1Centre sur les frontières des études informatiques, Université de Pékin, Pékin 100871, Chine
2École d'informatique, Université de Pékin, Pékin 100871, Chine
3Laboratoire Clarendon, Université d'Oxford, Parks Road, Oxford OX1 3PU, Royaume-Uni
4École de physique, Université de Pékin, Pékin 100871, Chine
Vous trouvez cet article intéressant ou souhaitez en discuter? Scite ou laisse un commentaire sur SciRate.
Abstract
Les algorithmes quantiques conçus pour des systèmes quantiques réalistes à plusieurs corps, tels que la chimie et les matériaux, nécessitent généralement un grand nombre de mesures de l'hamiltonien. Exploitant différentes idées, telles que l'échantillonnage d'importance, la compatibilité observable ou les ombres classiques des états quantiques, différents schémas de mesure avancés ont été proposés pour réduire considérablement le coût de mesure important. Pourtant, les mécanismes de réduction des coûts sous-jacents semblent distincts les uns des autres, et comment trouver systématiquement le schéma optimal reste un défi crucial. Ici, nous relevons ce défi en proposant un cadre unifié de mesures quantiques, incorporant des méthodes de mesure avancées comme cas particuliers. Notre cadre nous permet d'introduire un schéma général - mesure de groupement superposé, qui exploite simultanément les avantages de la plupart des méthodes existantes. Une compréhension intuitive du schéma consiste à diviser les mesures en groupes superposés, chacun composé de mesures compatibles. Nous fournissons des stratégies de regroupement explicites et vérifions numériquement ses performances pour différents hamiltoniens moléculaires avec jusqu'à 16 qubits. Notre résultat numérique montre des améliorations significatives par rapport aux schémas existants. Notre travail ouvre la voie à une mesure quantique efficace et à un traitement quantique rapide avec des dispositifs quantiques actuels et à court terme.
► Données BibTeX
► Références
Scott Aaronson. Tomographie d'ombre d'états quantiques. SIAM Journal on Computing, 49 (5) : STOC18–368, 2019. 10.1145/3188745.3188802. URL https://doi.org/10.1145/3188745.3188802.
https: / / doi.org/ 10.1145 / 3188745.3188802
Atithi Acharya, Siddhartha Saha et Anirvan M Sengupta. Tomographie d'ombre basée sur le povm, informationnellement complète, 2021. URL https://doi.org/10.48550/arXiv.2105.05992.
https:///doi.org/10.48550/arXiv.2105.05992
Ryan Babbush, Nathan Wiebe, Jarrod McClean, James McClain, Hartmut Neven et Garnet Kin-Lic Chan. Simulation quantique à faible profondeur des matériaux. Phys. Rév. X, 8 : 011044, mars 2018. 10.1103/PhysRevX.8.011044. URL https://doi.org/10.1103/PhysRevX.8.011044.
https: / / doi.org/ 10.1103 / PhysRevX.8.011044
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, et Alán Aspuru-Guzik. Algorithmes quantiques à échelle intermédiaire bruyants (nisq), 2021. URL https://doi.org/10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio et Patrick J. Coles. Solveur linéaire quantique variationnel, 2019. URL https://doi.org/10.48550/arXiv.1909.05820.
https:///doi.org/10.48550/arXiv.1909.05820
Sergey Bravyi, Sarah Sheldon, Abhinav Kandala, David C. Mckay et Jay M. Gambetta. Atténuation des erreurs de mesure dans les expériences multiqubits. Phys. Rév. A, 103 : 042605, avril 2021. 10.1103/PhysRevA.103.042605. URL https://doi.org/10.1103/PhysRevA.103.042605.
https: / / doi.org/ 10.1103 / PhysRevA.103.042605
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 (19): 10856–10915, 2019. 10.1021/acs.chemrev.8b00803. URL https://doi.org/10.1021/acs.chemrev.8b00803. PMID : 31469277.
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803
Juan Carrasquilla, Giacomo Torlai, Roger G Melko et Leandro Aolita. Reconstruire des états quantiques avec des modèles génératifs. Nature Machine Intelligence, 1 (3) : 155–161, 2019. 10.1038/s42256-019-0028-1. URL https://doi.org/10.1038/s42256-019-0028-1.
https://doi.org/10.1038/s42256-019-0028-1
Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, et al. Algorithmes quantiques variationnels. Nature Reviews Physics, 3 (9): 625–644, 2021. 10.1038/s42254-021-00348-9. URL https://doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
Senrui Chen, Wenjun Yu, Pei Zeng et Steven T. Flammia. Estimation robuste de l'ombre. PRX Quantum, 2 : 030348, septembre 2021. 10.1103/PRXQuantum.2.030348. URL https://doi.org/10.1103/PRXQuantum.2.030348.
https: / / doi.org/ 10.1103 / PRXQuantum.2.030348
Kenny Choo, Antonio Mezzacapo et Giuseppe Carleo. États du réseau de neurones fermioniques pour la structure électronique ab-initio. Nature communications, 11 (1) : 1–7, 2020. 10.1038/s41467-020-15724-9. URL https://doi.org/10.1038/s41467-020-15724-9.
