1División de Ciencias Computacionales, Computacionales y Estadísticas, Laboratorio Nacional de Los Alamos, Los Alamos, NM 87545, EE. UU.
2División Teórica, Laboratorio Nacional de Los Alamos, Los Alamos, NM 87545, EE. UU.
¿Encuentra este documento interesante o quiere discutirlo? Scite o deje un comentario en SciRate.
Resumen
Los teoremas de fluctuación proporcionan una correspondencia entre las propiedades de los sistemas cuánticos en equilibrio térmico y una distribución de trabajo que surge en un proceso de no equilibrio que conecta dos sistemas cuánticos con hamiltonianos $H_0$ y $H_1=H_0+V$. Sobre la base de estos teoremas, presentamos un algoritmo cuántico para preparar una purificación del estado térmico de $H_1$ a la temperatura inversa $beta ge 0$ a partir de una purificación del estado térmico de $H_0$. La complejidad del algoritmo cuántico, dada por el número de usos de ciertos unitarios, es $tilde {cal O}(e^{beta (Delta ! A- w_l)/2})$, donde $Delta ! A$ es la diferencia de energía libre entre $H_1$ y $H_0,$ y $w_l$ es un corte de trabajo que depende de las propiedades de la distribución del trabajo y el error de aproximación $epsilongt0$. Si el proceso de no equilibrio es trivial, esta complejidad es exponencial en $beta |V|$, donde $|V|$ es la norma espectral de $V$. Esto representa una mejora significativa de los algoritmos cuánticos anteriores que tienen una complejidad exponencial en $beta |H_1|$ en el régimen donde $|V|ll |H_1|$. La dependencia de la complejidad en $epsilon$ varía según la estructura de los sistemas cuánticos. Puede ser exponencial en $1/epsilon$ en general, pero mostramos que es sublineal en $1/epsilon$ si $H_0$ y $H_1$ conmutan, o polinomial en $1/epsilon$ si $H_0$ y $H_1$ son sistemas de espín locales. La posibilidad de aplicar un unitario que desequilibre el sistema permite aumentar el valor de $w_l$ y mejorar aún más la complejidad. Con este fin, analizamos la complejidad para preparar el estado térmico del modelo de Ising de campo transversal utilizando diferentes procesos unitarios de no equilibrio y vemos mejoras significativas en la complejidad.
► datos BibTeX
► referencias
[ 1 ] N. Metropolis, AW Rosenbluth, MN Rosenbluth, AH Teller y E. Teller. Cálculos de ecuaciones de estado por máquinas de computación rápida. Journal of Chemical Physics, 21:1087–1092, 1953. doi:10.1063/1.1699114.
https: / / doi.org/ 10.1063 / 1.1699114
[ 2 ] LD Landau y EM Lifshitz. Física estadística: Parte I. Butterworth-Heinemann, Oxford, 1951.
[ 3 ] M.Suzuki. Métodos Cuánticos de Monte Carlo en Sistemas de Equilibrio y No Equilibrio. Serpiente Springer. Ciencia de estado sólido. 74, Springer, 1987. doi:10.1007/978-3-642-83154-6.
https://doi.org/10.1007/978-3-642-83154-6
[ 4 ] Daniel A. Lidar y Ofer Biham. Simulación de vasos giratorios ising en una computadora cuántica. física Rev.E, 56:3661, 1997. doi:10.1103/PhysRevE.56.3661.
https: / / doi.org/ 10.1103 / PhysRevE.56.3661
[ 5 ] BM Terhal y DP DiVincenzo. Problema de equilibración y cálculo de funciones de correlación en una computadora cuántica. física Rev.A, 61:022301, 2000. doi:10.1103/PhysRevA.61.022301.
https: / / doi.org/ 10.1103 / PhysRevA.61.022301
[ 6 ] RD Somma, S. Boixo, H. Barnum y E. Knill. Simulaciones cuánticas de procesos de recocido clásico. física Rev. Lett., 101:130504, 2008. doi:10.1103/PhysRevLett.101.130504.
https: / / doi.org/ 10.1103 / PhysRevLett.101.130504
[ 7 ] K. Temme, TJ Osborne, K. Vollbrecht, D. Poulin y F. Verstraete. Muestreo de metrópolis cuánticas. Nature, 471:87–90, 2011. doi:10.1038/nature09770.
