Estimation adaptative des observables quantiques

Republié par Platon

Suiveurs: 0

Ariel Shlosberg^1,2, Andrew J.Jena^3,4, Priyanka Mukhopadhyay^3,4, Jan F. Haase^3,5,6, Félix Leditzky^3,4,7,8, et Luca Dellantonio^3,5,9

¹JILA, Université du Colorado et Institut national des normes et de la technologie, Boulder, CO 80309, États-Unis
²Département de physique, Université du Colorado, Boulder, CO 80309, États-Unis
³Institute for Quantum Computing, Université de Waterloo, Waterloo, ON N2L 3G1, Canada
⁴Département de combinatoire et d'optimisation, Université de Waterloo, Waterloo, ON N2L 3G1, Canada
⁵Département de physique et d'astronomie, Université de Waterloo, Waterloo, ON N2L 3G1, Canada
⁶Institut de physique théorique et IQST, Universität Ulm, D-89069 Ulm, Allemagne
⁷Département de mathématiques et IQUIST, Université de l'Illinois Urbana-Champaign, Urbana, IL 61801, États-Unis
⁸Institut Perimeter de physique théorique, Waterloo, ON N2L 2Y5, Canada
⁹Département de physique et d'astronomie, Université d'Exeter, Stocker Road, Exeter EX4 4QL, Royaume-Uni

Vous trouvez cet article intéressant ou souhaitez en discuter? Scite ou laisse un commentaire sur SciRate.

Abstract

L'estimation précise des observables quantiques est une tâche critique en science. Avec les progrès du matériel, la mesure d'un système quantique deviendra de plus en plus exigeante, en particulier pour les protocoles variationnels qui nécessitent un échantillonnage important. Ici, nous introduisons un schéma de mesure qui modifie de manière adaptative l'estimateur en fonction des données précédemment obtenues. Notre algorithme, que nous appelons AEQuO, surveille en permanence à la fois la moyenne estimée et l'erreur associée de l'observable considéré, et détermine la prochaine étape de mesure en fonction de ces informations. Nous autorisons à la fois les relations de chevauchement et de commutation non au niveau du bit dans les sous-ensembles d'opérateurs de Pauli qui sont sondés simultanément, maximisant ainsi la quantité d'informations recueillies. AEQuO se décline en deux variantes : un algorithme de remplissage de godet gourmand avec de bonnes performances pour les petites instances problématiques, et un algorithme basé sur l'apprentissage automatique avec une mise à l'échelle plus favorable pour les instances plus importantes. La configuration de mesure déterminée par ces sous-programmes est en outre post-traitée afin de réduire l'erreur sur l'estimateur. Nous testons notre protocole sur les hamiltoniens chimiques, pour lesquels l'AEQuO fournit des estimations d'erreur qui améliorent toutes les méthodes de pointe basées sur diverses techniques de regroupement ou des mesures aléatoires, réduisant ainsi considérablement le coût des mesures dans les applications quantiques actuelles et futures.

Estimation adaptative des observables quantiques PlatoBlockchain Data Intelligence. Recherche verticale. Aï.

Image en vedette : Schéma de AEqUO, notre algorithme de mesure. Une observable O est donnée en entrée et représentée via un graphe pondéré, à partir duquel il est possible de récupérer la moyenne et l'erreur de l'estimateur. Après avoir trouvé la clique du graphique, correspondant aux parties mesurables simultanément de O, les tirs sont alloués via les sous-programmes Machine Learning (ML) ou Bucket Filling (BF). Lorsque le budget de mesure est épuisé, un post-traitement est appliqué et les valeurs finales des estimations de moyenne et d'erreur sont obtenues.

