Symmetrieverbesserter Variations-Quantenspin-Eigenlöser

Symmetrieverbesserter Variations-Quantenspin-Eigenlöser

Zeitstempel: 19. Januar 2023, 7:14 Uhr
Symmetrieverstärkter Variations-Quantenspin-Eigenlöser PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Chufan Lyu1, Xusheng Xu2, Man Hong Yung2,3,4, und Abolfazl Bayat1

1Institut für Grundlagen- und Grenzwissenschaften, Universität für elektronische Wissenschaft und Technologie in China, Chengdu 610051, China
2Zentrales Forschungsinstitut, 2012 Labs, Huawei Technologies
3Institut für Physik, Southern University of Science and Technology, Shenzhen 518055, China
4Shenzhen Institute for Quantum Science and Engineering, Southern University of Science and Technology, Shenzhen 518055, China

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

Die Variational-Quanten-klassischen Algorithmen sind der vielversprechendste Ansatz, um einen Quantenvorteil auf kurzfristigen Quantensimulatoren zu erzielen. Unter diesen Methoden hat der Variational Quantum Eigensolver in den letzten Jahren viel Aufmerksamkeit auf sich gezogen. Während es für die Simulation des Grundzustands von Vielteilchensystemen sehr effektiv ist, wird seine Verallgemeinerung auf angeregte Zustände sehr ressourcenintensiv. Hier zeigen wir, dass dieses Problem erheblich verbessert werden kann, indem die Symmetrien des Hamilton-Operators ausgenutzt werden. Die Verbesserung ist sogar noch wirksamer für Eigenzustände höherer Energie. Wir führen zwei Methoden zur Einbeziehung der Symmetrien ein. Beim ersten Ansatz, der Hardware-Symmetrieerhaltung genannt wird, werden alle Symmetrien in den Entwurf der Schaltung einbezogen. Beim zweiten Ansatz wird die Kostenfunktion aktualisiert, um die Symmetrien einzubeziehen. Der Hardware-Symmetrie-Erhaltungs-Ansatz übertrifft in der Tat den zweiten Ansatz. Die Integration aller Symmetrien in das Design der Schaltung könnte jedoch äußerst schwierig sein. Daher führen wir ein hybrides symmetrieerhaltendes Verfahren ein, bei dem Symmetrien zwischen der Schaltung und der klassischen Kostenfunktion aufgeteilt werden. Dies ermöglicht es, den Vorteil von Symmetrien zu nutzen, während ein ausgeklügeltes Schaltungsdesign verhindert wird.

Populäre Zusammenfassung

Quantensimulatoren entwickeln sich schnell auf verschiedenen physikalischen Plattformen. Die derzeitigen lauten Intermediate-Scale Quantum (NISQ)-Simulatoren leiden jedoch unter einer unvollkommenen Initialisierung, einem lauten Betrieb und einer fehlerhaften Auslesung. Variationsquantenalgorithmen wurden als vielversprechendster Ansatz zum Erreichen eines Quantenvorteils bei NISQ-Geräten vorgeschlagen. Bei diesen Algorithmen wird die Komplexität zwischen einem parametrisierten Quantensimulator und einem klassischen Optimierer zur Optimierung der Parameter der Schaltung aufgeteilt. Daher haben wir es in Variations-Quantenalgorithmen sowohl mit Quanten- als auch mit klassischen Ressourcen zu tun, für die wir beide effizient sein müssen. Hier konzentrieren wir uns auf den Variational Quantum Eigensolver (VQE)-Algorithmus, der entwickelt wurde, um die niederenergetischen Eigenzustände eines Vielteilchensystems auf einem Quantensimulator variationell zu erzeugen. Wir nutzen Symmetrien des Systems aus, um die Ressourceneffizienz in einem VQE-Algorithmus zu verbessern. Zwei Methoden werden untersucht: (i) Integrieren der Symmetrien in das Design der Schaltung, die auf natürliche Weise Quantenzustände mit gewünschter Symmetrie erzeugt; und (ii) Hinzufügen zusätzlicher Terme zu der Kostenfunktion, um die Quantenzustände ohne die relevante Symmetrie zu bestrafen. Durch umfangreiche Analysen zeigen wir, dass der erste Ansatz weitaus ressourceneffizienter ist, sowohl in Bezug auf Quanten- als auch auf klassische Ressourcen. In realistischen Szenarien kann es erforderlich sein, ein hybrides Schema zu verwenden, bei dem einige Symmetrien in die Hardware integriert sind und einige durch die Kostenfunktion anvisiert werden.