https: / / doi.org/ 10.1038 / nature09770
[ 8 ] C. Chipot y A. Pohorille. Cálculos de energía libre: Teoría y aplicaciones en química y biología. Springer Verlag, Nueva York, 2007. doi:10.1007/978-3-540-38448-9.
https://doi.org/10.1007/978-3-540-38448-9
[ 9 ] TA van der Straaten, G. Kathawala, A. Trellakis, RS Eisenberg y U. Ravaioli. Biomoca: un modelo de Boltzmann Transport Monte Carlo para la simulación de canales iónicos. Simulación molecular, 31:151–171, 2005. doi:10.1080/08927020412331308700.
https: / / doi.org/ 10.1080 / 08927020412331308700
[ 10 ] DP Kroese y JCC Chan. Modelado Estadístico y Computación. Springer, Nueva York, 2014. doi:10.1007/978-1-4614-8775-3.
https://doi.org/10.1007/978-1-4614-8775-3
[ 11 ] S. Kirkpatrick, CD Gelatt Jr. y MP Vecchi. Optimización por recocido simulado. Science, 220:671–680, 1983. doi:10.1126/science.220.4598.671.
https: / / doi.org/ 10.1126 / science.220.4598.671
[ 12 ] L. Lovasz. Algoritmos aleatorios en optimización combinatoria. Serie DIMACS en matemáticas discretas e informática teórica, 20:153–179, 1995. doi:10.1090/dimacs/020.
https:///doi.org/10.1090/dimacs/020
[ 13 ] MEJ Newman y GT Barkema. Métodos de Monte Carlo en Física Estadística. Prensa de la Universidad de Oxford, Oxford, 1998.
[ 14 ] MP Nightingale y CJ Umrigar. Métodos cuánticos de Monte Carlo en física y química. Springer, Países Bajos, 1999.
[ 15 ] EY Loh, JE Gubernatis, RT Scalettar, SR White, DJ Scalapino y RL Sugar. Problema de signo en la simulación numérica de sistemas multielectrónicos. física Rev. B, 41:9301–9307, 1990. doi:10.1103/PhysRevB.41.9301.
https: / / doi.org/ 10.1103 / PhysRevB.41.9301
[ 16 ] Matthias Troyer y Uwe-Jens Wiese. Complejidad computacional y limitaciones fundamentales de las simulaciones de monte carlo cuántico fermiónico. física Rev. Lett., 94:170201, 2005. doi:10.1103/PhysRevLett.94.170201.
https: / / doi.org/ 10.1103 / PhysRevLett.94.170201
[ 17 ] David Poulin y Pawel Wocjan. Muestreo del estado de gibbs cuántico térmico y evaluación de funciones de partición con una computadora cuántica. física Rev. Lett., 103:220502, 2009. doi:10.1103/PhysRevLett.103.220502.
https: / / doi.org/ 10.1103 / PhysRevLett.103.220502
[ 18 ] CF Chiang y P. Wocjan. Algoritmo cuántico para preparar análisis detallados de estados térmicos de Gibbs. En Quantum Cryptography and Computing, páginas 138–147, 2010. doi:10.48550/arXiv.1001.1130.
https:///doi.org/10.48550/arXiv.1001.1130
[ 19 ] Ersen Bilgin y Sergio Boixó. Preparación de estados térmicos de sistemas cuánticos por reducción de dimensión. física Rev. Lett., 105:170405, 2010. doi:10.1103/PhysRevLett.105.170405.
https: / / doi.org/ 10.1103 / PhysRevLett.105.170405
[ 20 ] Michael J. Kastoryano y Fernando GSL Brandão. Muestreadores Quantum Gibbs: el caso de los desplazamientos. Com. Matemáticas. Phys., 344:915, 2016. doi:10.48550/arXiv.1409.3435.
https:///doi.org/10.48550/arXiv.1409.3435
[ 21 ] Anirban Narayan Chowdhury y Rolando D. Somma. Algoritmos cuánticos para el muestreo de gibbs y la estimación del tiempo de acierto. cuant. información Comp., 17(1–2):41–64, 2017. doi:10.48550/arXiv.1603.02940.
