論文の概要: clifford qc: A Python Toolkit for Quantum Simulation

• arxiv url: http://arxiv.org/abs/2609.23059v1
• Date: Sat, 19 Sep 2026 14:45:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.667599
• Title: clifford qc: A Python Toolkit for Quantum Simulation
• Title（参考訳）: clifford qc: 量子シミュレーションのためのPythonツールキット
• Abstract要約: clifford_qcは、量子モデルを構築するためのPythonリサーチツールキットである。 ハミルトン、密度演算子、ゲート、および候補選択オブザーバブルを接続する。 専用インタフェースは、回路プログラム、実行、統計的推定を扱う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: clifford_qc is a Python research toolkit for constructing quantum models, comparing variational and subspace eigensolvers, and estimating measurement resources. A common sparse Pauli algebra connects Hamiltonians, density operators, gates, and candidate-selection observables, while dedicated interfaces handle circuit programs, execution, and statistical estimates. We introduce the representation with a worked gradient example and trace a molecular calculation through reusable model preparation, an independent solve, and optional reference validation. Shared measurement caches reuse outcomes across observables on the same reference state; packed coefficient storage and streaming expose a memory-recomputation tradeoff. Committed small-system benchmarks show how these interfaces support comparisons with explicit accuracy and cost assumptions. Fully commuting measurement reduces the shots needed to certify a fixed first-order energy functional, but entangling-gate time and connectivity can offset the saving or make the protocol inadmissible under illustrative device models. Other studies identify a subspace bias floor that more shots cannot remove, an indeterminate comparison of fermionic encodings across instances, and an approximate-restriction screen whose required comparison fails before sampling. Generated tables, provenance records, and manuscript checks connect the reported claims to their inputs, although evidence labels are not yet validated uniformly. The package supports reproducible method development; these results establish neither hardware performance nor a general simulation speedup.
• Abstract（参考訳）: clifford_qcは、量子モデルの構築、変分および部分空間固有解法の比較、測定リソースの推定のためのPythonリサーチツールキットである。 共通のスパースパウリ代数は、ハミルトニアン、密度演算子、ゲート、および候補選択可観測空間を接続し、一方専用インタフェースは、回路プログラム、実行、統計的推定を扱う。 そこで本研究では, 再利用可能なモデル構築, 独立解, 任意の基準検証を通じて, 分子計算をトレースする手法を提案する。 共有計測キャッシュは、同じ参照状態にあるオブザーバブル全体の再利用結果を再利用する。 圧縮された小システムベンチマークは、これらのインターフェースが明示的な精度とコストの仮定との比較をどのようにサポートするかを示している。 完全通勤測定は固定された一階のエネルギー機能を証明するのに必要なショットを減らすが、エンタングルゲート時間と接続性は保存をオフセットしたり、実証的なデバイスモデルでプロトコルを許容できないものにすることができる。 他の研究では、より多くのショットが取り除けないサブスペースバイアスフロア、インスタンス間のフェルミオンエンコーディングの不確定比較、サンプリング前に必要な比較が失敗する近似制限スクリーンが特定されている。 生成された表、証明記録、原稿チェックは、報告された主張と入力を結びつけるが、証拠ラベルはまだ一様に検証されていない。 このパッケージは再現可能なメソッド開発をサポートしており、ハードウェア性能も一般的なシミュレーションスピードアップも確立していない。

関連論文リスト

• Statistical Symmetry Release for Equivariant Quantum Learning [12.042012916861829]
  ハード対称性の制約はモデルの複雑さを減少させるが、ラベル情報を消去することもできる。 統計的対称性の解放は、有限データと量子測度がそのような制約を緩和することを正当化する場合を決定する。
  論文  参考訳（メタデータ） (2026-09-10T12:38:27Z)
• Tensor network characterization and mitigation of readout errors [16.364682124857485]
  読み取りエラーは、短期量子プロセッサから信頼できる情報を抽出する上で大きなボトルネックとなる。 本稿では,読み出し過程を行列積演算子(MPO)としてモデル化する統合テンソルネットワークフレームワークを提案する。 超伝導プロセッサの実験と最大20キュービットの数値シミュレーションにより、MPOモデルは非相関モデルが見逃す相関した読み出し誤差をキャプチャすることを示した。
  論文  参考訳（メタデータ） (2026-06-24T15:45:47Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Performance Estimation in Binary Classification Using Calibrated Confidence [0.5399800035598186]
  混乱行列を用いて定義された任意の二項分類基準を推定できる新しい手法CBPEを提案する。 CBPEは強い理論的保証と有効な信頼区間を持つ推定値を生成する。
  論文  参考訳（メタデータ） (2025-05-08T14:34:44Z)
• Learning to rank quantum circuits for hardware-optimized performance enhancement [0.0]
  本稿では,論理的に等価な量子回路をランク付けするための機械学習に基づく手法を実験的に導入し,実験を行った。 提案手法をランダムなレイアウト選択とMapomaticと呼ばれる一般公開ベースラインの2つの一般的なアプローチと比較する。 我々の最良のモデルでは、ベースラインアプローチと比較して選択誤差が1.8タイムズ$減少し、ランダム選択と比較して3.2タイムズ$減少する。
  論文  参考訳（メタデータ） (2024-04-09T18:00:01Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Learning Summary Statistics for Bayesian Inference with Autoencoders [58.720142291102135]
  我々は,ディープニューラルネットワークに基づくオートエンコーダの内部次元を要約統計として利用する。 パラメータ関連情報を全て符号化するエンコーダのインセンティブを作成するため,トレーニングデータの生成に使用した暗黙的情報にデコーダがアクセスできるようにする。
  論文  参考訳（メタデータ） (2022-01-28T12:00:31Z)
• Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
  ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。 分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。 本手法は精度と不確実性の両方を向上することを示す。
  論文  参考訳（メタデータ） (2021-09-27T01:09:08Z)
• Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
  確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。 我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。 まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
  論文  参考訳（メタデータ） (2020-08-19T16:04:34Z)

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。