► BibTeX-Daten

► Referenzen

[1] Christian Kokail, Christine Maier, Rick van Bijnen, Tiff Brydges, Manoj K. Joshi, Petar Jurcevic, Christine A. Muschik, Pietro Silvi, Rainer Blatt, Christian F. Roos, et al. „Selbstverifizierende Variationsquantensimulation von Gittermodellen“. Natur 569, 355–360 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1177-4

[2] Alán Aspuru-Guzik, Anthony D. Dutoi, Peter J. Love und Martin Head-Gordon. „Simulierte Quantenberechnung molekularer Energien“. Wissenschaft 309, 1704–1707 (2005).
https: / / doi.org/ 10.1126 / science.1113479

[3] Trygve Helgaker, Poul Jorgensen und Jeppe Olsen. „Molekulare elektronische Strukturtheorie“. John Wiley & Söhne, Ltd. (2013).
https: / / doi.org/ 10.1002 / 9781119019572

[4] Roman Orus, Samuel Mugel und Enrique Lizaso. „Quantencomputing für Finanzen: Überblick und Perspektiven“. Rezensionen in Physik 4, 100028 (2019).
https: // doi.org/ 10.1016 / j.revip.2019.100028

[5] Patrick Rebentrost, Brajesh Gupt und Thomas R. Bromley. „Quantum Computational Finance: Monte-Carlo-Preisgestaltung von Finanzderivaten“. Phys. Rev. A 98, 022321 (2018).
https: / / doi.org/ 10.1103 / physreva.98.022321

[6] Daniel J. Egger, Claudio Gambella, Jakub Marecek, Scott McFaddin, Martin Mevissen, Rudy Raymond, Andrea Simonetto, Stefan Woerner und Elena Yndurain. „Quantencomputing für Finanzen: Stand der Technik und Zukunftsaussichten“. IEEE-Transaktionen zum Quantenengineering (2020).
https: / / doi.org/ 10.1109 / tqe.2020.3030314

[7] Pranjal Bordia, Henrik Lüschen, Sebastian Scherg, Sarang Gopalakrishnan, Michael Knap, Ulrich Schneider und Immanuel Bloch. "Untersuchung langsamer Relaxation und Vielteilchenlokalisierung in zweidimensionalen quasiperiodischen Systemen". Phys. Rev. X 7, 041047 (2017).
https: / / doi.org/ 10.1103 / physrevx.7.041047

[8] Michael Schreiber, Sean S. Hodgman, Pranjal Bordia, Henrik P. Lüschen, Mark H. Fischer, Ronen Vosk, Ehud Altman, Ulrich Schneider und Immanuel Bloch. "Beobachtung der Vielteilchenlokalisierung wechselwirkender Fermionen in einem quasizufälligen optischen Gitter". Wissenschaft 349, 842–845 (2015).
https: / / doi.org/ 10.1126 / science.aaa7432

[9] Christian Gross und Immanuel Bloch. „Quantensimulationen mit ultrakalten Atomen in optischen Gittern“. Wissenschaft 357, 995–1001 (2017).
https: / / doi.org/ 10.1126 / science.aal3837

[10] Cornelius Hempel, Christine Maier, Jonathan Romero, Jarrod McClean, Thomas Monz, Heng Shen, Petar Jurcevic, Ben P. Lanyon, Peter Love, Ryan Babbush, et al. "Quantenchemische Berechnungen an einem Quantensimulator mit eingeschlossenen Ionen". Phys. Rev. X 8, 031022 (2018).
https://doi.org/ 10.1103/PhysRevX.8.031022

[11] Ben P. Lanyon, Cornelius Hempel, Daniel Nigg, Markus Müller, Rene Gerritsma, F. Zähringer, Philipp Schindler, Julio T. Barreiro, Markus Rambach, Gerhard Kirchmair, et al. „Universelle digitale Quantensimulation mit gefangenen Ionen“. Wissenschaft 334, 57–61 (2011).
https: / / doi.org/ 10.1126 / science.1208001

[12] Alán Aspuru-Guzik und Philip Walther. „Photonische Quantensimulatoren“. Nat. Phys. 8, 285–291 (2012).
https: / / doi.org/ 10.1038 / nphys2253

[13] Jianwei Wang, Fabio Sciarrino, Anthony Laing und Mark G. Thompson. „Integrierte photonische Quantentechnologien“. Nat. Photonik 14, 273–284 (2020).
https:/​/​doi.org/​10.1038/​s41566-019-0532-1

[14] Toivo Hensgens, Takafumi Fujita, Laurens Janssen, Xiao Li, CJ Van Diepen, Christian Reichl, Werner Wegscheider, S. Das Sarma und Lieven MK Vandersypen. "Quantensimulation eines Fermi-Hubbard-Modells unter Verwendung eines Halbleiter-Quantenpunktarrays". Natur 548, 70–73 (2017).
https: / / doi.org/ 10.1038 / nature23022