Résumé populaire

Les systèmes quantiques, contrairement aux systèmes classiques, sont détruits de manière irréversible à chaque fois qu'ils sont mesurés. Cela a des implications profondes lorsque l'on veut extraire des informations d'un système quantique. Par exemple, lorsque l'on doit estimer la valeur moyenne d'une observable, il est souvent nécessaire de répéter l'ensemble de l'expérience plusieurs fois. Selon la stratégie de mesure utilisée, les exigences pour obtenir la même précision varient considérablement. Dans ce travail, nous proposons une nouvelle approche qui diminue considérablement les ressources sur le matériel. Notre stratégie est adaptative, dans le sens où elle apprend et améliore l'allocation des mesures pendant l'acquisition des données. De plus, il permet d'estimer à la fois la moyenne et l'erreur affectant l'observable souhaité en même temps. Par rapport à d'autres approches de pointe, nous démontrons une amélioration constante et considérable de la précision de l'estimation lorsque notre protocole est utilisé.

► Données BibTeX

@article{Shlosberg2023adaptiveestimation, doi = {10.22331/q-2023-01-26-906}, url = {https://doi.org/10.22331/q-2023-01-26-906}, title = {Estimation adaptative d'observables quantiques}, auteur = {Shlosberg, Ariel et Jena, Andrew J. et Mukhopadhyay, Priyanka et Haase, Jan F. et Leditzky, Felix et Dellantonio, Luca}, journal = {{Quantum}}, issn = {2521- 327X}, éditeur = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, pages = {906}, mois = jan, année = {2023} }

► Références

PW Shor "Algorithmes pour le calcul quantique: logarithmes discrets et factorisation" Actes du 35e Symposium annuel sur les fondements de l'informatique 124-134 (1994).
https: / / doi.org/ 10.1109 / SFCS.1994.365700

Michael A. Nielsen et Issaac L. Chuang « Calcul quantique et information quantique » Cambridge University Press (2010).
https: / / doi.org/ 10.1017 / CBO9780511976667

Antonio Acín, Immanuel Bloch, Harry Buhrman, Tommaso Calarco, Christopher Eichler, Jens Eisert, Daniel Esteve, Nicolas Gisin, Steffen J Glaser, Fedor Jelezko, Stefan Kuhr, Maciej Lewenstein, Max F Riedel, Piet O Schmidt, Rob Thew, Andreas Wallraff , Ian Walmsley et Frank K Wilhelm, "La feuille de route des technologies quantiques : une vision de la communauté européenne" New Journal of Physics 20, 080201 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aad1ea
arXiv: 1712.03773

John Preskill "L'informatique quantique à l'ère NISQ et au-delà" Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
arXiv: 1801.00862

IM Georgescu, S. Ashhab et Franco Nori, "Simulation quantique" Reviews of Modern Physics 86, 153–185 (2014).
https: / / doi.org/ 10.1103 / RevModPhys.86.153
arXiv: 1308.6253

Mari Carmen Banuls, Rainer Blatt, Jacopo Catani, Alessio Celi, Juan Ignacio Cirac, Marcello Dalmonte, Leonardo Fallani, Karl Jansen, Maciej Lewenstein et Simone Montangero, "Simulating lattice gauge theories within quantum technologies" The European Physical Journal D 74, 1 –42 (2020).
https: / / doi.org/ 10.1140 / epjd / e2020-100571-8
arXiv: 1911.00003

Jan F. Haase, Luca Dellantonio, Alessio Celi, Danny Paulson, Angus Kan, Karl Jansen et Christine A Muschik, "Une approche efficace des ressources pour les simulations quantiques et classiques des théories de jauge en physique des particules" Quantum 5, 393 (2021).
https://doi.org/10.22331/q-2021-02-04-393
arXiv: 2006.14160

Danny Paulson, Luca Dellantonio, Jan F. Haase, Alessio Celi, Angus Kan, Andrew Jena, Christian Kokail, Rick van Bijnen, Karl Jansen, Peter Zoller et Christine A. Muschik, "Simulating 2D Effects in Lattice Gauge Theories on a Quantum Ordinateur » PRX Quantum 2, 030334 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.030334
arXiv: 2008.09252

Yudong Cao, Jonathan Romero, Jonathan P. Olson, Matthias Degroote, Peter D. Johnson, Mária Kieferová, Ian D. Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya, Sukin Sim, Libor Veis et Alán Aspuru-Guzik, " La chimie quantique à l'ère de l'informatique quantique » Chemical Reviews 119, 10856–10915 (2019).
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803
arXiv: 1812.09976