https://doi.org/10.1038/s41467-020-15724-9
Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J Coles et Andrew Sornborger. Avance rapide variationnelle pour la simulation quantique au-delà du temps de cohérence. npj Quantum Information, 6 (1): 1–10, 2020. URL https://doi.org/10.1038/s41534-020-00302-0.
https://doi.org/10.1038/s41534-020-00302-0
JI Colless, VV Ramasesh, D. Dahlen, MS Blok, ME Kimchi-Schwartz, JR McClean, J. Carter, WA de Jong et I. Siddiqi. Calcul de spectres moléculaires sur un processeur quantique avec un algorithme résistant aux erreurs. Phys. Rév. X, 8 : 011021, février 2018. 10.1103/PhysRevX.8.011021. URL https://doi.org/10.1103/PhysRevX.8.011021.
https: / / doi.org/ 10.1103 / PhysRevX.8.011021
Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles et Andrew Sornborger. Diagonalisation hamiltonienne variationnelle pour la simulation quantique dynamique, 2020. URL https://doi.org/10.48550/arXiv.2009.02559.
https:///doi.org/10.48550/arXiv.2009.02559
Jordan Cotler et Frank Wilczek. Tomographie à recouvrement quantique. Phys. Rev. Lett., 124 : 100401, mars 2020. 10.1103/PhysRevLett.124.100401. URL https://doi.org/10.1103/PhysRevLett.124.100401.
https: / / doi.org/ 10.1103 / PhysRevLett.124.100401
Ophelia Crawford, Barnaby van Straaten, Daochen Wang, Thomas Parks, Earl Campbell et Stephen Brierley. Mesure quantique efficace des opérateurs pauli en présence d'une erreur d'échantillonnage finie. Quantique, 5 : 385, 2021. 10.22331/q-2021-01-20-385. URL https://doi.org/10.22331%2Fq-2021-01-20-385.
https://doi.org/10.22331/q-2021-01-20-385
EF Dumitrescu, AJ McCaskey, G. Hagen, GR Jansen, TD Morris, T. Papenbrock, RC Pooser, DJ Dean et P. Lougovski. Informatique quantique en nuage d'un noyau atomique. Phys. Rev. Lett., 120 : 210501, mai 2018. 10.1103/PhysRevLett.120.210501. URL https://doi.org/10.1103/PhysRevLett.120.210501.
https: / / doi.org/ 10.1103 / PhysRevLett.120.210501
Suguru Endo, Simon C. Benjamin et Ying Li. Atténuation pratique des erreurs quantiques pour les applications du futur proche. Phys. Rév. X, 8 : 031027, juillet 2018. 10.1103/PhysRevX.8.031027. URL https://doi.org/10.1103/PhysRevX.8.031027.
https: / / doi.org/ 10.1103 / PhysRevX.8.031027
Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin et Xiao Yuan. Simulation quantique variationnelle de processus généraux. Phys. Rev. Lett., 125 : 010501, juin 2020. 10.1103/PhysRevLett.125.010501. URL https://doi.org/10.1103/PhysRevLett.125.010501.
https: / / doi.org/ 10.1103 / PhysRevLett.125.010501
Suguru Endo, Zhenyu Cai, Simon C. Benjamin et Xiao Yuan. Algorithmes hybrides quantiques-classiques et atténuation des erreurs quantiques. Journal of the Physical Society of Japan, 90 (3): 032001, 2021. 10.7566/JPSJ.90.032001. URL https://doi.org/10.7566/JPSJ.90.032001.
https: / / doi.org/ 10.7566 / JPSJ.90.032001
Keisuke Fujii, Kaoru Mizuta, Hiroshi Ueda, Kosuke Mitarai, Wataru Mizukami et Yuya O. Nakagawa. Deep variational quantum eigensolver : Une méthode de division pour régner pour résoudre un problème plus important avec des ordinateurs quantiques de plus petite taille. PRX Quantum, 3 : 010346, mars 2022. 10.1103/PRXQuantum.3.010346. URL https://doi.org/10.1103/PRXQuantum.3.010346.
https: / / doi.org/ 10.1103 / PRXQuantum.3.010346
Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles et Andrew Sornborger. Simulations de longue durée avec haute fidélité sur du matériel quantique, 2021. URL https://arxiv.org/abs/2102.04313.
arXiv: 2102.04313
Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari et William J. Zeng. Extrapolation numérique à zéro bruit pour l'atténuation des erreurs quantiques. Dans 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), pages 306–316, 2020. 10.1109/QCE49297.2020.00045. URL https://doi.org/10.1109/QCE49297.2020.00045.
https: / / doi.org/ 10.1109 / QCE49297.2020.00045
Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi et Frederic T Chong. Minimisation des préparations d'état dans le solveur propre quantique variationnel en partitionnant en familles de navettage. URL https://doi.org/10.48550/arXiv.1907.13623.
https:///doi.org/10.48550/arXiv.1907.13623
Harper R Grimsley, Sophia E Economou, Edwin Barnes et Nicholas J Mayhall. Un algorithme variationnel adaptatif pour des simulations moléculaires exactes sur un ordinateur quantique. Nature comm., 10 (1) : 1–9, 2019. 10.1038/s41467-018-07090-4. URL https://doi.org/10.1038/s41467-019-10988-2.
