Solveur propre de spin quantique variationnel à symétrie améliorée

Solveur propre de spin quantique variationnel à symétrie améliorée

Horodatage: 19 janvier 2023 7:14 AM
La symétrie a amélioré le solveur propre de spin quantique variationnel PlatoBlockchain Data Intelligence. Recherche verticale. Aï.

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

1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 610051, Chine
2Institut central de recherche, laboratoires 2012, Huawei Technologies
3Département de physique, Université des sciences et technologies du Sud, Shenzhen 518055, Chine
4Institut de Shenzhen pour les sciences et l'ingénierie quantiques, Université des sciences et technologies du Sud, Shenzhen 518055, Chine

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

Abstract

Les algorithmes variationnels quantiques classiques constituent l’approche la plus prometteuse pour obtenir un avantage quantique sur les simulateurs quantiques à court terme. Parmi ces méthodes, le solveur propre quantique variationnel a attiré beaucoup d’attention ces dernières années. Bien qu’il soit très efficace pour simuler l’état fondamental des systèmes à N corps, sa généralisation aux états excités devient très exigeante en ressources. Nous montrons ici que ce problème peut être considérablement amélioré en exploitant les symétries de l'hamiltonien. L’amélioration est encore plus efficace pour les états propres d’énergie plus élevée. Nous introduisons deux méthodes pour incorporer les symétries. Dans la première approche, appelée préservation de la symétrie matérielle, toutes les symétries sont incluses dans la conception du circuit. Dans la deuxième approche, la fonction de coût est mise à jour pour inclure les symétries. L’approche matérielle préservant la symétrie surpasse en effet la seconde approche. Cependant, intégrer toutes les symétries dans la conception du circuit pourrait s’avérer extrêmement difficile. Par conséquent, nous introduisons une méthode hybride de préservation de la symétrie dans laquelle les symétries sont divisées entre le circuit et la fonction de coût classique. Cela permet d’exploiter l’avantage des symétries tout en évitant une conception de circuit sophistiquée.

Résumé populaire

Les simulateurs quantiques émergent rapidement sur diverses plates-formes physiques. Cependant, les simulateurs NISQ (Intermediate-Scale Quantum) bruyants actuels souffrent d’une initialisation imparfaite, d’un fonctionnement bruyant et d’une lecture défectueuse. Les algorithmes quantiques variationnels ont été proposés comme l’approche la plus prometteuse pour obtenir un avantage quantique sur les appareils NISQ. Dans ces algorithmes, la complexité est partagée entre un simulateur quantique paramétré et un optimiseur classique pour optimiser les paramètres du circuit. Par conséquent, dans les algorithmes quantiques variationnels, nous traitons à la fois de ressources quantiques et classiques, pour lesquelles nous devons être efficaces dans les deux cas. Ici, nous nous concentrons sur l’algorithme Variational Quantum Eigensolver (VQE), qui a été conçu pour générer de manière variationnelle les états propres de faible énergie d’un système à N corps sur un simulateur quantique. Nous exploitons les symétries du système pour améliorer l'efficacité des ressources dans un algorithme VQE. Deux méthodes sont étudiées : (i) incorporer les symétries dans la conception du circuit qui génère naturellement des états quantiques avec la symétrie souhaitée ; et (ii) ajouter des termes supplémentaires à la fonction de coût pour pénaliser les états quantiques sans la symétrie appropriée. Grâce à une analyse approfondie, nous montrons que la première approche est beaucoup plus efficace en termes de ressources, tant en ce qui concerne les ressources quantiques que classiques. Dans des scénarios réalistes, il peut être nécessaire d'utiliser un schéma hybride dans lequel certaines symétries sont incorporées dans le matériel et d'autres sont ciblées via la fonction de coût.

► Données BibTeX

► Références

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. « Simulation quantique variationnelle auto-vérifiée de modèles de réseau ». Nature 569, 355-360 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1177-4

Alán Aspuru-Guzik, Anthony D Dutoi, Peter J Love et Martin Head-Gordon. "Calcul quantique simulé des énergies moléculaires". Sciences 309, 1704-1707 (2005).
https: / / doi.org/ 10.1126 / science.1113479

Trygve Helgaker, Poul Jorgensen et Jeppe Olsen. « Théorie de la structure électronique moléculaire ». John Wiley & Fils, Ltd. (2013).
https: / / doi.org/ 10.1002 / 9781119019572

Roman Orus, Samuel Mugel et Enrique Lizaso. « L'informatique quantique pour la finance : aperçu et perspectives ». Commentaires dans Physics 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