[15] J. Salfi, JA Mol, R. Rahman, G. Klimeck, MY Simmons, LCL Hollenberg und S. Rogge. „Quantensimulation des Hubbard-Modells mit Dotierungsatomen in Silizium“. Nat. Kommun. 7, 1–6 (2016).
https: / / doi.org/ 10.1038 / ncomms11342

[16] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C. Bardin, Rami Barends, Sergio Boixo, Michael Broughton, Bob B. Buckley, David A. Buell, et al. „Hartree-fock auf einem supraleitenden Qubit-Quantencomputer“. Wissenschaft 369, 1084–1089 (2020).
https: / / doi.org/ 10.1126 / science.abb9811

[17] Rami Barends, Alireza Shabani, Lucas Lamata, Julian Kelly, Antonio Mezzacapo, Urtzi Las Heras, Ryan Babbush, Austin G Fowler, Brooks Campbell, Yu Chen, et al. „Digitalisiertes adiabatisches Quantencomputing mit einer supraleitenden Schaltung“. Natur 534, 222–226 (2016).
https: / / doi.org/ 10.1038 / nature17658

[18] John Preskill. „Quantencomputing in der nisq-Ära und darüber hinaus“. Quantum 2, 79 (2018).
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[19] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong-Chuan Kwek, und Alán Aspuru-Guzik. "Rauschende Quantenalgorithmen im mittleren Maßstab". Rev. Mod. Phys. 94 (2022).
https://doi.org/ 10.1103/revmodphys.94.015004

[20] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik und Jeremy L O’brien. "Ein Variationseigenwertlöser auf einem photonischen Quantenprozessor". Nat. Kommun. 5, 1–7 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

[21] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, et al. „Variative Quantenalgorithmen“. Nat. Rev. Phys.Seiten 1–20 (2021).
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

[22] Jarrod R. McClean, Jonathan Romero, Ryan Babbush und Alán Aspuru-Guzik. „Die Theorie der Variations-Hybrid-Quanten-klassischen Algorithmen“. Neu J. Phys. 18, 023023 (2016).
https:/​/​doi.org/​10.1088/​1367-2630/​18/​2/​023023

[23] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li und Simon C. Benjamin. „Theorie der Variationsquantensimulation“. Quantum 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

[24] Tao Xin, Xinfang Nie, Xiangyu Kong, Jingwei Wen, Dawei Lu und Jun Li. „Quantenreine Zustandstomographie durch Variations-Hybrid-Quanten-Klassik-Methode“. Phys. Rev. Angewendet 13, 024013 (2020).
https: / / doi.org/ 10.1103 / PhysRevApplied.13.024013

[25] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe und Seth Lloyd. „Quantenmaschinelles Lernen“. Natur 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[26] Srinivasan Arunachalam und Ronald de Wolf. „Ein Überblick über die Quantenlerntheorie“ (2017). arXiv:1701.06806.
arXiv: 1701.06806

[27] Carlo Ciliberto, Mark Herbster, Alessandro Davide Ialongo, Massimiliano Pontil, Andrea Rocchetto, Simone Severini und Leonard Wößnig. „Quantenmaschinelles Lernen: eine klassische Perspektive“. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences 474, 20170551 (2018).
https: / / doi.org/ 10.1098 / rspa.2017.0551

[28] Vedran Dunjko und Hans J. Briegel. „Maschinelles Lernen und künstliche Intelligenz im Quantenbereich: ein Rückblick auf die jüngsten Fortschritte“. Reports on Progress in Physics 81, 074001 (2018).
https: / / doi.org/ 10.1088 / 1361-6633 / aab406

[29] Edward Farhi und Hartmut Neven. „Klassifizierung mit quantenneuronalen Netzen auf Nahzeitprozessoren“ (2018). arXiv:1802.06002.
arXiv: 1802.06002

[30] Maria Schuld und Nathan Killoran. „Quantenmaschinelles Lernen in Feature-Hilbert-Räumen“. Phys. Rev. Lett. 122, 040504 (2019).
https://doi.org/ 10.1103/physrevlett.122.040504

[31] Edward Farhi, Jeffrey Goldstone und Sam Gutmann. „Ein quantennaher Optimierungsalgorithmus“ (2014). arXiv:1411.4028.
arXiv: 1411.4028

[32] Sergey Bravyi, Alexander Kliesch, Robert Koenig und Eugene Tang. „Hindernisse für die Variationsquantenoptimierung durch Symmetrieschutz“. Phys. Rev. Lett. 125, 260505 (2020).
https://doi.org/ 10.1103/physrevlett.125.260505

[33] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J. Coles und Andrew Sornborger. „Variationaler Schnellvorlauf für die Quantensimulation über die Kohärenzzeit hinaus“. Npj Quantum Inf. 6, 1–10 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-00302-0