https://doi.org/10.1038/s41467-018-07090-4
Charles Hadfield. Ombres de pauli adaptatives pour l'estimation de l'énergie, 2021. URL https://doi.org/10.48550/arXiv.2105.12207.
https:///doi.org/10.48550/arXiv.2105.12207
Charles Hadfield, Sergey Bravyi, Rudy Raymond et Antonio Mezzacapo. Mesures d'hamiltoniens quantiques avec des ombres classiques biaisées localement. Communications en physique mathématique, 391 (3): 951–967, 2022. 10.1007/s00220-022-04343-8. URL https://doi.org/10.1007/s00220-022-04343-8.
https://doi.org/10.1007/s00220-022-04343-8
Cornelius Hempel, Christine Maier, Jonathan Romero, Jarrod McClean, Thomas Monz, Heng Shen, Petar Jurcevic, Ben P. Lanyon, Peter Love, Ryan Babbush, Alán Aspuru-Guzik, Rainer Blatt et Christian F. Roos. Calculs de chimie quantique sur un simulateur quantique à ions piégés. Phys. Rév. X, 8 : 031022, juillet 2018. 10.1103/PhysRevX.8.031022. URL https://doi.org/10.1103/PhysRevX.8.031022.
https: / / doi.org/ 10.1103 / PhysRevX.8.031022
Oscar Higgott, Daochen Wang et Stephen Brierley. Calcul quantique variationnel des états excités. Quantique, 3 : 156, juillet 2019. ISSN 2521-327X. 10.22331/q-2019-07-01-156. URL https://doi.org/10.22331/q-2019-07-01-156.
https://doi.org/10.22331/q-2019-07-01-156
Stefan Hillmich, Charles Hadfield, Rudy Raymond, Antonio Mezzacapo et Robert Wille. Diagrammes de décision pour les mesures quantiques avec des circuits peu profonds. In 2021 IEEE International Conference on Quantum Computing and Engineering (QCE), pages 24–34, 2021. 10.1109/QCE52317.2021.00018. URL https://doi.org/10.1109/QCE52317.2021.00018.
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 (10): 1050–1057, 2020. 10.1038/s41567-020-0932-7. URL https://doi.org/10.1038/s41567-020-0932-7.
https://doi.org/10.1038/s41567-020-0932-7
Hsin-Yuan Huang, Kishor Bharti et Patrick Rebentrost. Algorithmes quantiques à court terme pour les systèmes linéaires d'équations avec fonctions de perte de régression. New Journal of Physics, 23 (11): 113021, novembre 2021a. 10.1088/1367-2630/ac325f. URL https://doi.org/10.1088/1367-2630/ac325f.
https:///doi.org/10.1088/1367-2630/ac325f
Hsin-Yuan Huang, Richard Kueng et John Preskill. Estimation efficace des observables de pauli par dérandomisation. Phys. Rev. Lett., 127 : 030503, juillet 2021b. 10.1103/PhysRevLett.127.030503. URL https://doi.org/10.1103/PhysRevLett.127.030503.
https: / / doi.org/ 10.1103 / PhysRevLett.127.030503
William J Huggins, Jarrod R McClean, Nicholas C Rubin, Zhang Jiang, Nathan Wiebe, K Birgitta Whaley et Ryan Babbush. Mesures efficaces et résistantes au bruit pour la chimie quantique sur des ordinateurs quantiques à court terme. npj Quantum Information, 7 (1) : 1–9, 2021. 10.1038/s41534-020-00341-7. URL https://doi.org/10.1038/s41534-020-00341-7.
https://doi.org/10.1038/s41534-020-00341-7
Artur F Izmaylov, Tzu-Ching Yen, Robert A Lang et Vladyslav Verteletskyi. Approche de partitionnement unitaire du problème de mesure dans la méthode du solveur propre quantique variationnel. Journal de théorie chimique et de calcul, 16 (1): 190–195, 2019a. 10.1021/acs.jctc.9b00791. URL https://doi.org/10.1021/acs.jctc.9b00791.
https: / / doi.org/ 10.1021 / acs.jctc.9b00791
Artur F Izmaylov, Tzu-Ching Yen et Ilya G Ryabinkin. Réviser le processus de mesure dans le solveur propre quantique variationnel : est-il possible de réduire le nombre d'opérateurs mesurés séparément ? Science chimique, 10 (13): 3746–3755, 2019b. 10.1039/C8SC05592K. URL https://doi.org/10.1039/C8SC05592K.
https: / / doi.org/ 10.1039 / C8SC05592K
Andrew Jena, Scott Genin et Michele Mosca. Partitionnement de Pauli par rapport aux ensembles de portes, 2019. URL https://doi.org/10.48550/arXiv.1907.07859.
https:///doi.org/10.48550/arXiv.1907.07859
Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow et Jay M Gambetta. Solveur propre quantique variationnel à efficacité matérielle pour les petites molécules et les aimants quantiques. Nature, 549 (7671) : 242–246, 2017. 10.1038/nature23879. URL https://doi.org/10.1038/nature23879.