https:///doi.org/10.48550/arXiv.1603.02940
[ 22 ] Tomotaka Kuwahara, Kohtaro Kato y Fernando GSL Brandão. Agrupación de información mutua condicional para estados cuánticos de gibbs por encima de un umbral de temperatura. física Rev. Lett., 124:220601, 2020. doi:10.1103/PhysRevLett.124.220601.
https: / / doi.org/ 10.1103 / PhysRevLett.124.220601
[ 23 ] Mario Szegedy. Aceleración cuántica de algoritmos basados en cadenas de Markov. En Actas del 45º Simposio Anual de IEEE sobre FOCS., páginas 32–41. IEEE, 2004. doi:10.1109/FOCS.2004.53.
https: / / doi.org/ 10.1109 / FOCS.2004.53
[ 24 ] FGSL Brandão y KM Svore. Aceleradores cuánticos para la resolución de programas semidefinidos. En 2017 IEEE 58th Annual Symposium on Foundations of Computer Science (FOCS), páginas 415–426, 2017.
[ 25 ] J. Van Apeldoorn, A. Gilyén, S. Gribling y R. de Wolf. Quantum sdp-solvers: mejores límites superior e inferior. En 2017 IEEE 58th Annual Symposium on Foundations of Computer Science (FOCS), páginas 403–414, 2017. doi:10.48550/arXiv.1609.05537.
https:///doi.org/10.48550/arXiv.1609.05537
[ 26 ] Seth Lloyd. Simuladores cuánticos universales. Science, 273:1073–1078, 1996. doi:10.1126/science.273.5278.1073.
https: / / doi.org/ 10.1126 / science.273.5278.1073
[ 27 ] RD Somma, G. Ortiz, JE Gubernatis, E. Knill y R. Laflamme. Simulación de fenómenos físicos mediante redes cuánticas. física Rev.A, 65:042323, 2002. doi:10.1103/PhysRevA.65.042323.
https: / / doi.org/ 10.1103 / PhysRevA.65.042323
[ 28 ] RD Somma, G. Ortiz, E. Knill y JE Gubernatis. Simulaciones cuánticas de problemas de física. En t. J. Cuant. Inf., 1:189, 2003. doi:10.1117/12.487249.
https: / / doi.org/ 10.1117 / 12.487249
[ 29 ] DW Berry, G. Ahokas, R. Cleve y BC Sanders. Algoritmos cuánticos eficientes para simular hamiltonianos dispersos. Com. Matemáticas. Phys., 270:359, 2007. doi:10.1007/s00220-006-0150-x.
https: / / doi.org/ 10.1007 / s00220-006-0150-x
[ 30 ] N. Wiebe, D. Berry, P. Hoyer y BC Sanders. Descomposiciones de orden superior de operadores exponenciales ordenados. J. física. R: Matemáticas. Theor., 43:065203, 2010. doi:10.1088/1751-8113/43/6/065203.
https://doi.org/10.1088/1751-8113/43/6/065203
[ 31 ] AM Childs y N. Wiebe. Simulación hamiltoniana mediante combinaciones lineales de operaciones unitarias. Información y computación cuánticas, 12:901–924, 2012. doi:10.48550/arXiv.1202.5822.
https:///doi.org/10.48550/arXiv.1202.5822
[ 32 ] Dominic W. Berry, Andrew M. Childs, Richard Cleve, Robin Kothari y Rolando D. Somma. Simulación de la dinámica hamiltoniana con una serie de Taylor truncada. física Rev. Lett., 114:090502, 2015. doi:10.1103/PhysRevLett.114.090502.
https: / / doi.org/ 10.1103 / PhysRevLett.114.090502
[ 33 ] GH Low e IL Chuang. Simulación hamiltoniana óptima mediante procesamiento cuántico de señales. física Rev. Lett., 118:010501, 2017. doi:10.1103/PhysRevLett.118.010501.
https: / / doi.org/ 10.1103 / PhysRevLett.118.010501
[ 34 ] U. Wolff. Ralentización crítica. Física nuclear. B, 17:93–102, 1990. doi:10.1016/0920-5632(90)90224-I.
https://doi.org/10.1016/0920-5632(90)90224-I
[ 35 ] AY Kitaev, AH Shen y MN Vyalyi. Computación clásica y cuántica. Sociedad Matemática Estadounidense, 2002. URL: http://doi.org/10.1090/gsm/047, doi:10.1090/gsm/047.
