,300円)の層で、17ドル(約1,300円)の正規分布をコードする102ドル(約1,300円)のツリーテンソルネットワークを用意し、横フィールドのIsingモデルでは6,4ドル～1,27ドル(約1,300円)のヘビーヘックス格子をオーダー$0.9-0.999ドル(約1,300円)で作成します。
この手法は、古典的なテンソルネットワーク状態をハードウェアに転送することで、量子応用の新しい可能性を開く。
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) - Wavelet Variance Equipartition as a Threshold for World-Model Quality and Quantum Kernel TN-Simulability [0.0]
我々はウェーブレットスケーリング指数$$を臨界診断として同定する。
振幅符号化された量子カーネルの古典的シミュラビリティのシャープな遷移境界として$=1/2$を確立する。
この分散は、厳密には$Var[X] = (d-2)$としてスケールする。
論文 参考訳（メタデータ） (2026-05-12T05:41:12Z) - Disentangling Tensor Network States with Deep Neural Network [20.1390115178447]
本稿では、ディープニューラルネットワークとテンソルネットワークアーキテクチャを統合する可変波動関数アンサッツを提案する。
$TNSフレームワークでは、ニューラルネットワークは波動関数のアンタングルとして機能し、物理的自由度をはるかに少ないエンタングルメントで再正規化変数に変換する。
この構成により、強い相関の量子状態のコンパクトで高表現力の表現が得られる。
論文 参考訳（メタデータ） (2026-03-15T15:09:00Z) - Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [48.46721044282335]
テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。
1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。
その結果,TDNは計算処理の劇的な高速化と競合する性能を示した。
論文 参考訳（メタデータ） (2025-07-01T18:46:27Z) - Hybrid between biologically inspired and quantum inspired many-body states [0.0]
パーセプリンの単純なネットワークから可変多体アンサッツを構築する。
このネットワークは、テンソルネットワークから受け継いだいくつかの異なる特徴を持つニューラルネットワークと考えることができる。
論文 参考訳（メタデータ） (2025-06-05T13:57:48Z) - Far from Perfect: Quantum Error Correction with (Hyperinvariant) Evenbly Codes [38.729065908701585]
Evenbly コードと呼ばれる新しいクビット符号のクラスを導入します。
我々の研究は、イブリー符号が実用的な量子コンピューティングアプリケーションにとって有望であることを示している。
論文 参考訳（メタデータ） (2024-07-16T17:18:13Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - Tensor Network States with Low-Rank Tensors [6.385624548310884]
テンソルネットワークを構成するテンソルに低ランク制約を課すという考え方を導入する。
この修正により、ネットワーク最適化の時間と複雑さを大幅に削減できる。
テンソル階数 $r$ を$m$ の順序で選ぶことは、高い精度の基底状態近似を得るのに十分である。
論文 参考訳（メタデータ） (2022-05-30T17:58:16Z) - Scalable Lipschitz Residual Networks with Convex Potential Flows [120.27516256281359]
残差ネットワーク勾配流における凸ポテンシャルを用いることで,1ドルのLipschitz変換が組み込まれていることを示す。
CIFAR-10の包括的な実験は、アーキテクチャのスケーラビリティと、証明可能な防御に$ell$のアプローチの利点を実証している。
論文 参考訳（メタデータ） (2021-10-25T07:12:53Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Optimization at the boundary of the tensor network variety [2.1839191255085995]
テンソルネットワーク状態は、量子多体系の研究で広く用いられる変分アンザッツ類を形成する。
最近の研究により、この多様体の境界上の状態は、物理的興味のある状態に対するより効率的な表現をもたらすことが示されている。
局所ハミルトンの基底状態を見つけるために、このクラスを最適化する方法を示す。
論文 参考訳（メタデータ） (2020-06-30T16:58:55Z)
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。