https: / / doi.org/ 10.1038 / nature23879
Ying Li et Simon C. Benjamin. Simulateur quantique variationnel efficace incorporant une minimisation active des erreurs. Phys. Rév. X, 7 : 021050, juin 2017. 10.1103/PhysRevX.7.021050. URL https://doi.org/10.1103/PhysRevX.7.021050.
https: / / doi.org/ 10.1103 / PhysRevX.7.021050
Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan et Lei Wang. Solveur propre quantique variationnel avec moins de qubits. Phys. Rev. Research, 1 : 023025, septembre 2019. 10.1103/PhysRevResearch.1.023025. URL https://doi.org/10.1103/PhysRevResearch.1.023025.
https: / / doi.org/ 10.1103 / PhysRevResearch.1.023025
Il Ma, Marco Govoni et Giulia Galli. Simulations quantiques de matériaux sur des ordinateurs quantiques à court terme. npj Computational Materials, 6 (1): 1–8, 2020. 10.1038/s41524-020-00353-z. URL https://doi.org/10.1038/s41524-020-00353-z.
https: / / doi.org/ 10.1038 / s41524-020-00353-z
Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin et Xiao Yuan. Simulation quantique variationnelle basée sur l'ansatz de l'évolution temporelle imaginaire. npj Quantum Information, 5 (1): 1–6, 2019. 10.1038/s41534-019-0187-2. URL https://doi.org/10.1038/s41534-019-0187-2.
https://doi.org/10.1038/s41534-019-0187-2
Sam McArdle, Suguru Endo, Alán Aspuru-Guzik, Simon C. Benjamin et Xiao Yuan. Chimie computationnelle quantique. Rév. Mod. Phys., 92 : 015003, mars 2020. 10.1103/RevModPhys.92.015003. URL https://doi.org/10.1103/RevModPhys.92.015003.
https: / / doi.org/ 10.1103 / RevModPhys.92.015003
Jarrod R McClean, Jonathan Romero, Ryan Babbush et Alán Aspuru-Guzik. La théorie des algorithmes variationnels hybrides quantiques-classiques. New Journal of Physics, 18 (2): 023023, février 2016. 10.1088/1367-2630/18/2/023023. URL https://doi.org/10.1088/1367-2630/18/2/023023.
https://doi.org/10.1088/1367-2630/18/2/023023
Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter et Wibe A de Jong. Hiérarchie hybride quantique-classique pour l'atténuation de la décohérence et la détermination des états excités. Examen physique A, 95 (4): 042308, 2017. URL https://doi.org/10.1103/PhysRevA.95.042308.
https: / / doi.org/ 10.1103 / PhysRevA.95.042308
Jarrod R McClean, Zhang Jiang, Nicholas C Rubin, Ryan Babbush et Hartmut Neven. Décodage des erreurs quantiques avec des expansions de sous-espace. Nature Communications, 11 (1) : 1–9, 2020. 10.1038/s41467-020-14341-w. URL https://doi.org/10.1038/s41467-020-14341-w.
https: / / doi.org/ 10.1038 / s41467-020-14341-w
Nikolaj Moll, Panagiotis Barkoutsos, Lev S Bishop, Jerry M Chow, Andrew Cross, Daniel J Egger, Stefan Filipp, Andreas Fuhrer, Jay M Gambetta, Marc Ganzhorn, et al. Optimisation quantique à l'aide d'algorithmes variationnels sur des dispositifs quantiques à court terme. Science et technologie quantiques, 3 (3): 030503, 2018. 10.1088/2058-9565/aab822. URL https://doi.org/10.1088/2058-9565/aab822.
https: / / doi.org/ 10.1088 / 2058-9565 / aab822
Ken M Nakanishi, Kosuke Mitarai et Keisuke Fujii. Solveur propre quantique variationnel à recherche de sous-espace pour les états excités. Physical Review Research, 1 (3): 033062, 2019. 10.1103/PhysRevResearch.1.033062. URL https://doi.org/10.1103/PhysRevResearch.1.033062.
https: / / doi.org/ 10.1103 / PhysRevResearch.1.033062
Bryan O'Gorman, William J Huggins, Eleanor G Rieffel et K Birgitta Whaley. Réseaux d'échange généralisés pour l'informatique quantique à court terme, 2019. URL https://doi.org/10.48550/arXiv.1905.05118.
https:///doi.org/10.48550/arXiv.1905.05118
PJJ O'Malley, R. Babbush, ID Kivlichan, J. Romero, JR McClean, R. Barends, J. Kelly, P. Roushan, A. Tranter, N. Ding, B. Campbell, Y. Chen, Z. Chen , B. Chiaro, A. Dunsworth, AG Fowler, E. Jeffrey, E. Lucero, A. Megrant, JY Mutus, M. Neeley, C. Neill, C. Quintana, D. Sank, A. Vainsencher, J. Wenner , TC White, PV Coveney, PJ Love, H. Neven, A. Aspuru-Guzik et JM Martinis. Simulation quantique évolutive des énergies moléculaires. Phys. Rév. X, 6 : 031007, juillet 2016. 10.1103/PhysRevX.6.031007. URL https://doi.org/10.1103/PhysRevX.6.031007.