John Preskill "L'informatique quantique 40 ans plus tard" prépublication arXiv (2021).
https:///doi.org/10.48550/arXiv.2106.10522
arXiv: 2106.10522

Heinz-Peter Breuer et Francesco Petruccione "La théorie des systèmes quantiques ouverts" Oxford University Press on Demand (2002).
https: / / doi.org/ 10.1093 / acprof: oso / 9780199213900.001.0001

Y. Cao, J. Romero et A. Aspuru-Guzik, "Potentiel de l'informatique quantique pour la découverte de médicaments" IBM Journal of Research and Development 62, 6: 1–6: 20 (2018).
https: / / doi.org/ 10.1147 / JRD.2018.2888987

WM Itano, JC Bergquist, JJ Bollinger, JM Gilligan, DJ Heinzen, FL Moore, MG Raizen et DJ Wineland, « Bruit de projection quantique : fluctuations de la population dans les systèmes à deux niveaux », Physical Review A 47, 3554–3570 (1993).
https: / / doi.org/ 10.1103 / PhysRevA.47.3554

Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan et Lukasz Cincio, "Algorithmes quantiques variationnels" Nature Reviews Physics 3, 625–644 (2021) .
https://doi.org/10.1038/s42254-021-00348-9
arXiv: 2012.09265

RR Ferguson, L. Dellantonio, A. Al Balushi, K. Jansen, W. Dür et CA Muschik, «Measurement-Based Variational Quantum Eigensolver» Physical Review Letters 126, 220501 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.126.220501
arXiv: 2010.13940

Andrew Jena, Scott Genin et Michele Mosca, «Pauli Partitioning with Respect to Gate Sets» arXiv preprint (2019).
https:///doi.org/10.48550/arXiv.1907.07859
arXiv: 1907.07859

Jarrod R. McClean, Jonathan Romero, Ryan Babbush et Alán Aspuru-Guzik, "La théorie des algorithmes quantiques-classiques hybrides variationnels" New Journal of Physics 18, 023023 (2016).
https://doi.org/10.1088/1367-2630/18/2/023023
arXiv: 1509.04279

Vladyslav Verteletskyi, Tzu-Ching Yen et Artur F. Izmaylov, "Optimisation des mesures dans le solveur propre quantique variationnel à l'aide d'une couverture de clique minimale" The Journal of Chemical Physics 152, 124114 (2020).
https: / / doi.org/ 10.1063 / 1.5141458
arXiv: 1907.03358

Andrew Arrasmith, Lukasz Cincio, Rolando D. Somma et Patrick J. Coles, « Échantillonnage d'opérateurs pour l'optimisation frugale des tirs dans les algorithmes variationnels », prépublication arXiv (2020).
https:///doi.org/10.48550/arXiv.2004.06252
arXiv: 2004.06252

Ophelia Crawford, Barnaby van Straaten, Daochen Wang, Thomas Parks, Earl Campbell et Stephen Brierley, "Mesure quantique efficace des opérateurs de Pauli en présence d'une erreur d'échantillonnage finie" Quantum 5, 385 (2021).
https://doi.org/10.22331/q-2021-01-20-385
arXiv: 1908.06942

Hsin-Yuan Huang, Richard Kueng et John Preskill, «Efficient Estimation of Pauli Observables by Derandomization» Physical Review Letters 127, 030503 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.030503
arXiv: 2103.07510

Giacomo Torlai, Guglielmo Mazzola, Giuseppe Carleo et Antonio Mezzacapo, "Mesure précise des observables quantiques avec des estimateurs de réseau neuronal" Physical Review Research 2, 022060 (2020).
https: / / doi.org/ 10.1103 / PhysRevResearch.2.022060
arXiv: 1910.07596

Stefan Hillmich, Charles Hadfield, Rudy Raymond, Antonio Mezzacapo et Robert Wille, « Diagrammes de décision pour les mesures quantiques avec des circuits peu profonds », Conférence internationale IEEE 2021 sur l'informatique et l'ingénierie quantiques (QCE) 24–34 (2021).
https: / / doi.org/ 10.1109 / QCE52317.2021.00018