[34] Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles und Andrew Sornborger. „Langzeitsimulationen mit hoher Wiedergabetreue auf Quantenhardware“ (2021). arXiv:2102.04313.
arXiv: 2102.04313

[35] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C. Benjamin und Xiao Yuan. „Variationsansatzbasierte Quantensimulation der imaginären Zeitentwicklung“. Npj Quantum Inf. 5, 1–6 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

[36] Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai und Keisuke Fujii. „Subspace Variational Quantum Simulator“ (2019). arXiv:1904.08566.
arXiv: 1904.08566

[37] Joonsuk Huh, Sarah Mostame, Takatoshi Fujita, Man-Hong Yung und Alán Aspuru-Guzik. „Linear-algebraische Badtransformation zur Simulation komplexer offener Quantensysteme“. Neu J. Phys. 16, 123008 (2014).
https:/​/​doi.org/​10.1088/​1367-2630/​16/​12/​123008

[38] Zixuan Hu, Rongxin Xia und Sabre Kais. "Ein Quantenalgorithmus zur Entwicklung offener Quantendynamik auf Quantencomputergeräten". Wissenschaft. Rep. 10, 1–9 (2020).
https: / / doi.org/ 10.1038 / s41598-020-60321-x

[39] Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin und Xiao Yuan. „Variative Quantensimulation allgemeiner Prozesse“. Phys. Rev. Lett. 125, 010501 (2020).
https://doi.org/ 10.1103/physrevlett.125.010501

[40] Tobias Haug und Kishor Bharti. „Verallgemeinerter quantengestützter Simulator“ (2020). arXiv:2011.14737.
arXiv: 2011.14737

[41] Johannes Jakob Meyer, Johannes Borregaard und Jens Eisert. "Eine Variations-Toolbox für die Quanten-Multiparameter-Schätzung". Npj Quantum Inf. 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y

[42] Johannes Jakob Meyer. "Fischerinformationen in verrauschten Quantenanwendungen im mittleren Maßstab". Quantum 5, 539 (2021).
https:/​/​doi.org/​10.22331/​q-2021-09-09-539

[43] Jacob L. Beckey, M. Cerezo, Akira Sone und Patrick J. Coles. "Variativer Quantenalgorithmus zur Schätzung der Quantenfischerinformationen". Phys. Rev. Res. 4 (2022).
https: / / doi.org/ 10.1103 / physrevresearch.4.013083

[44] Raphael Kaubrügger, Pietro Silvi, Christian Kokail, Rick van Bijnen, Ana Maria Rey, Jun Ye, Adam M. Kaufman und Peter Zoller. „Variative Spin-Squeezing-Algorithmen auf programmierbaren Quantensensoren“. Phys. Rev. Lett. 123, 260505 (2019).
https://doi.org/ 10.1103/physrevlett.123.260505

[45] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki und Simon C. Benjamin. „Variationszustands-Quantenmetrologie“. Neu J. Phys. 22, 083038 (2020).
https://​/​doi.org/​10.1088/​1367-2630/​ab965e

[46] Ziqi Ma, Pranav Gokhale, Tian-Xing Zheng, Sisi Zhou, Xiaofei Yu, Liang Jiang, Peter Maurer und Frederic T. Chong. „Adaptives Schaltungslernen für die Quantenmetrologie“. 2021 IEEE International Conference on Quantum Computing and Engineering (QCE). IEEE (2021).

[47] Tobias Haug und MS Kim. „Natürliche parametrisierte Quantenschaltung“. Phys. Rev. A 106, 052611 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.106.052611

[48] Changsu Cao, Jiaqi Hu, Wengang Zhang, Xusheng Xu, Dechin Chen, Fan Yu, Jun Li, Hanshi Hu, Dingshun Lv und Man-Hong Yung. „Auf dem Weg zu einer größeren molekularen Simulation auf dem Quantencomputer: Bis zu 28 Qubits-Systeme beschleunigt durch Punktgruppensymmetrie“ (2021). arXiv:2109.02110.
arXiv: 2109.02110

[49] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow und Jay M Gambetta. „Hardwareeffizienter Variations-Quanten-Eigenlöser für kleine Moleküle und Quantenmagnete“. Natur 549, 242–246 (2017).
https: / / doi.org/ 10.1038 / nature23879

[50] Yunseong Nam, Jwo-Sy Chen, Neal C. Pisenti, Kenneth Wright, Conor Delaney, Dmitri Maslov, Kenneth R. Brown, Stewart Allen, Jason M. Amini, Joel Apisdorf, et al. "Schätzung der Grundzustandsenergie des Wassermoleküls auf einem Quantencomputer mit eingeschlossenen Ionen". Npj Quantum Inf. 6, 1–6 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-0259-3