https: / / doi.org/ 10.1103 / PhysRevX.6.031007
Matthew Otten et Stephen K Gray. Comptabilisation des erreurs dans les algorithmes quantiques via la réduction des erreurs individuelles. Npj Quantum Inf., 5 (1): 11, 2019. 10.1038/s41534-019-0125-3. URL https://doi.org/10.1038/s41534-019-0125-3.
https://doi.org/10.1038/s41534-019-0125-3
Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik et Jeremy L O'brien. Un solveur de valeurs propres variationnel sur un processeur quantique photonique. Nature comm., 5 : 4213, 2014. 10.1038/ncomms5213. URL https://doi.org/10.1038/ncomms5213.
https: / / doi.org/ 10.1038 / ncomms5213
John Preskill. L'informatique quantique à l'ère nisq et au-delà. Quantique, 2 : 79, 2018. 10.22331/q-2018-08-06-79. URL https://doi.org/10.22331/q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79
Google AI Quantum, collaborateurs*†, Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Sergio Boixo, Michael Broughton, Bob B Buckley, et al. Hartree-fock sur un ordinateur quantique supraconducteur qubit. Science, 369 (6507) : 1084–1089, 2020. 10.1126/science.abb9811. URL https://doi.org/10.1126/science.abb9811.
https: / / doi.org/ 10.1126 / science.abb9811
Nicholas C Rubin, Ryan Babbush et Jarrod McClean. Application des contraintes marginales fermioniques aux algorithmes quantiques hybrides. New Journal of Physics, 20 (5): 053020, mai 2018. 10.1088/1367-2630/aab919. URL https://doi.org/10.1088/1367-2630/aab919.
https: / / doi.org/ 10.1088 / 1367-2630 / aab919
Ariel Shlosberg, Andrew J. Jena, Priyanka Mukhopadhyay, Jan F. Haase, Felix Leditzky et Luca Dellantonio. Estimation adaptative des observables quantiques, 2021. URL https://doi.org/10.48550/arXiv.2110.15339.
https:///doi.org/10.48550/arXiv.2110.15339
Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C. Benjamin et Ying Li. Atténuation des erreurs quantiques basée sur l'apprentissage. PRX Quantum, 2 : 040330, novembre 2021. 10.1103/PRXQuantum.2.040330. URL https://doi.org/10.1103/PRXQuantum.2.040330.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330
GI Struchalin, Ya. A. Zagorovskii, EV Kovlakov, SS Straupe et SP Kulik. Estimation expérimentale des propriétés d'état quantique à partir d'ombres classiques. PRX Quantum, 2 : 010307, janvier 2021. 10.1103/PRXQuantum.2.010307. URL https://doi.org/10.1103/PRXQuantum.2.010307.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010307
Jinzhao Sun, Xiao Yuan, Takahiro Tsunoda, Vlatko Vedral, Simon C. Benjamin et Suguru Endo. Atténuation du bruit réaliste dans les dispositifs quantiques bruyants pratiques d'échelle intermédiaire. Phys. Rev.Applied, 15 : 034026, mars 2021. 10.1103/PhysRevApplied.15.034026. URL https://doi.org/10.1103/PhysRevApplied.15.034026.
https: / / doi.org/ 10.1103 / PhysRevApplied.15.034026
Jinzhao Sun, Suguru Endo, Huiping Lin, Patrick Hayden, Vlatko Vedral et Xiao Yuan. Simulation quantique perturbatrice, septembre 2022. URL https://doi.org/10.1103/PhysRevLett.129.120505.
https: / / doi.org/ 10.1103 / PhysRevLett.129.120505
Kristan Temme, Sergey Bravyi et Jay M. Gambetta. Atténuation des erreurs pour les circuits quantiques à faible profondeur. Phys. Rev. Lett., 119 : 180509, novembre 2017. 10.1103/PhysRevLett.119.180509. URL https://doi.org/10.1103/PhysRevLett.119.180509.
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509
Giacomo Torlai, Guglielmo Mazzola, Juan Carrasquilla, Matthias Troyer, Roger Melko et Giuseppe Carleo. Tomographie d'état quantique de réseau de neurones. Nature Physics, 14 (5): 447–450, 2018. 10.1038/s41567-018-0048-5. URL https://doi.org/10.1038/s41567-018-0048-5.
https://doi.org/10.1038/s41567-018-0048-5
Giacomo Torlai, Guglielmo Mazzola, Giuseppe Carleo et Antonio Mezzacapo. Mesure précise des observables quantiques avec des estimateurs de réseaux de neurones. Phys. Rev. Res., 2 : 022060, juin 2020. 10.1103/PhysRevResearch.2.022060. URL https://doi.org/10.1103/PhysRevResearch.2.022060.
https: / / doi.org/ 10.1103 / PhysRevResearch.2.022060
Harish J Vallury, Michael A Jones, Charles D Hill et Lloyd CL Hollenberg. Correction des moments calculés quantiques aux estimations variationnelles. Quantique, 4 : 373, 2020. 10.22331/q-2020-12-15-373. URL https://doi.org/10.22331/q-2020-12-15-373.