https: / / doi.org/ 10.1090 / gsm / 047
[ 36 ] C. Jarzynski. Diferencias de energía libre de equilibrio de las mediciones de no equilibrio: un enfoque de ecuación maestra. física Rev. E, 56:5018–5035, 1997. doi:10.1103/PhysRevE.56.5018.
https: / / doi.org/ 10.1103 / PhysRevE.56.5018
[ 37 ] C. Jarzynski. Igualdad de no equilibrio para diferencias de energía libre. física Rev. Lett., 78:2690–2693, 1997. doi:10.1103/PhysRevLett.78.2690.
https: / / doi.org/ 10.1103 / PhysRevLett.78.2690
[ 38 ] Christopher Jarzynsky. Igualdades y desigualdades: Irreversibilidad y la segunda ley de la termodinámica a nanoescala. Revisión anual de física de la materia condensada, 2(1):329–351, 2011. arXiv:https://doi.org/10.1146/annurev-conmatphys-062910-140506, doi:10.1146/annurev-conmatphys -062910-140506.
https: / / doi.org/ 10.1146 / annurev-conmatphys-062910-140506
arXiv: https://doi.org/10.1146/annurev-conmatphys-062910-140506
[ 39 ] Gavin E. Ladrones. Teorema de fluctuación de la producción de entropía y relación de trabajo en desequilibrio para diferencias de energía libre. física Rev. E, 60:2721–2726, 1999. doi:10.1103/PhysRevE.60.2721.
https: / / doi.org/ 10.1103 / PhysRevE.60.2721
[ 40 ] Gavin E. Ladrones. Promedios de conjuntos de caminos en sistemas alejados del equilibrio. física Rev. E, 61:2361–2366, 2000. doi:10.1103/PhysRevE.61.2361.
https: / / doi.org/ 10.1103 / PhysRevE.61.2361
[ 41 ] Augusto J. Roncaglia, Federico Cerisola, and Juan Pablo Paz. Medición del trabajo como medida cuántica generalizada. física Rev. Lett., 113:250601, 2014. doi:10.1103/PhysRevLett.113.250601.
https: / / doi.org/ 10.1103 / PhysRevLett.113.250601
[ 42 ] Lindsay Bassman, Katherine Klymko, Diyi Liu, Norman M Tubman y Wibe A de Jong. Cálculo de energías libres con relaciones de fluctuación en computadoras cuánticas. preimpresión de arXiv arXiv:2103.09846, 2021. doi:10.48550/arXiv.2103.09846.
https:///doi.org/10.48550/arXiv.2103.09846
arXiv: 2103.09846
[ 43 ] S. Barnet. Información cuántica, volumen 16. Oxford University Press, 2009.
[ 44 ] M. Nielsen y I. Chuang. Computación Cuántica e Información Cuántica. Prensa de la Universidad de Cambridge, Cambridge, 2001. doi:10.1017/CBO9780511976667.
https: / / doi.org/ 10.1017 / CBO9780511976667
[ 45 ] Emanuel Knill, Gerardo Ortiz, and Rolando D. Somma. Mediciones cuánticas óptimas de los valores esperados de los observables. física Rev.A, 75:012328, 2007. doi:10.1103/PhysRevA.75.012328.
https: / / doi.org/ 10.1103 / PhysRevA.75.012328
[ 46 ] Guang Hao Low e Isaac L Chuang. Simulación hamiltoniana por qubitización. Cuántica, 3:163, 2019. doi:10.22331/q-2019-07-12-163.
https://doi.org/10.22331/q-2019-07-12-163
[ 47 ] Christopher Jarzynsky. Eventos raros y la convergencia de valores de trabajo promediados exponencialmente. física Rev.E, 73:046105, 2006. doi:10.1103/PhysRevE.73.046105.
https: / / doi.org/ 10.1103 / PhysRevE.73.046105
[ 48 ] Yu Tong, Dong An, Nathan Wiebe y Lin Lin. Inversión rápida, solucionadores de sistemas lineales cuánticos preacondicionados, cálculo rápido de función de Green y evaluación rápida de funciones matriciales. física Rev. A, 104:032422, septiembre de 2021. doi:10.1103/PhysRevA.104.032422.