[51] Carlos Bravo-Prieto, Josep Lumbreras-Zarapico, Luca Tagliacozzo und José I. Latorre. „Skalierung der Variationstiefe von Quantenschaltungen für Systeme der kondensierten Materie“. Quantum 4, 272 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-28-272

[52] Chufan Lyu, Victor Montenegro und Abolfazl Bayat. „Beschleunigte Variationsalgorithmen für die digitale Quantensimulation von Vielteilchen-Grundzuständen“. Quantum 4, 324 (2020).
https:/​/​doi.org/​10.22331/​q-2020-09-16-324

[53] Alexey Uvarov, Jacob D. Biamonte und Dmitry Yudin. „Variativer Quanteneigenlöser für frustrierte Quantensysteme“. Phys. Rev. B 102, 075104 (2020).
https: / / doi.org/ 10.1103 / physrevb.102.075104

[54] Ken N. Okada, Keita Osaki, Kosuke Mitarai und Keisuke Fujii. „Identifizierung topologischer Phasen mit klassisch optimiertem Variations-Quanten-Eigenlöser“ (2022). arXiv:2202.02909.
arXiv: 2202.02909

[55] Ming-Cheng Chen, Ming Gong, Xiaosi Xu, Xiao Yuan, Jian-Wen Wang, Can Wang, Chong Ying, Jin Lin, Yu Xu, Yulin Wu, et al. „Demonstration von adiabatischem Variations-Quantencomputing mit einem supraleitenden Quanten-Coprozessor“. Phys. Rev. Lett. 125, 180501 (2020).
https://doi.org/ 10.1103/physrevlett.125.180501

[56] Matthew P. Harrigan, Kevin J. Sung, Matthew Neeley, Kevin J. Satzinger, Frank Arute, Kunal Arya, Juan Atalaya, Joseph C. Bardin, Rami Barends, Sergio Boixo, et al. "Quantum approximative Optimierung von nicht-planaren Graphenproblemen auf einem planaren supraleitenden Prozessor". Nat. Phys. 17, 332–336 (2021).
https: / / doi.org/ 10.1038 / s41567-020-01105-y

[57] Guido Pagano, Aniruddha Bapat, Patrick Becker, Katherine S. Collins, Arinjoy De, Paul W. Hess, Harvey B. Kaplan, Antonis Kyprianidis, Wen Lin Tan, Christopher Baldwin, et al. "Quantennäherungsoptimierung des langreichweitigen Ising-Modells mit einem Trapped-Ion-Quantensimulator". Proceedings of the National Academy of Sciences 117, 25396–25401 (2020).
https: / / doi.org/ 10.1073 / pnas.2006373117

[58] Andrew Zhao, Andrew Tranter, William M. Kirby, Shu Fay Ung, Akimasa Miyake und Peter J. Love. „Messreduktion in Variationsquantenalgorithmen“. Phys. Rev. A 101, 062322 (2020).
https: / / doi.org/ 10.1103 / physreva.101.062322

[59] Artur F. Izmaylov, Tzu-Ching Yen, Robert A. Lang und Vladyslav Verteletskyi. "Einheitlicher Partitionierungsansatz für das Messproblem in der Variations-Quanten-Eigenlöser-Methode". J.Chem. Theorie Berechnung. 16, 190–195 (2019).
https: / / doi.org/ 10.1021 / acs.jctc.9b00791

[60] Vladyslav Verteletskyi, Tzu-Ching Yen und Artur F. Izmaylov. „Messoptimierung im Variations-Quanten-Eigenlöser unter Verwendung einer minimalen Cliquenabdeckung“. J.Chem. Phys. 152, 124114 (2020).
https: / / doi.org/ 10.1063 / 1.5141458

[61] Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi und Frederic T. Chong. „$o(n^3)$ Messkosten für Variations-Quanten-Eigenlöser auf molekularen Hamiltonianern“. IEEE Transactions on Quantum Engineering 1, 1–24 (2020).
https: / / doi.org/ 10.1109 / TQE.2020.3035814

[62] Alexis Ralli, Peter J. Love, Andrew Tranter und Peter V. Coveney. „Implementierung der Messreduktion für den Variational Quantum Eigensolver“. Phys. Rev. Res. 3, 033195 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.033195

[63] Barnaby van Straaten und Bálint Koczor. „Messkosten von metrikbewussten Variationsquantenalgorithmen“. PRX Quantum 2, 030324 (2021).
https: / / doi.org/ 10.1103 / prxquantum.2.030324

[64] Edward Grant, Leonard Wößnig, Mateusz Ostaszewski und Marcello Benedetti. "Eine Initialisierungsstrategie zur Adressierung unfruchtbarer Plateaus in parametrisierten Quantenschaltkreisen". Quantum 3, 214 (2019).
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