https://doi.org/10.22331/q-2020-12-15-373
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. Le Journal de physique chimique, 152 (12): 124114, 2020. 10.1063/1.5141458. URL https://doi.org/10.1063/1.5141458.
https: / / doi.org/ 10.1063 / 1.5141458
Samson Wang, Enrico Fontana, Marco Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio et Patrick J Coles. Plateaux stériles induits par le bruit dans les algorithmes quantiques variationnels. Nature communications, 12 (1) : 1–11, 2021. 10.1038/s41467-021-27045-6. URL https://doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6
Dave Wecker, Matthew B. Hastings et Matthias Troyer. Progrès vers des algorithmes variationnels quantiques pratiques. Phys. Rév. A, 92 : 042303, octobre 2015. 10.1103/PhysRevA.92.042303. URL https://doi.org/10.1103/PhysRevA.92.042303.
https: / / doi.org/ 10.1103 / PhysRevA.92.042303
Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C. Benjamin et Xiao Yuan. Algorithmes variationnels pour l'algèbre linéaire. Bulletin scientifique, 2021. ISSN 2095-9273. 10.1016/j.scib.2021.06.023. URL https://doi.org/10.1016/j.scib.2021.06.023.
https: / / doi.org/ 10.1016 / j.scib.2021.06.023
Zhi-Cheng Yang, Armin Rahmani, Alireza Shabani, Hartmut Neven et Claudio Chamon. Optimisation d'algorithmes quantiques variationnels à l'aide du principe du minimum de pontryagin. Phys. Rév. X, 7 : 021027, mai 2017. 10.1103/PhysRevX.7.021027. URL https://doi.org/10.1103/PhysRevX.7.021027.
https: / / doi.org/ 10.1103 / PhysRevX.7.021027
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 (4) : 2400–2409, 2020. 10.1021/acs.jctc.0c00008. URL https://doi.org/10.1021/acs.jctc.0c00008.
https: / / doi.org/ 10.1021 / acs.jctc.0c00008
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, 2022. URL https://doi.org/10.48550/arXiv.2201.01471.
https:///doi.org/10.48550/arXiv.2201.01471
Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li et Simon C Benjamin. Théorie de la simulation quantique variationnelle. Quantique, 3 : 191, 2019. 10.22331/q-2019-10-07-191. URL https://doi.org/10.22331/q-2019-10-07-191.
https://doi.org/10.22331/q-2019-10-07-191
Xiao Yuan, Jinzhao Sun, Junyu Liu, Qi Zhao et You Zhou. Simulation quantique avec des réseaux de tenseurs hybrides. Phys. Rev. Lett., 127 : 040501, juillet 2021. 10.1103/PhysRevLett.127.040501. URL https://doi.org/10.1103/PhysRevLett.127.040501.
https: / / doi.org/ 10.1103 / PhysRevLett.127.040501
Ting Zhang, Jinzhao Sun, Xiao-Xu Fang, Xiao-Ming Zhang, Xiao Yuan et He Lu. Mesure expérimentale d'état quantique avec des ombres classiques. Phys. Rev. Lett., 127 : 200501, novembre 2021. 10.1103/PhysRevLett.127.200501. URL https://doi.org/10.1103/PhysRevLett.127.200501.
https: / / doi.org/ 10.1103 / PhysRevLett.127.200501
Zi-Jian Zhang, Jinzhao Sun, Xiao Yuan et Man-Hong Yung. Simulation hamiltonienne à faible profondeur par formule de produit adaptatif, 2020. URL https://doi.org/10.48550/arXiv.2011.05283.
https:///doi.org/10.48550/arXiv.2011.05283
Andrew Zhao, Andrew Tranter, William M. Kirby, Shu Fay Ung, Akimasa Miyake et Peter J. Love. Réduction des mesures dans les algorithmes quantiques variationnels. Phys. Rév. A, 101 : 062322, juin 2020. 10.1103/PhysRevA.101.062322. URL https://doi.org/10.1103/PhysRevA.101.062322.
https: / / doi.org/ 10.1103 / PhysRevA.101.062322
Andrew Zhao, Nicholas C. Rubin et Akimasa Miyake. Tomographie partielle fermionique via des ombres classiques. Phys. Rev. Lett., 127 : 110504, septembre 2021. 10.1103/PhysRevLett.127.110504. URL https://doi.org/10.1103/PhysRevLett.127.110504.
https: / / doi.org/ 10.1103 / PhysRevLett.127.110504
Leo Zhou, Sheng-Tao Wang, Soonwon Choi, Hannes Pichler et Mikhail D. Lukin. Algorithme d'optimisation approximative quantique : performances, mécanisme et mise en œuvre sur des appareils à court terme. Phys. Rév. X, 10 : 021067, juin 2020. 10.1103/PhysRevX.10.021067. URL https://doi.org/10.1103/PhysRevX.10.021067.
https: / / doi.org/ 10.1103 / PhysRevX.10.021067
Cité par
[1] Kouhei Nakaji, Suguru Endo, Yuichiro Matsuzaki et Hideaki Hakoshima, "Optimisation de la mesure de la simulation quantique variationnelle par ombre classique et dérandomisation", arXiv: 2208.13934.