Hsin-Yuan Huang, Richard Kueng et John Preskill, "Prédire de nombreuses propriétés d'un système quantique à partir de très peu de mesures" Nature Physics 16, 1050–1057 (2020).
https://doi.org/10.1038/s41567-020-0932-7
arXiv: 2002.08953

Charles Hadfield, Sergey Bravyi, Rudy Raymond et Antonio Mezzacapo, «Mesures des hamiltoniens quantiques avec des ombres classiques localement biaisées» Communications en physique mathématique 391, 951–967 (2022).
https://doi.org/10.1007/s00220-022-04343-8

Charles Hadfield "Adaptive Pauli Shadows for Energy Estimation" arXiv preprint (2021).
https:///doi.org/10.48550/arXiv.2105.12207
arXiv: 2105.12207

Bujiao Wu, Jinzhao Sun, Qi Huang et Xiao Yuan, «Mesure de groupement superposé: un cadre unifié pour mesurer les états quantiques», préimpression arXiv (2021).
https:///doi.org/10.48550/arXiv.2105.13091
arXiv: 2105.13091

Masaya Kohda, Ryosuke Imai, Keita Kanno, Kosuke Mitarai, Wataru Mizukami et Yuya O. Nakagawa, "Quantum expectation-value estimation by computational based sampling" Phys. Rév. Rés. 4, 033173 (2022).
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033173

Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi et Frederic T. Chong, "Minimizing State Preparations in Variational Quantum Eigensolver by Partitioning into Commuting Families" arXiv preprint (2019).
https:///doi.org/10.48550/arXiv.1907.13623
arXiv: 1907.13623

Ikko Hamamura et Takashi Imamichi "Évaluation efficace des observables quantiques à l'aide de mesures intriquées" npj Quantum Information 6, 1–8 (2020).
https://doi.org/10.1038/s41534-020-0284-2

Tzu-Ching Yen, Vladyslav Verteletskyi et Artur F. Izmaylov, "Mesure de tous les opérateurs compatibles dans une série de mesures à un seul qubit à l'aide de transformations unitaires" Journal of Chemical Theory and Computation 16, 2400–2409 (2020).
https: / / doi.org/ 10.1021 / acs.jctc.0c00008

Artur F. Izmaylov, Tzu-Ching Yen, Robert A. Lang et Vladyslav Verteletskyi, "Approche de partitionnement unitaire du problème de mesure dans la méthode variationnelle quantique Eigensolver" Journal of Chemical Theory and Computation 16, 190–195 (2020).
https: / / doi.org/ 10.1021 / acs.jctc.9b00791

Cambyse Rouzéand Daniel Stilck França « Apprentissage des systèmes quantiques à plusieurs corps à partir de quelques exemplaires » arXiv preprint (2021).
https:///doi.org/10.48550/arXiv.2107.03333
arXiv: 2107.03333

Andrew J. Jena et Ariel Shlosberg "Optimisation des mesures VQE (dépôt GitHub)" https://github.com/AndrewJena/VQE_measurement_optimization (2021).
https:///github.com/AndrewJena/VQE_measurement_optimization

Scott Aaronson et Daniel Gottesman "Simulation améliorée des circuits stabilisateurs" Physical Review A 70, 052328 (2004).
https: / / doi.org/ 10.1103 / PhysRevA.70.052328

Coen Bronand Joep Kerbosch " Algorithme 457: trouver toutes les cliques d'un graphe non orienté " Communications de l'ACM 16, 575–577 (1973).
https: / / doi.org/ 10.1145 / 362342.362367

Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest et Clifford Stein, "Introduction to algorithms" MIT press (2009).