Patrick Rebentrost, Brajesh Gupt et Thomas R Bromley. « Finance informatique quantique : tarification Monte Carlo des produits dérivés financiers ». Phys. Rév.A 98, 022321 (2018).
https: / / doi.org/ 10.1103 / physreva.98.022321

Daniel J Egger, Claudio Gambella, Jakub Marecek, Scott McFaddin, Martin Mevissen, Rudy Raymond, Andrea Simonetto, Stefan Woerner et Elena Yndurain. « L'informatique quantique pour la finance : état de l'art et perspectives d'avenir ». Transactions IEEE sur l'ingénierie quantique (2020).
https: / / doi.org/ 10.1109 / tqe.2020.3030314

Pranjal Bordia, Henrik Lüschen, Sebastian Scherg, Sarang Gopalakrishnan, Michael Knap, Ulrich Schneider et Immanuel Bloch. « Sonder la relaxation lente et la localisation à N corps dans les systèmes quasipériodiques bidimensionnels ». Phys. Rév.X 7, 041047 (2017).
https: / / doi.org/ 10.1103 / physrevx.7.041047

Michael Schreiber, Sean S Hodgman, Pranjal Bordia, Henrik P Lüschen, Mark H Fischer, Ronen Vosk, Ehud Altman, Ulrich Schneider et Immanuel Bloch. "Observation de la localisation à N corps de fermions en interaction dans un réseau optique quasi aléatoire". Sciences 349, 842-845 (2015).
https: / / doi.org/ 10.1126 / science.aaa7432

Christian Gross et Emmanuel Bloch. « Simulations quantiques avec des atomes ultrafroids dans des réseaux optiques ». Sciences 357, 995-1001 (2017).
https: / / doi.org/ 10.1126 / science.aal3837

Cornelius Hempel, Christine Maier, Jonathan Romero, Jarrod McClean, Thomas Monz, Heng Shen, Petar Jurcevic, Ben P Lanyon, Peter Love, Ryan Babbush et al. "Calculs de chimie quantique sur un simulateur quantique d'ions piégés". Phys. Rév.X 8, 031022 (2018).
https: / / doi.org/ 10.1103 / PhysRevX.8.031022

Ben P Lanyon, Cornelius Hempel, Daniel Nigg, Markus Müller, Rene Gerritsma, F Zähringer, Philipp Schindler, Julio T Barreiro, Markus Rambach, Gerhard Kirchmair et al. "Simulation quantique numérique universelle avec ions piégés". Sciences 334, 57-61 (2011).
https: / / doi.org/ 10.1126 / science.1208001

Alan Aspuru-Guzik et Philip Walther. « Simulateurs quantiques photoniques ». Nat. Phys. 8, 285-291 (2012).
https: / / doi.org/ 10.1038 / nphys2253

Jianwei Wang, Fabio Sciarrino, Anthony Laing et Mark G Thompson. « Technologies quantiques photoniques intégrées ». Nat. Photonique 14, 273-284 (2020).
https:/​/​doi.org/​10.1038/​s41566-019-0532-1

Toivo Hensgens, Takafumi Fujita, Laurens Janssen, Xiao Li, CJ Van Diepen, Christian Reichl, Werner Wegscheider, S Das Sarma et Lieven MK Vandersypen. "Simulation quantique d'un modèle de Fermi-Hubbard utilisant un réseau de points quantiques semi-conducteurs". Nature 548, 70-73 (2017).
https: / / doi.org/ 10.1038 / nature23022

J Salfi, JA Mol, R Rahman, G Klimeck, MY Simmons, LCL Hollenberg et S Rogge. "Simulation quantique du modèle Hubbard avec des atomes dopants dans le silicium". Nat. Commun. 7, 1–6 (2016).
https: / / doi.org/ 10.1038 / ncomms11342

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 sur un ordinateur quantique à qubits supraconducteurs". Sciences 369, 1084-1089 (2020).
https: / / doi.org/ 10.1126 / science.abb9811

Rami Barends, Alireza Shabani, Lucas Lamata, Julian Kelly, Antonio Mezzacapo, Urtzi Las Heras, Ryan Babbush, Austin G Fowler, Brooks Campbell, Yu Chen et al. « Calcul quantique adiabatique numérisé avec un circuit supraconducteur ». Nature 534, 222-226 (2016).
https: / / doi.org/ 10.1038 / nature17658

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

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 Alan Aspuru-Guzik. « Algorithmes quantiques bruyants à échelle intermédiaire ». Rév. Mod. Phys. 94 (2022).
https: / / doi.org/ 10.1103 / revmodphys.94.015004

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 variationnelles sur un processeur quantique photonique". Nat. Commun. 5, 1–7 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