[2] Dax Enshan Koh et Sabee Grewal, "Ombres classiques avec bruit", arXiv: 2011.11580.
[3] Andrew Zhao, Nicholas C. Rubin et Akimasa Miyake, "Tomographie partielle fermionique via des ombres classiques", Lettres d'examen physique 127 11, 110504 (2021).
[4] Daniel McNulty, Filip B. Maciejewski et Michał Oszmaniec, "Estimation des hamiltoniens quantiques via des mesures conjointes d'observables bruyants non commutants", arXiv: 2206.08912.
[5] 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).
[6] Junyu Liu, Zimu Li, Han Zheng, Xiao Yuan et Jinzhao Sun, "Vers un algorithme quantique variationnel de Jordan-Lee-Preskill", Apprentissage automatique : science et technologie 3 4, 045030 (2022).
[7] Bryce Fuller, Charles Hadfield, Jennifer R. Glick, Takashi Imamichi, Toshinari Itoko, Richard J. Thompson, Yang Jiao, Marna M. Kagele, Adriana W. Blom-Schieber, Rudy Raymond et Antonio Mezzacapo, "Approximate Solutions des problèmes combinatoires via les relaxations quantiques », arXiv: 2111.03167.
[8] Ting Zhang, Jinzhao Sun, Xiao-Xu Fang, Xiao-Ming Zhang, Xiao Yuan et He Lu, "Mesure expérimentale de l'état quantique avec des ombres classiques", Lettres d'examen physique 127 20, 200501 (2021).
[9] 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.
[10] Kaifeng Bu, Dax Enshan Koh, Roy J. Garcia et Arthur Jaffe, « Classical shadows with Pauli-invariant unitary ensembles », arXiv: 2202.03272.
[11] Weitang Li, Zigeng Huang, Changsu Cao, Yifei Huang, Zhigang Shuai, Xiaoming Sun, Jinzhao Sun, Xiao Yuan et Dingshun Lv, "Vers une simulation pratique d'intégration quantique de systèmes chimiques réalistes sur des ordinateurs quantiques à court terme", arXiv: 2109.08062.
[12] Ariel Shlosberg, Andrew J. Jena, Priyanka Mukhopadhyay, Jan F. Haase, Felix Leditzky et Luca Dellantonio, "Estimation adaptative des observables quantiques", arXiv: 2110.15339.
[13] Zi-Jian Zhang, Jinzhao Sun, Xiao Yuan et Man-Hong Yung, "Simulation hamiltonienne à faible profondeur par formule de produit adaptative", arXiv: 2011.05283.
[14] Yusen Wu, Bujiao Wu, Jingbo Wang et Xiao Yuan, "Avantage prouvé dans l'apprentissage de phase quantique via Quantum Kernel Alphatron", arXiv: 2111.07553.
[15] Daniel Miller, Laurin E. Fischer, Igor O. Sokolov, Panagiotis Kl. Barkoutsos et Ivano Tavernelli, « Circuits de diagonalisation adaptés au matériel », arXiv: 2203.03646.
[16] Zhenhuan Liu, Pei Zeng, You Zhou et Mile Gu, « Caractérisation de la corrélation dans les systèmes quantiques multipartites via des mesures aléatoires locales », Examen physique A 105 2, 022407 (2022).
[17] William Kirby, Mario Motta et Antonio Mezzacapo, « Méthode de Lanczos exacte et efficace sur un ordinateur quantique », arXiv: 2208.00567.
[18] Marco Majland, Rasmus Berg Jensen, Mads Greisen Højlund, Nikolaj Thomas Zinner et Ove Christiansen, "Optimisation d'exécution pour la structure vibrationnelle sur les ordinateurs quantiques : schémas de coordonnées et de mesure", arXiv: 2211.11615.
[19] Seonghoon Choi, Ignacio Loaiza et Artur F. Izmaylov, "Fragments fermioniques fluides pour optimiser les mesures quantiques des hamiltoniens électroniques dans le solveur propre quantique variationnel", arXiv: 2208.14490.
[20] Tianren Gu, Xiao Yuan et Bujiao Wu, "Schémas de mesure efficaces pour les systèmes bosoniques", arXiv: 2210.13585.
[21] You Zhou et Qing Liu, "Analyse des performances de l'estimation des ombres multi-coups", arXiv: 2212.11068.
[22] Xiao-Ming Zhang, Zixuan Huo, Kecheng Liu, Ying Li et Xiao Yuan, "Compilateur de circuits aléatoires non biaisé pour la simulation hamiltonienne dépendante du temps", arXiv: 2212.09445.
[23] 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.
[24] 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).