https: / / doi.org/ 10.1103 / PhysRevA.104.032422
[ 49 ] A. Kitaev. Mediciones cuánticas y el problema del estabilizador abeliano. arXiv:quant-ph/9511026, 1995. doi:10.48550/arXiv.quant-ph/9511026.
https://doi.org/10.48550/arXiv.quant-ph/9511026
arXiv: quant-ph / 9511026
[ 50 ] R. Cleve, A. Ekert, C. Macchiavello y M. Mosca. Algoritmos cuánticos revisados. proc. R. Soc. largo A, 454:339–354, 1998. doi:10.1098/rspa.1998.0164.
https: / / doi.org/ 10.1098 / rspa.1998.0164
[ 51 ] Gilles Brassard, Peter Høyer, Michele Mosca y Alain Tapp. Amplificación y estimación de amplitud cuántica. En Computación e información cuántica, volumen 305 de Contemporary Mathematics, páginas 53–74. AMS, 2002. doi:10.1090/conm/305/05215.
https: / / doi.org/ 10.1090 / conm / 305/05215
[ 52 ] Maris Ozols, Martin Roetteler y Jérémie Roland. Muestreo de rechazo cuántico. En las Actas de la 3.ª Conferencia sobre Innovaciones en Informática Teórica, ITCS '12, páginas 290–308, Nueva York, NY, EE. UU., 2012. Asociación de Maquinaria Informática. doi:10.1145/2090236.2090261.
https: / / doi.org/ 10.1145 / 2090236.2090261
[ 53 ] David Poulin y Pawel Wocjan. Preparación de estados fundamentales de sistemas cuánticos de muchos cuerpos en una computadora cuántica. física Rev. Lett., 102:130503, 2009. doi:10.1103/PhysRevLett.102.130503.
https: / / doi.org/ 10.1103 / PhysRevLett.102.130503
[ 54 ] S. Boixo, E. Knill y RD Somma. Algoritmos cuánticos rápidos para atravesar caminos de estados propios. arXiv:1005.3034, 2010. doi:10.48550/arXiv.1005.3034.
https:///doi.org/10.48550/arXiv.1005.3034
arXiv: 1005.3034
[ 55 ] Yimin Ge, Jordi Tura, and J. Ignacio Cirac. Preparación más rápida del estado fundamental y estimación de energía del suelo de alta precisión con menos qubits. Journal of Mathematical Physics, 60(2):022202, 2019. arXiv:https://doi.org/10.1063/1.5027484, doi:10.1063/1.5027484.
https: / / doi.org/ 10.1063 / 1.5027484
arXiv: https: //doi.org/10.1063/1.5027484
[ 56 ] Lin Lin y Yu Tong. Estimación de energía del estado fundamental limitada por Heisenberg para las primeras computadoras cuánticas tolerantes a fallas. PRX Quantum, 3:010318, 2022. doi:10.1103/PRXQuantum.3.010318.
https: / / doi.org/ 10.1103 / PRXQuantum.3.010318
[ 57 ] Chi-Fang Chen y Fernando GSL Brandão. Termalización rápida a partir de la hipótesis de termalización del estado propio. preimpresión de arXiv arXiv:2112.07646, 2021. doi:10.48550/arXiv.2112.07646.
https:///doi.org/10.48550/arXiv.2112.07646
arXiv: 2112.07646
[ 58 ] Oles Shtanko y Ramis Movassagh. Algoritmos para la preparación del estado de Gibbs en circuitos cuánticos aleatorios silenciosos y ruidosos. preimpresión de arXiv arXiv:2112.14688, 2021. doi:10.48550/arXiv.2112.14688.
https:///doi.org/10.48550/arXiv.2112.14688
arXiv: 2112.14688
[ 59 ] Marcos Rigol, Vanja Dunjko y Maxim Olshanii. Termalización y su mecanismo para sistemas cuánticos aislados genéricos. Nature, 452(7189):854–858, 2008. doi:10.1038/nature06838.