Stephan Hoyer, Jascha Sohl-Dickstein et Sam Greydanus, "La reparamétrisation neuronale améliore l'optimisation structurelle" NeurIPS 2019 Deep Inverse Workshop (2019).
https:///doi.org/10.48550/arXiv.1909.04240
arXiv: 1909.04240

Herbert Robbins et Sutton Monro "Une méthode d'approximation stochastique" The Annals of Mathematical Statistics 400–407 (1951).
https: / / doi.org/ 10.1214 / aoms / 1177729586

Diederik P. Kingmaand Jimmy Ba « Adam : une méthode d'optimisation stochastique » 3e conférence internationale sur les représentations d'apprentissage (2015).
https:///doi.org/10.48550/arXiv.1412.6980
arXiv: 1412.6980

Stephen Wright et Jorge Nocedal "Optimisation numérique" Springer Science 35, 7 (1999).

Philip E. Gilland Walter Murray "Méthodes quasi-Newton pour l'optimisation sans contrainte" IMA Journal of Applied Mathematics 9, 91–108 (1972).
https:///doi.org/10.1093/imamat/9.1.91

Chigozie Nwankpa, Winifred Ijomah, Anthony Gachagan et Stephen Marshall, « Fonctions d'activation : comparaison des tendances dans la pratique et la recherche pour l'apprentissage en profondeur », préimpression arXiv (2018).
https:///doi.org/10.48550/arXiv.1811.03378
arXiv: 1811.03378

Fabian HL Essler, Holger Frahm, Frank Göhmann, Andreas Klümper et Vladimir E Korepin, "Le modèle Hubbard unidimensionnel" Cambridge University Press (2005).

Zonghan Wu, Shirui Pan, Fengwen Chen, Guodong Long, Chengqi Zhang et Philip S. Yu, "Une enquête complète sur les réseaux de neurones graphiques" IEEE Transactions on Neural Networks and Learning Systems 32, 4–24 (2021).
https:///doi.org/10.1109/TNNLS.2020.2978386
arXiv: 1901.00596

JF Haase, PJ Vetter, T. Unden, A. Smirne, J. Rosskopf, B. Naydenov, A. Stacey, F. Jelezko, MB Plenio et SF Huelga, « Controllable Non-Markovianity for a Spin Qubit in Diamond » Consulter les lettres 121, 060401 (2018).
https: / / doi.org/ 10.1103 / PhysRevLett.121.060401
arXiv: 1802.00819

Nicholas C. Rubin, Ryan Babbush et Jarrod McClean, "Application des contraintes marginales fermioniques aux algorithmes quantiques hybrides" New Journal of Physics 20, 053020 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aab919
arXiv: 1801.03524

John Kruschke "Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan" Academic Press (2014).
https://doi.org/10.1016/B978-0-12-405888-0.09999-2

Andrew Gelman, John B. Carlin, Hal S. Stern et Donald B. Rubin, "Bayesian data analysis" Chapman Hall/CRC (1995).

Paolo Fornasini « L'incertitude dans les mesures physiques : une introduction à l'analyse des données dans le laboratoire de physique » Springer (2008).
https://doi.org/10.1007/978-0-387-78650-6

Roger A. Hornand Charles R. Johnson "Analyse matricielle" Cambridge University Press (2012).

JW Moonand L. Moser "Sur les cliques dans les graphiques" Israel Journal of Mathematics 3, 23–28 (1965).
https: / / doi.org/ 10.1007 / BF02760024

Dong C. Liuand Jorge Nocedal "Sur la méthode BFGS à mémoire limitée pour l'optimisation à grande échelle" Programmation mathématique 45, 503–528 (1989).
https: / / doi.org/ 10.1007 / BF01589116

Cité par

[1] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoît Vermersch et Peter Zoller, « The randomized measure toolbox », Nature Avis Physique 5 1, 9 (2023).

[2] Zachary Pierce Bansingh, Tzu-Ching Yen, Peter D. Johnson et Artur F. Izmaylov, « Surcharge de fidélité pour les mesures non locales dans les algorithmes quantiques variationnels », arXiv: 2205.07113, (2022).

[3] Masaya Kohda, Ryosuke Imai, Keita Kanno, Kosuke Mitarai, Wataru Mizukami et Yuya O. Nakagawa, "Quantum expectation-value estimation by computational based sampling", Recherche sur l'examen physique 4 3, 033173 (2022).