Les citations ci-dessus proviennent de SAO / NASA ADS (dernière mise à jour réussie 2023-01-13 11:36:07). 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 2023-01-13 11:36:05: Impossible de récupérer les données citées par 10.22331 / q-2023-01-13-896 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-2023-01-13-896/
- 1
- 10
- 11
- 2011
- 2014
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 28
- 39
- 67
- 7
- 70
- 77
- 9
- a
- au dessus de
- RÉSUMÉ
- accès
- Comptabilité
- infection
- propos
- Avancée
- Avantage
- avantages
- affiliations
- AI
- Alexandre
- algorithme
- algorithmes
- Tous
- permet
- selon une analyse de l’Université de Princeton
- ainsi que
- Application
- applications
- appliqué
- une approche
- Arthur
- auteur
- auteurs
- base
- Beijing
- Benjamin
- Au-delà
- BLOK
- Pause
- bord
- Bryan
- bulletin
- calculs
- cas
- challenge
- Charles
- la chimie
- chimie
- chen
- Choo
- Christine
- le cloud
- comm
- commentaire
- Chambre des communes
- Communications
- faire la navette
- compatibilité
- compatible
- complet
- calcul
- ordinateur
- Informatique
- ordinateurs
- informatique
- Congrès
- Qui consiste
- contraintes
- droit d'auteur
- Corrélation
- Prix
- réduction des coûts
- pourriez
- couverture
- critique
- Cross
- Courant
- Daniel
- données
- Dave
- David
- décision
- Le décryptage
- profond
- un
- détermination
- Compatibles
- diagrammes
- différent
- numérique
- discuter
- distinct
- pendant
- chacun
- Edwin
- efficace
- Electronique
- énergie
- ENGINEERING
- équations
- Ère
- erreur
- Erreurs
- estimations
- évolution
- excité
- existant
- exploits
- familles
- RAPIDE
- few
- fidélité
- Trouvez
- formule
- Framework
- de
- Frontières
- Fuller
- fonctions
- Portes
- Général
- génératif
- google ai
- gris
- considérablement
- Groupes
- garantie
- Matériel
- harvard
- ici
- hiérarchie
- Haute
- titulaires
- Comment
- How To
- HTTPS
- Hybride
- hybride quantique-classique
- et idées cadeaux
- IEEE
- imaginaire
- la mise en oeuvre
- importance
- améliorations
- in
- incorporation
- individuel
- d'information
- les établissements privés
- Intelligence
- intéressant
- International
- introduire
- intuitif
- IT
- Janvier
- Japon
- JavaScript
- Jennifer
- JOE
- John
- Johnson
- Jordanie
- Journal
- Juillet
- laboratoire
- LANGUE
- gros
- plus importantes
- Nom de famille
- apprentissage
- Laisser
- LION
- Li
- Licence
- Liste
- locales
- perte
- love
- click
- Aimants
- Maier
- de nombreuses
- Marco
- Martin
- matières premières.
- mathématique
- des mesures
- mesure
- mécanisme
- méthode
- méthodes
- Michael
- Miller
- minimisation
- réduisant au minimum
- minimum
- atténuer
- atténuation
- numériques jumeaux (digital twin models)
- moléculaire
- Des moments
- Mois
- (en fait, presque toutes)
- Nature
- réseaux
- Nouveauté
- Nicolas
- Bruit
- Ordinaire
- nombre
- OCT
- ONE
- ouvert
- opérateurs
- optimaux
- à mettre en œuvre pour gérer une entreprise rentable. Ce guide est basé sur trois décennies d'expérience
- l'optimisation
- original
- Autre
- Oxford
- Papier
- Pékin
- performant
- Peter
- phase
- Physique
- Physique
- Platon
- Intelligence des données Platon
- PlatonDonnées
- possible
- Méthode
- prévoir
- présence
- principe
- Problème
- d'ouvrabilité
- processus
- les process
- traitement
- Processeur
- Produit
- Progrès
- propriétés
- proposé
- fournir
- publié
- éditeur
- éditeurs
- Qi
- Quantum
- algorithmes quantiques
- Ordinateur quantique
- ordinateurs quantiques
- l'informatique quantique
- informations quantiques
- mesure quantique
- systèmes quantiques
- Qubit
- qubits
- ramie
- aléatoire
- Randomisé
- Rasmus
- réaliste
- récemment
- réduire
- inscrit
- reste
- exigent
- un article
- résilient
- résultat
- Avis
- Avis
- Richard
- routières
- ROBERT
- robuste
- Ryan
- Sam
- évolutive
- programme
- Schémas
- Sciences
- Science et technologie
- Scott Aaronson
- Série
- Sets
- Shadow
- peu profond
- Sharma
- Spectacles
- Siam
- significative
- OUI
- Simon
- simulation
- simulateur
- simultanément
- Taille
- petit
- faibles
- Société
- Solutions
- Résoudre
- spécial
- Région
- États
- Stephen
- les stratégies
- structure
- études
- Avec succès
- tel
- convient
- Dimanche
- supraconducteur
- combustion propre
- Système
- Technologie
- Les
- leur
- Tim
- fiable
- Titre
- à
- vers
- vers
- transformations
- sous
- compréhension
- unifiée
- Uni
- université
- Université d'Oxford
- a actualisé
- URL
- us
- d'habitude
- vérifier
- via
- le volume
- W
- qui
- blanc
- dans les
- Activités principales
- wu
- X
- an
- Yen
- YING
- Vous
- Yuan
- zéphyrnet
- zéro
- Zhao