https: / / doi.org/ 10.1038 / nature06838
[ 60 ] Mario Motta, Chong Sun, Adrian TK Tan, Matthew J O'Rourke, Erika Ye, Austin J Minnich, Fernando GSL Brandão y Garnet Kin Chan. Determinación de estados propios y estados térmicos en una computadora cuántica utilizando la evolución del tiempo imaginario cuántico. Nature Physics, 16(2):205–210, 2020. doi:10.1038/s41567-019-0704-4.
https://doi.org/10.1038/s41567-019-0704-4
[ 61 ] R Sagastizabal, SP Premaratne, BA Klaver, MA Rol, V Negı̂rneac, MS Moreira, X Zou, S Johri, N Muthusubramanian, M Beekman, et al. Preparación variacional de estados de temperatura finita en una computadora cuántica. npj Quantum Information, 7(1):1–7, 2021. doi:10.1038/s41534-021-00468-1.
https://doi.org/10.1038/s41534-021-00468-1
[ 62 ] John Martyn y Brian Swingle. Espectro de productos ansatz y la simplicidad de los estados térmicos. física Rev.A, 100(3):032107, 2019. doi:10.1103/PhysRevA.100.032107.
https: / / doi.org/ 10.1103 / PhysRevA.100.032107
[ 63 ] Guillaume Verdon, Jacob Marks, Sasha Nanda, Stefan Leichenauer y Jack Hidary. Modelos basados en el hamiltoniano cuántico y el algoritmo termalizador cuántico variacional. Preimpresión de arXiv arXiv:1910.02071, 2019. doi:10.48550/arXiv.1910.02071.
https:///doi.org/10.48550/arXiv.1910.02071
arXiv: 1910.02071
[ 64 ] Anirban N Chowdhury, Guang Hao Low y Nathan Wiebe. Un algoritmo cuántico variacional para preparar estados cuánticos de gibbs. Preimpresión de arXiv arXiv:2002.00055, 2020. doi:10.48550/arXiv.2002.00055.
https:///doi.org/10.48550/arXiv.2002.00055
arXiv: 2002.00055
[ 65 ] Youle Wang, Guangxi Li y Xin Wang. Preparación del estado de Gibbs cuántico variacional con una serie de Taylor truncada. física Rev. aplicada, 16:054035, 2021. doi:10.1103/PhysRevApplied.16.054035.
https: / / doi.org/ 10.1103 / PhysRevApplied.16.054035
[ 66 ] Jonathan Foldager, Arthur Pesah y Lars Kai Hansen. Termalización cuántica variacional asistida por ruido. Informes científicos, 12(1):1–11, 2022. doi:10.1038/s41598-022-07296-z.
https: / / doi.org/ 10.1038 / s41598-022-07296-z
[ 67 ] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush y Hartmut Neven. Meseta estéril en paisajes de entrenamiento de redes neuronales cuánticas. Nature Communications, 9(1):1–6, 2018. doi:10.1038/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4
[ 68 ] M Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio y Patrick J Coles. mesetas estériles dependientes de la función de costo en circuitos cuánticos parametrizados poco profundos. Comunicaciones de la naturaleza, 12(1):1–12, 2021. URL: https://www.doi.org/10.1038/s41467-021-21728-w, doi:10.1038/s41467-021-21728 -w.
https: / / doi.org/ 10.1038 / s41467-021-21728-w
[ 69 ] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J Coles, Andreas Albrecht y Andrew T Sornborger. Las mesetas estériles impiden el aprendizaje de codificadores. física Rev. Lett., 126(19):190501, 2021. doi:10.1103/PhysRevLett.126.190501.
https: / / doi.org/ 10.1103 / PhysRevLett.126.190501
[ 70 ] Zoë Holmes, Kunal Sharma, M. Cerezo y Patrick J Coles. Conectando la expresibilidad de ansatz con magnitudes de gradiente y mesetas estériles. física Rev. X Quantum, 3:010313, 2022. doi:10.1103/PRXQuantum.3.010313.