[4] Bujiao Wu, Jinzhao Sun, Qi Huang et Xiao Yuan, "Mesure de groupement superposé: Un cadre unifié pour mesurer les états quantiques", arXiv: 2105.13091, (2021).

[5] Tzu-Ching Yen, Aadithya Ganeshram et Artur F. Izmaylov, "Améliorations déterministes des mesures quantiques avec regroupement d'opérateurs compatibles, transformations non locales et estimations de covariance", arXiv: 2201.01471, (2022).

[6] Bojia Duan et Chang-Yu Hsieh, "Chargement de données basé sur l'hamiltonien avec des circuits quantiques superficiels", Examen physique A 106 5, 052422 (2022).

[7] Daniel Miller, Laurin E. Fischer, Igor O. Sokolov, Panagiotis Kl. Barkoutsos et Ivano Tavernelli, « Circuits de diagonalisation adaptés au matériel », arXiv: 2203.03646, (2022).

[8] Francisco Escudero, David Fernández-Fernández, Gabriel Jaumà, Guillermo F. Peñas et Luciano Pereira, « Mesures intriquées efficaces en matériel pour les algorithmes quantiques variationnels », arXiv: 2202.06979, (2022).

[9] William Kirby, Mario Motta et Antonio Mezzacapo, « Méthode de Lanczos exacte et efficace sur un ordinateur quantique », arXiv: 2208.00567, (2022).

[10] Lane G. Gunderman, "Transformer des collections d'opérateurs de Pauli en collections équivalentes d'opérateurs de Pauli sur des registres minimaux", arXiv: 2206.13040, (2022).

[11] Andrew Jena, Scott N. Genin et Michele Mosca, "Optimisation de la mesure variationnelle-quantique-eigensolver en partitionnant les opérateurs de Pauli à l'aide de portes Clifford multiqubit sur du matériel quantique bruyant à échelle intermédiaire", Examen physique A 106 4, 042443 (2022).

[12] Alexander Gresch et Martin Kliesch, "Estimation de l'énergie efficace garantie des hamiltoniens quantiques à plusieurs corps à l'aide de ShadowGrouping", arXiv: 2301.03385, (2023).

Les citations ci-dessus proviennent de SAO / NASA ADS (dernière mise à jour réussie 2023-01-26 13:33:05). La liste peut être incomplète car tous les éditeurs ne fournissent pas de données de citation appropriées et complètes.

Impossible de récupérer Données de référence croisée lors de la dernière tentative 2023-01-26 13:33:03: Impossible de récupérer les données citées par 10.22331 / q-2023-01-26-906 de Crossref. C'est normal si le DOI a été enregistré récemment.

Cet article est publié dans Quantum sous le Creative Commons Attribution 4.0 International (CC BY 4.0) Licence. Le droit d'auteur reste la propriété des détenteurs d'origine tels que les auteurs ou leurs institutions.

Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
Platoblockchain. Intelligence métaverse Web3. Connaissance Amplifiée. Accéder ici.
La source: https://quantum-journal.org/papers/q-2023-01-26-906/

Horodatage: 26 janvier 2023

Horodatage: Le 19 décembre 2022

Sonder l'intrication quantique à partir de populations de sous-niveaux magnétiques : au-delà des inégalités de compression de spin

Cluster source:

Journal quantique

Nœud source: 1779778

Horodatage: Le 29 décembre 2022

Algorithme de transmission de messages quantiques pour un décodage optimal et efficace de PlatoBlockchain Data Intelligence. Recherche verticale. Aï.

Algorithme de passage de message quantique pour un décodage optimal et efficace

Cluster source:

Journal quantique

Nœud source: 1635272

Horodatage: 23 août 2022

Estimation adaptative des observables quantiques

Republié par Platon

Abstract

Résumé populaire

► Données BibTeX

► Références

Cité par

Plus de Journal quantique

Ombres classiques basées sur des mesures localement intriquées

Tricotage de circuits à contraintes aériennes pour la dynamique quantique variationnelle

Sur le codage par bloc quantique efficace des opérateurs pseudo-différentiels