論文の概要: Hardware-Efficient Ground-State Preparation using Variational Imaginary-Time Majorana Evolution

• arxiv url: http://arxiv.org/abs/2610.01954v1
• Date: Thu, 01 Oct 2026 16:12:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.264573
• Title: Hardware-Efficient Ground-State Preparation using Variational Imaginary-Time Majorana Evolution
• Title（参考訳）: 変分イマジナリー・タイム・マヨナ進化を利用したハードウェア効率の良い地中準備
• Abstract要約: 変分 Imaginary-time Majorana Evolution (VIME) は、古典的な事前学習アルゴリズムである。 VIMEは、ADAPT-VMPE比較ポイントのMPレポーティングされたエネルギー精度を、最大26時間でCNOTを減らし、167時間で2ビット深度を下げる。
• 参考スコア（独自算出の注目度）: 1.7240671897505615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compact ground-state preparation circuits are essential for early fault-tolerant quantum chemistry. We introduce Variational Imaginary-time Majorana Evolution (VIME), a classical pre-training algorithm that extends operator-projected variational quantum imaginary-time evolution (OVQITE) to molecular electronic structure using a single compiled Majorana-propagation (MP) surrogate graph. We pair VIME with a compressed tiled Unitary Product State (c-tUPS) ansatz that we develop to reduce both classical simulation and quantum state-preparation costs. In the strongly correlated ruthenium complex TLD-1411, active-space calculations requiring up to 52 qubits achieve chemical precision against DMRG reference energies, with energy errors approximately $400\times$ smaller than those from ADAPT-VQE-based variational Majorana-propagation (ADAPT-VMPE). Across the strongly multireference acene series up to heptacene (60 qubits), VIME matches or improves on the MP-reported energy accuracy of the ADAPT-VMPE comparison points with up to $26\times$ fewer CNOTs and $167\times$ lower two-qubit depth. These results establish imaginary-time classical pre-training of compressed variational ansätze as a promising route to resource-efficient molecular ground-state preparation.
• Abstract（参考訳）: コンパクトな基底状態準備回路は、初期のフォールトトレラント量子化学にとって不可欠である。 本稿では, 古典的事前学習アルゴリズムである変分 Imaginary-time Majorana Evolution (VIME) を分子電子構造へ拡張し, 1つのコンパイルされたMajorana-proagation (MP) サロゲートグラフを用いて導入する。 我々は,古典的シミュレーションと量子状態調整のコストを削減すべく,VIMEと圧縮タイル付きユニタリ製品状態(c-tUPS)アンサッツをペアリングする。 強い相関を持つルテニウム錯体TLD-1411では、最大52キュービットの活性空間計算がDMRG基準エネルギーに対して化学的精度を達成し、エネルギー誤差はADAPT-VQEに基づく変分マヨナプロパゲーション(ADAPT-VMPE)よりも約400\times$小さい。 ヘプタセン (60 qubits) までの強い多重参照のアシーンシリーズ全体において、VIME は ADAPT-VMPE 比較ポイントの MP で報告されたエネルギー精度を、最大で26\times$ より少ない CNOT と167\times$ 2-qubit の深さで一致または改善する。 これらの結果は、資源効率の良い分子基底状態生成への有望な経路として、圧縮された変分アンセッツェの想像時間古典的な事前学習を確立した。

関連論文リスト

• Fast, accurate, high-resolution simulation of large-scale Fermi-Hubbard models on a digital quantum processor [2.182919491659049]
  超伝導量子プロセッサ上での1次元Fermi-Hubbardモデルのディジタル量子シミュレーションについて報告する。 我々は、回路の複雑さを低減する効率的なマッピングにより、最大120キュービットでこの問題をエンコードする。 最大90段のトロッターステップを用いて動的進化をシミュレートするために,誤差抑制による精度の向上を行う。
  論文  参考訳（メタデータ） (2026-05-05T17:49:07Z)
• Enabling Chemically Accurate Quantum Phase Estimation in the Early Fault-Tolerant Regime [0.0]
  分子電子構造の量子シミュレーションは、量子コンピューティングの最も有望な応用の1つである。 フォールトトレラント量子コンピューティング(FTQC)デバイス上の量子位相推定(QPE)は、数百万の物理量子ビットを必要とする。 本稿では,FTQC初期における化学関連分子系におけるQPEの実現可能性について検討する。
  論文  参考訳（メタデータ） (2026-03-24T04:12:25Z)
• Quantum simulation of massive Thirring and Gross--Neveu models for arbitrary number of flavors [40.72140849821964]
  我々は、任意の数のフェルミオンフレーバーを持つ巨大なThiringとGross-Neveuモデルを、大きさ$L$の空間1次元格子上で離散化した$N_f$と考えている。 我々は、N_f = 1,2,3,4$の20キュービットまでのシステムサイズに優れた忠実度を持つ両モデルの基底状態を作成する。 我々の研究は、大規模なN_f$フェルミオン量子場理論モデルのリアルタイムダイナミクスの量子シミュレーションに向けた具体的なステップである。
  論文  参考訳（メタデータ） (2026-02-25T19:00:01Z)
• Performance Guarantees for Quantum Neural Estimation of Entropies [31.955071410400947]
  量子神経推定器(QNE)は古典的ニューラルネットワークとパラメトリズド量子回路を組み合わせたものである。 非漸近的エラーリスク境界の形で測定された相対エントロピーのQNEの形式的保証について検討する。 我々の理論は、測定された相対エントロピーに対するQNEの原則的実装を促進することを目的としている。
  論文  参考訳（メタデータ） (2025-11-24T16:36:06Z)
• ATOM: A Pretrained Neural Operator for Multitask Molecular Dynamics [36.272506910258606]
  Atomistic Transformer Operator for Molecules (ATOM) はマルチタスク分子動力学のための事前訓練されたトランスフォーマーニューラル演算子である。 ATOMは、確立したシングルタスクベンチマークで最先端のパフォーマンスを達成する。 ATOMは、様々な時間ホリゾンにまたがる無見えない分子への例外的なゼロショット一般化を示す。
  論文  参考訳（メタデータ） (2025-10-07T00:56:39Z)
• Variational Quantum Imaginary Time Evolution for Matrix Product State Ansatz with Tests on Transcorrelated Hamiltonians [11.985673663540688]
  マトリックス生成物状態(MPS)アンザッツは、分子ハミルトンの基底状態を見つけるための有望なアプローチを提供する。 本稿では,変分量子想像時間進化(VarQITE)手法を用いて,QCMPSアンサッツの最適化性能を向上させる。
  論文  参考訳（メタデータ） (2024-07-15T08:28:52Z)
• PANSATZ: Pulse-based Ansatz for Variational Quantum Algorithms [0.0]
  ノイズの多い量子コンピュータのための新しいパルスベースのアンサッツを開発し,実装する。 電子配置問題に関連する基底状態エネルギーを求める。 このアンザッツは、問題によって要求される絡み合いレベルへの適応性を構造化したことを示す。
  論文  参考訳（メタデータ） (2022-12-25T14:31:34Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations [51.68332623405432]
  分子動力学(MD)シミュレーションは、化学的および生物学的プロセスに関する原子論的な洞察を可能にする。 近年,MDシミュレーションの代替手段として機械学習力場(MLFF)が出現している。 本研究は、大規模分子シミュレーションのための正確なMLFFを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-17T13:08:28Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。