[65] Tyler Volkoff und Patrick J Coles. „Große Gradienten durch Korrelation in zufällig parametrisierten Quantenschaltkreisen“. Quantenwissenschaft. Technol. 6, 025008 (2021).
https://​/​doi.org/​10.1088/​2058-9565/​abd891

[66] James Stokes, Josh Izaac, Nathan Killoran und Giuseppe Carleo. „Quantennatürlicher Gradient“. Quantum 4, 269 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-25-269

[67] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev und Prasanna Balaprakash. „Lernen, Variations-Quantenschaltkreise zu optimieren, um kombinatorische Probleme zu lösen“. Proceedings of the AAAI Conference on Artificial Intelligence 34, 2367–2375 (2020).
https: / / doi.org/ 10.1609 / aaai.v34i03.5616

[68] András Gilyén, Srinivasan Arunachalam und Nathan Wiebe. „Optimierung von Quantenoptimierungsalgorithmen durch schnellere Quantengradientenberechnung“. In Proceedings of the Thirtyth Annual ACM-SIAM Symposium on Discrete Algorithms. Seiten 1425–1444. Gesellschaft für Industrie- und Angewandte Mathematik (2019).
https: / / doi.org/ 10.1137 / 1.9781611975482.87

[69] Mateusz Ostaszewski, Lea M. Trenkwalder, Wojciech Masarczyk, Eleanor Scerri und Vedran Dunjko. „Verstärkungslernen zur Optimierung von Variations-Quantenschaltungsarchitekturen“ (2021). arXiv:2103.16089.
arXiv: 2103.16089

[70] Mohammad Pirhooshyaran und Tamas Terlaky. „Suche nach Quantenschaltungsdesign“ (2020). arXiv:2012.04046.
arXiv: 2012.04046

[71] Thomas Fösel, Murphy Yuezhen Niu, Florian Marquardt und Li Li. „Quantum Circuit Optimization with Deep Reinforcement Learning“ (2021). arXiv:2103.07585.
arXiv: 2103.07585

[72] Arthur G. Rattew, Shaohan Hu, Marco Pistoia, Richard Chen und Steve Wood. „Ein domänenunabhängiger, rauschresistenter, Hardware-effizienter evolutionärer Variations-Quanten-Eigenlöser“ (2019). arXiv:1910.09694.
arXiv: 1910.09694

[73] D. Chivilikhin, A. Samarin, V. Ulyantsev, I. Iorsh, AR Oganov und O. Kyriienko. „Mog-vqe: Multiobjektiver genetischer Variations-Quanten-Eigenlöser“ (2020). arXiv:2007.04424.
arXiv: 2007.04424

[74] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat und Xiaoting Wang. „Robuster ressourceneffizienter Quantenvariationsansatz durch einen evolutionären Algorithmus“. Phys. Rev. A 105, 052414 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.105.052414

[75] János K. Asbóth, László Oroszlány und András Pályi. „Das su-schrieffer-heeger (ssh)-Modell“. In einem kurzen Kurs über topologische Isolatoren. Seiten 1–22. Springer (2016).
https:/​/​doi.org/​10.1007/​978-3-319-25607-8

[76] Ken M Nakanishi, Kosuke Mitarai und Keisuke Fujii. "Variationsquanteneigenlöser für Subraumsuche für angeregte Zustände". Phys. Rev. Res. 1, 033062 (2019).
https: / / doi.org/ 10.1103 / physrevresearch.1.033062

[77] Oscar Higgott, Daochen Wang und Stephen Brierley. „Variative Quantenberechnung angeregter Zustände“. Quantum 3, 156 (2019).
https:/​/​doi.org/​10.22331/​q-2019-07-01-156

[78] Jarrod R. McClean, Mollie E. Kimchi-Schwartz, Jonathan Carter und Wibe A. De Jong. „Hybride quantenklassische Hierarchie zur Minderung der Dekohärenz und Bestimmung angeregter Zustände“. Phys. Rev. A 95, 042308 (2017).
https: / / doi.org/ 10.1103 / physreva.95.042308

[79] Raffaele Santagati, Jianwei Wang, Antonio A. Gentile, Stefano Paesani, Nathan Wiebe, Jarrod R. McClean, Sam Morley-Short, Peter J. Shadbolt, Damien Bonneau, Joshua W. Silverstone, et al. "Bezeugen von Eigenzuständen für die Quantensimulation von Hamilton-Spektren". Wissenschaft. Erw. 4, eaap9646 (2018).
https: / / doi.org/ 10.1126 / sciadv.aap9646

[80] Walter Greiner und Berndt Müller. "Quantenmechanik: Symmetrien". Springer Wissenschafts- und Wirtschaftsmedien. (2012).
https:/​/​doi.org/​10.1007/​978-3-662-00902-4

[81] Roy McWeeny. "Symmetrie: Eine Einführung in die Gruppentheorie und ihre Anwendungen". Kuriergesellschaft. (2002).