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313
[ 71 ] Carlos Ortiz Marrero, Mária Kieferová y Nathan Wiebe. Mesetas estériles inducidas por enredos. PRX Quantum, 2:040316, octubre de 2021. doi:10.1103/PRXQuantum.2.040316.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
[ 72 ] Lennart Bittel y Martin Kliesch. El entrenamiento de algoritmos cuánticos variacionales es np-difícil. física Rev. Lett., 127:120502, 2021. doi:10.1103/PhysRevLett.127.120502.
https: / / doi.org/ 10.1103 / PhysRevLett.127.120502
[ 73 ] Michele Campisi, Peter Hänggi y Peter Talkner. Coloquio: Relaciones de fluctuación cuántica: Fundamentos y aplicaciones. Rev.Mod. Phys., 83:771–791, 2011. doi:10.1103/RevModPhys.83.771.
https: / / doi.org/ 10.1103 / RevModPhys.83.771
[ 74 ] H.Tasaki. Relaciones de Jarzynski para sistemas cuánticos y algunas aplicaciones. eprint arXiv:cond-mat/0009244, 2000. arXiv:cond-mat/0009244, doi:10.48550/arXiv.cond-mat/0009244.
https://doi.org/10.48550/arXiv.cond-mat/0009244
arXiv: cond-mat / 0009244
[ 75 ] J. Kurchan. Un teorema de fluctuación cuántica. eprint arXiv:cond-mat/0007360, 2000. arXiv:cond-mat/0007360, doi:10.48550/arXiv.cond-mat/0007360.
https://doi.org/10.48550/arXiv.cond-mat/0007360
arXiv: cond-mat / 0007360
[ 76 ] Peter Talkner y Peter Hanggi. El teorema de la fluctuación cuántica de tasaki-crooks. Journal of Physics A: Mathematical and Theoretical, 40(26):F569, 2007. doi:10.1088/1751-8113/40/26/F08.
https://doi.org/10.1088/1751-8113/40/26/F08
[ 77 ] A. Chowdhury, Y. Subaşi y RD Somma. Implementación mejorada de operadores de reflexión. arXiv:1803.02466, 2018. doi:10.48550/arXiv.1803.02466.
https:///doi.org/10.48550/arXiv.1803.02466
arXiv: 1803.02466
[ 78 ] Andrea Solfanelli, Alessandro Santini y Michele Campisi. Verificación experimental de las relaciones de fluctuación con una computadora cuántica. PRX Quantum, 2:030353, 2021. doi:10.1103/PRXQuantum.2.030353.
https: / / doi.org/ 10.1103 / PRXQuantum.2.030353
[ 79 ] Phillip Kaye, Raymond Laflamme y Michele Mosca. Una introducción a la computación cuántica. Prensa de la Universidad de Oxford, 2007.
[ 80 ] Dominic W. Berry, Andrew M. Childs, Richard Cleve, Robin Kothari y Rolando D. Somma. Mejora exponencial en la precisión para simular hamiltonianos dispersos. En Proc. 46º Simposio ACM. teor. Comp., páginas 283–292, 2014. doi:10.1145/2591796.2591854.
https: / / doi.org/ 10.1145 / 2591796.2591854
[ 81 ] Nandou Lu y David A. Kofke. Precisión de los cálculos de perturbaciones de energía libre en simulación molecular. i. modelado. The Journal of Chemical Physics, 114(17):7303–7311, 2001. arXiv:https://doi.org/10.1063/1.1359181, doi:10.1063/1.1359181.
https: / / doi.org/ 10.1063 / 1.1359181
arXiv: https: //doi.org/10.1063/1.1359181
[ 82 ] Nicole Yunger Halpern y Christopher Jarzynski. Número de ensayos necesarios para estimar una diferencia de energía libre, utilizando relaciones de fluctuación. física Rev.E, 93:052144, 2016. doi:10.1103/PhysRevE.93.052144.
https: / / doi.org/ 10.1103 / PhysRevE.93.052144
[ 83 ] Anirban Narayan Chowdhury, Rolando D. Somma y Yigit Subasi. Cálculo de funciones de partición en el modelo de un qubit limpio. física Rev. A, 103:032422, 2021. doi:10.1103/PhysRevA.103.032422.
https: / / doi.org/ 10.1103 / PhysRevA.103.032422
[ 84 ] Andrew M. Childs, Robin Kothari y Rolando D. Somma. Algoritmo de sistemas lineales cuánticos con dependencia exponencialmente mejorada de la precisión. SIAM J. Comp., 46:1920, 2017. doi:10.1137/16M1087072.
