論文の概要: DF-SQD: Deterministic Fields for Sampling-Based Quantum Diagonalization

• arxiv url: http://arxiv.org/abs/2609.01264v1
• Date: Tue, 01 Sep 2026 13:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.719261
• Title: DF-SQD: Deterministic Fields for Sampling-Based Quantum Diagonalization
• Title（参考訳）: DF-SQD:サンプリングに基づく量子対角化のための決定論的場
• Authors: Kushagra Agarwal, Anupama Ray,
• Abstract要約: DF-SQDは2電子テンソルの選択した2要素化葉から決定論的補助フィールド回路を導出するハイブリッドアルゴリズムである。 N2 の場合、DF-SQD は 11.23% の小さい部分空間で 45 倍精度があり、より少ないショットでより良いビットストリングをサンプリングできるため、量子デバイスでは SQD よりも 2.93 倍高速である。 鉄と硫黄のクラスターでは、DF-SQDは400Kショットで221Mのサブスペース次元を生成し、SQDは238Mサブスペースを生成するために1.5Mショットを必要とした。
• 参考スコア（独自算出の注目度）: 0.22344764434954256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sampling-based quantum diagonalization method exploits Quantum-centric supercomputing platforms to sample bitstrings for Hamiltonian projection on a quantum computer, and then classically diagonalize the Hamiltonian to estimate the eigenvalues and eigenvectors. In current quantum devices an algorithm is useful when shallow quantum circuits with error mitigation support can discover better results while having either a proof of convergence or some method to explain trust in experiment. In this paper, we introduce DF-SQD, a hybrid algorithm that derives deterministic auxiliary-field circuits from selected double-factorization leaves of the two-electron tensor. The circuits propose occupation-number configurations, while selected configuration interaction evaluates the original active-space Hamiltonian and can recentre subsequent proposal rounds. On N2 (32 qubits; 6-31G basis) and a 40-qubit [Fe2S2(SCH3)4]2- active-space Hamiltonian, we show that DF-SQD improves the energy obtained from sampled determinant spaces while using shallow number-preserving circuits in both simulator and hardware runs. For N2, DF-SQD is 45x more accurate with a 11.23\% smaller subspace, and due to its ability to sample better bitstrings at lesser shots it is 2.93x faster than SQD in quantum devices. For the iron-sulfur cluster, DF-SQD generated a subspace dimension of 221M with 400K shots, while SQD needed 1.5M shots to generate a 238M subspace, thus we have better subspace recovery evident from the hardware at 3.75x reduced shots. At a matched 50M subspace dimension, DF-SQD is 1.32x more accurate (achieves a 24.5\% relative error reduction over standard SQD). So overall, our method is able to discover better results with shallower circuits, is sample efficient, uses configuration recovery (so has targeted error mitigation) and we have empirical convergence observation.
• Abstract（参考訳）: サンプリングベースの量子対角化法は量子中心の超計算プラットフォームを利用して量子コンピュータ上のハミルトン射影のビットストリングをサンプリングし、古典的にはハミルトンを対角化して固有値と固有ベクトルを推定する。 現在の量子デバイスでは、誤差軽減支援の浅い量子回路が、収束の証明と実験における信頼を説明する方法のいずれかを持ちながら、より良い結果を発見することができる場合、アルゴリズムが有用である。 本稿では,2電子テンソルの2要素化葉から決定論的補助フィールド回路を導出するハイブリッドアルゴリズムDF-SQDを紹介する。 回路は占有数構成を提案し、選択された構成相互作用は元の活性空間ハミルトニアンを評価し、その後の提案ラウンドを更新することができる。 N2 (32 qubits; 6-31G basis) と 40-qubit [Fe2S2(SCH3)4]2- Active-space Hamiltonian では、DF-SQD がシミュレータとハードウェアの両方で浅い数保存回路を用いてサンプリングされた行列空間から得られるエネルギーを改善することを示した。 N2 の場合、DF-SQD は 11.23 % の小さい部分空間で 45 倍精度があり、より少ないショットでより良いビットストリングをサンプリングできるため、量子デバイスでは SQD よりも 2.93 倍高速である。 一方, DF-SQDは238Mのサブスペースを生成するために1.5Mのショットを必要とするため, ハードウェアから3.75倍の精度でサブスペース回収が可能であった。 一致する50M部分空間次元では、DF-SQDは1.32倍の精度である(標準のSQDよりも24.5\%の相対誤差が減少する)。 そこで本手法では, より浅い回路でより優れた結果が得られ, サンプリング効率が良く, 構成回復(すなわち, 誤差軽減)が可能であるとともに, 経験的収束観測が可能である。

関連論文リスト

• Verifiable quantum advantage in extremely low depth [52.51019642214249]
  浅量子回路では解けない問題を格子ベースの仮定で解くのが困難である。 浅量子回路は、解を効率よく検証できる古典的な難題を解くのに十分な構造を持っていることを証明している。
  論文  参考訳（メタデータ） (2026-09-01T15:54:34Z)
• SQD-Enabled Circuit Compression for Resource-Efficient Quantum Chemistry [8.027135734011297]
  サブスペース量子対角化(サブスペース量子対角化、Subspace Quantum Diagonalization、SQD)は、量子サンプルによって分散された部分空間において、古典的にハミルトニアンを対角化することによって基底状態のエネルギーを回復する。 SQD精度が低下する前にサンプリング回路から,非クリフォードおよび変分表現率をどの程度除去できるかを示す。
  論文  参考訳（メタデータ） (2026-07-16T14:46:10Z)
• Cluster-Adaptive Sample-Based Quantum Diagonalization for Strongly Correlated Systems [0.0]
  強い相関を持つ電子系は本質的に多重構成波動関数を示す。 量子コンピューティングは、これらの制限を緩和するための有望なルートとして登場した。 クラスタ適応型SQDを導入し、教師なし学習を用いてサンプルをクラスタ化する。
  論文  参考訳（メタデータ） (2026-03-10T08:24:08Z)
• Noise-Resilient Quantum Chemistry with Half the Qubits [0.0]
  本稿では, 半量子量子対角化法であるHSQDを導入する。 HSQDはIBM量子ハードウェア上でのSQDの精度と一致する。 その結果、半量子SQDは強相関化学における実用的な量子優位性へのノイズ耐性と資源効率の経路として確立された。
  論文  参考訳（メタデータ） (2026-02-01T11:34:37Z)
• Quantum chemistry with provable convergence via randomized sample-based quantum diagonalization [0.0]
  我々は、SKQDとハミルトンプロパゲータのqDRIFTランダム化コンパイルを組み合わせた新しいSQD変種を導入する。 結果のアルゴリズムであるSqDRIFTは、化学ハミルトニアンの実用スケールでのSQD計算を可能にする。
  論文  参考訳（メタデータ） (2025-08-04T16:36:12Z)
• ParetoQ: Improving Scaling Laws in Extremely Low-bit LLM Quantization [73.60493264901359]
  本稿では,1ビット,1.58ビット,2ビット,3ビット,4ビットの量子化設定に対して厳密な比較を行う統一フレームワークを提案する。 3次、2ビット、3ビット量子化は、サイズと精度のトレードオフにおいて同等のパフォーマンスを維持していることを示す。 ハードウェアの制約を考慮すると、2ビット量子化はメモリの削減とスピードアップに有望な可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-04T18:59:26Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• 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)

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。