[82] Ramiro Sagastizabal, Xavier Bonet-Monroig, Malay Singh, M. Adriaan Rol, CC Bultink, Xiang Fu, CH Price, VP Ostroukh, N. Muthusubramanian, A. Bruno, et al. „Experimentelle Fehlerminderung durch Symmetrieverifikation in einem Variations-Quanten-Eigenlöser“. Phys. Rev. A 100, 010302 (2019).
https: / / doi.org/ 10.1103 / physreva.100.010302

[83] Johannes Jakob Meyer, Marian Mularski, Elies Gil-Fuster, Antonio Anna Mele, Francesco Arzani, Alissa Wilms und Jens Eisert. „Ausnutzung der Symmetrie beim Variationslernen von Quantenmaschinen“ (2022). arXiv:2205.06217.
arXiv: 2205.06217

[84] Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan und Lei Wang. „Variativer Quanten-Eigenlöser mit weniger Qubits“. Phys. Rev. Res. 1, 023025 (2019).
https: / / doi.org/ 10.1103 / physrevresearch.1.023025

[85] Panagiotis Kl. Barkoutsos, Jerome F. Gonthier, Igor Sokolov, Nikolaj Moll, Gian Salis, Andreas Fuhrer, Marc Ganzhorn, Daniel J. Egger, Matthias Troyer, Antonio Mezzacapo, et al. "Quantenalgorithmen für elektronische Strukturberechnungen: Partikel-Loch-Hamiltonsche und optimierte Wellenfunktionserweiterungen". Phys. Rev. A 98, 022322 (2018).
https: / / doi.org/ 10.1103 / physreva.98.022322

[86] Hefeng Wang, S. Ashhab und Franco Nori. „Effizienter Quantenalgorithmus zur Herstellung molekularsystemähnlicher Zustände auf einem Quantencomputer“. Phys. Rev. A 79, 042335 (2009).
https: / / doi.org/ 10.1103 / physreva.79.042335

[87] Kazuhiro Seki, Tomonori Shirakawa und Seiji Yunoki. „Symmetrie-angepasster Variations-Quanten-Eigenlöser“. Phys. Rev. A 101, 052340 (2020).
https: / / doi.org/ 10.1103 / physreva.101.052340

[88] Bryan T. Gard, Linghua Zhu, George S. Barron, Nicholas J. Mayhall, Sophia E. Economou und Edwin Barnes. "Effiziente symmetrieerhaltende Zustandsvorbereitungsschaltungen für den Variations-Quanten-Eigenlöser-Algorithmus". Npj Quantum Inf. 6, 10 (2020).
https:/​/​doi.org/​10.1038/​s41534-019-0240-1

[89] George S. Barron, Bryan T. Gard, Orien J. Altman, Nicholas J. Mayhall, Edwin Barnes und Sophia E. Economou. "Bewahrung von Symmetrien für Variations-Quanten-Eigenlöser in Gegenwart von Rauschen". Phys. Rev. Appl. 16, 034003 (2021).
https: / / doi.org/ 10.1103 / physrevapplied.16.034003

[90] Feng Zhang, Niladri Gomes, Noah F. Berthusen, Peter P. Orth, Cai-Zhuang Wang, Kai-Ming Ho und Yong-Xin Yao. "Shallow-Circuit-Variations-Quanteneigenlöser basierend auf symmetrieinspirierter Hilbert-Raumpartitionierung für quantenchemische Berechnungen". Phys. Rev. Res. 3, 013039 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013039

[91] Han Zheng, Zimu Li, Junyu Liu, Sergii Strelchuk und Risi Kondor. „Beschleunigung des Lernens von Quantenzuständen durch gruppenäquivariante Faltungsquantenansätze“ (2021). arXiv:2112.07611.
arXiv: 2112.07611

[92] Ilya G. Ryabinkin, Scott N. Genin und Artur F. Izmaylov. "Eingeschränkter Variations-Quanten-Eigenlöser: Quantencomputer-Suchmaschine im Fock-Raum". J.Chem. Theorie Berechnung. 15, 249–255 (2018).
https: / / doi.org/ 10.1021 / acs.jctc.8b00943

[93] Andrew G. Taube und Rodney J. Bartlett. "Neue Perspektiven auf die Theorie der einheitlichen gekoppelten Cluster". Internationale Zeitschrift für Quantenchemie 106, 3393–3401 (2006).
https: / / doi.org/ 10.1002 / qua.21198