https: / / doi.org/ 10.1137 / 16M1087072
[ 85 ] GH Low, TJ Yoder e IL Chuang. Metodología de puertas cuánticas compuestas equiangulares resonantes. física Rev.X, 6:041067, 2016. doi:10.1103/PhysRevX.6.041067.
https: / / doi.org/ 10.1103 / PhysRevX.6.041067
[ 86 ] András Gilyén, Yuan Su, Guang Hao Low y Nathan Wiebe. Transformación de valor singular cuántico y más allá: mejoras exponenciales para la aritmética de matriz cuántica. En Proc. del 51º Simposio Anual ACM SIGACT. teor. Comp., STOC 2019, página 193–204, Nueva York, NY, EE. UU., 2019. Association for Computing Machinery. doi:10.1145/3313276.3316366.
https: / / doi.org/ 10.1145 / 3313276.3316366
[ 87 ] Jeongwan Haah. Producto de descomposición de funciones periódicas en procesamiento cuántico de señales. Cuántica, 3:190, 2019. doi:10.22331/q-2019-10-07-190.
https://doi.org/10.22331/q-2019-10-07-190
[ 88 ] Yulong Dong, Xiang Meng, K. Birgitta Whaley y Lin Lin. Evaluación eficiente del factor de fase en el procesamiento de señales cuánticas. física Rev. A, 103:042419, 2021. doi:10.1103/PhysRevA.103.042419.
https: / / doi.org/ 10.1103 / PhysRevA.103.042419
[ 89 ] Andrew Pohorille, Christopher Jarzynski y Christophe Chipot. Buenas prácticas en los cálculos de energía libre. The Journal of Physical Chemistry B, 114(32):10235–10253, 2010. doi:10.1021/jp102971x.
https:///doi.org/10.1021/jp102971x
[ 90 ] E. Lieb, T. Schultz y D. Mattis. Dos modelos solubles de una cadena antiferromagnética. Ana. Phys., 16:406, 1961. doi:10.1016/0003-4916(61)90115-4.
https://doi.org/10.1016/0003-4916(61)90115-4
[ 91 ] Pierre Pfeuty. El modelo de ising unidimensional con un campo transversal. Ana. Phys., 57:79–90, 1970. doi:10.1016/0003-4916(70)90270-8.
https://doi.org/10.1016/0003-4916(70)90270-8
[ 92 ] Burak Şahinoğlu y Rolando D. Somma. Simulación hamiltoniana en el subespacio de baja energía. npj Cuant. Inf., 7:119, 2021. doi:10.1038/s41534-021-00451-w.
https: / / doi.org/ 10.1038 / s41534-021-00451-w
[ 93 ] Rolando D. Somma y Sergio Boixo. Amplificación de la brecha espectral. SIAM J. Comp, 42:593–610, 2013. doi:10.1137/120871997.
https: / / doi.org/ 10.1137 / 120871997
[ 94 ] J. Hubbard. Cálculo de funciones de partición. física Rev. Lett., 3:77, 1959. doi:10.1103/PhysRevLett.3.77.
https: / / doi.org/ 10.1103 / PhysRevLett.3.77
[ 95 ] En la Ref. SB13. Requiere que $H_0$ y $H_1$ se presenten en una forma particular, como combinación lineal de unitarios o combinaciones lineales de proyectores.
[ 96 ] Itai Arad, Tomotaka Kuwahara y Zeph Landau. Conexión de distribuciones de energía globales y locales en modelos de espín cuántico en una red. Journal of Statistical Mechanics: Theory and Experiment, 2016(3):033301, 2016. doi:10.1088/1742-5468/2016/03/033301.
https://doi.org/10.1088/1742-5468/2016/03/033301
Citado por
[1] Alexander Schuckert, Annabelle Bohrdt, Eleanor Crane y Michael Knap, “Probing finite-temperature observables in quantum simulators with short-time dynamics”, arXiv: 2206.01756.
Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2022-10-07 11:17:12). La lista puede estar incompleta ya que no todos los editores proporcionan datos de citas adecuados y completos.
On Servicio citado por Crossref no se encontraron datos sobre las obras citadas (último intento 2022-10-07 11:17:11).
Este documento se publica en Quantum bajo el Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0) licencia. Los derechos de autor permanecen con los titulares de derechos de autor originales, como los autores o sus instituciones.