[94] Peter JJ O’Malley, Ryan Babbush, Ian D. Kivlichan, Jonathan Romero, Jarrod R. McClean, Rami Barends, Julian Kelly, Pedram Roushan, Andrew Tranter, Nan Ding, et al. „Skalierbare Quantensimulation molekularer Energien“. Phys. Rev. X 6, 031007 (2016).
https: / / doi.org/ 10.1103 / physrevx.6.031007

[95] Jonathan Romero, Ryan Babbush, Jarrod R. McClean, Cornelius Hempel, Peter J. Love und Alán Aspuru-Guzik. „Strategien für die Quantenberechnung molekularer Energien unter Verwendung des einheitlich gekoppelten Clusteransatzes“. Quantenwissenschaft. Technol. 4, 014008 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad3e4

[96] Dave Wecker, Matthew B. Hastings und Matthias Troyer. "Fortschritte in Richtung praktischer Quantenvariationsalgorithmen". Phys. Rev. A 92, 042303 (2015).
https: / / doi.org/ 10.1103 / physreva.92.042303

[97] Dong C. Liu und Jorge Nocedal. „Über die bfgs-Methode mit begrenztem Speicher zur Optimierung im großen Maßstab“. Mathematische Programmierung 45, 503–528 (1989).
https: / / doi.org/ 10.1007 / BF01589116

[98] Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush und Hartmut Neven. „Karge Plateaus in Trainingslandschaften für quantenneuronale Netze“. Nat. Kommun. 9, 1–6 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[99] Yoshifumi Nakata, Christoph Hirche, Ciara Morgan und Andreas Winter. "Einheitliche 2-Designs aus zufälligen x- und z-diagonalen Einheiten". J. Math. Phys. 58, 052203 (2017).
https: / / doi.org/ 10.1063 / 1.4983266

[100] Farrokh Vatan und Colin Williams. „Optimale Quantenschaltungen für allgemeine Zwei-Qubit-Gatter“. Physik. Rev. A 69, 032315 (2004).
https: / / doi.org/ 10.1103 / PhysRevA.69.032315

[101] Vojtěch Havlíček, Antonio D. Córcoles, Kristan Temme, Aram W. Harrow, Abhinav Kandala, Jerry M. Chow und Jay M. Gambetta. „Überwachtes Lernen mit quantenerweiterten Merkmalsräumen“. Natur 567, 209–212 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

[102] Juan Carlos Garcia-Escartin und Pedro Chamorro-Posada. „Swap-Test und Hong-ou-Mandel-Effekt sind gleichwertig“. Phys. Rev. A 87, 052330 (2013).
https: / / doi.org/ 10.1103 / physreva.87.052330

[103] Lukasz Cincio, Yiğit Subaşı, Andrew T. Sornborger und Patrick J. Coles. "Lernen des Quantenalgorithmus für Zustandsüberlappung". Neu J. Phys. 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[104] Kohdai Kuroiwa und Yuya O Nakagawa. "Penalty-Methoden für einen Variations-Quanten-Eigenlöser". Phys. Rev. Res. 3, 013197 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013197

[105] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung und Abolfazl Bayat. „Variative Quantensimulation langreichweitig wechselwirkender Systeme“ (2022). arXiv:2203.14281.
arXiv: 2203.14281

[106] Tschufan Lyu. "Codes für symmetrieverstärkte Variations-Quantenspin-Eigenlöser". https:/​/​gitee.com/​mindspore/​mindquantum/​tree/​research/​paper_with_code/​symmetry_enhanced_variational_quantum_spin_eigensolver (2022).
https://​/​gitee.com/​mindspore/​mindquantum/​tree/​research/​paper_with_code/​symmetry_enhanced_variational_quantum_spin_eigensolver

Zitiert von

[1] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat und Xiaoting Wang, „Robuster ressourceneffizienter Quantenvariationsansatz durch einen evolutionären Algorithmus“, Physische Überprüfung A 105 5, 052414 (2022).

[2] Margarite L. LaBorde und Mark M. Wilde, „Quantenalgorithmen zum Testen der Hamilton-Symmetrie“, Physische Überprüfungsschreiben 129 16, 160503 (2022).

[3] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung und Abolfazl Bayat, „Variative Quantensimulation von langreichweitigen wechselwirkenden Systemen“, arXiv: 2203.14281.

[4] Arunava Majumder, Dylan Lewis und Sougato Bose, „Variational Quantum Circuits for Multi-Qubit Gate Automata“, arXiv: 2209.00139.

[5] Raphael César de Souza Pimenta und Anibal Thiago Bezerra, „Überarbeitung von Halbleiter-Bulk-Hamiltonianern mit Quantencomputern“, arXiv: 2208.10323.

Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2023, 01:21:01 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.

On Der von Crossref zitierte Dienst Es wurden keine Daten zum Zitieren von Werken gefunden (letzter Versuch 2023-01-21 01:01:02).

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.

Zeitstempel:

Mehr von Quantenjournal