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". Nat. Rév.Phys.Pages 1–20 (2021).
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

Jarrod R McClean, Jonathan Romero, Ryan Babbush et Alán Aspuru-Guzik. « La théorie des algorithmes hybrides variationnels quantiques-classiques ». Nouveau J. Phys. 18, 023023 (2016).
https:/​/​doi.org/​10.1088/​1367-2630/​18/​2/​023023

Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li et Simon C Benjamin. « Théorie de la simulation quantique variationnelle ». Quantique 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

Tao Xin, Xinfang Nie, Xiangyu Kong, Jingwei Wen, Dawei Lu et Jun Li. "Tomographie quantique à l'état pur via la méthode quantique-classique hybride variationnelle". Phys. Rév. Appliqué 13, 024013 (2020).
https: / / doi.org/ 10.1103 / PhysRevApplied.13.024013

Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe et Seth Lloyd. "Apprentissage automatique quantique". Nature 549, 195-202 (2017).
https: / / doi.org/ 10.1038 / nature23474

Srinivasan Arunachalam et Ronald de Wolf. «Une enquête sur la théorie de l'apprentissage quantique» (2017). arXiv :1701.06806.
arXiv: 1701.06806

Carlo Ciliberto, Mark Herbster, Alessandro Davide Ialongo, Massimiliano Pontil, Andrea Rocchetto, Simone Severini et Leonard Wossnig. « Apprentissage automatique quantique : une perspective classique ». Actes de la Royal Society A : Sciences mathématiques, physiques et de l'ingénierie 474, 20170551 (2018).
https: / / doi.org/ 10.1098 / rspa.2017.0551

Vedran Dunjko et Hans J Briegel. « Apprentissage automatique et intelligence artificielle dans le domaine quantique : bilan des progrès récents ». Rapports sur les progrès en physique 81, 074001 (2018).
https: / / doi.org/ 10.1088 / 1361-6633 / aab406

Edward Farhi et Hartmut Neven. "Classification avec des réseaux de neurones quantiques sur des processeurs à court terme" (2018). arXiv:1802.06002.
arXiv: 1802.06002

Maria Schuld et Nathan Killoran. "Apprentissage automatique quantique dans les espaces de Hilbert". Phys. Le révérend Lett. 122, 040504 (2019).
https: / / doi.org/ 10.1103 / physrevlett.122.040504

Edward Farhi, Jeffrey Goldstone et Sam Gutmann. "Un algorithme d'optimisation approchée quantique" (2014). arXiv:1411.4028.
arXiv: 1411.4028

Sergey Bravyi, Alexander Kliesch, Robert Koenig et Eugene Tang. "Obstacles à l'optimisation quantique variationnelle due à la protection de la symétrie". Phys. Le révérend Lett. 125, 260505 (2020).
https: / / doi.org/ 10.1103 / physrevlett.125.260505

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 Inf. 6, 1-10 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-00302-0

Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles et Andrew Sornborger. « Simulations longue durée avec haute fidélité sur matériel quantique » (2021). arXiv :2102.04313.
arXiv: 2102.04313

Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin et Xiao Yuan. "Simulation quantique variationnelle basée sur l'ansatz de l'évolution du temps imaginaire". Npj Quantum Inf. 5, 1–6 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai et Keisuke Fujii. « Simulateur quantique variationnel subspatial » (2019). arXiv : 1904.08566.
arXiv: 1904.08566

Joonsuk Huh, Sarah Mostame, Takatoshi Fujita, Man-Hong Yung et Alán Aspuru-Guzik. "Transformation de bain algébrique linéaire pour simuler des systèmes quantiques ouverts complexes". Nouveau J. Phys. 16, 123008 (2014).
https:/​/​doi.org/​10.1088/​1367-2630/​16/​12/​123008

Zixuan Hu, Rongxin Xia et Saber Kais. "Un algorithme quantique pour faire évoluer la dynamique quantique ouverte sur les appareils informatiques quantiques". Sci. Rep.10, 1-9 (2020).
https: / / doi.org/ 10.1038 / s41598-020-60321-x

Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin et Xiao Yuan. « Simulation quantique variationnelle des processus généraux ». Phys. Le révérend Lett. 125, 010501 (2020).
https: / / doi.org/ 10.1103 / physrevlett.125.010501

Tobias Haug et Kishor Bharti. « Simulateur assisté quantique généralisé » (2020). arXiv : 2011.14737.
arXiv: 2011.14737

Johannes Jakob Meyer, Johannes Borregaard et Jens Eisert. "Une boîte à outils variationnelle pour l'estimation quantique multi-paramètres". Npj Quantum Inf. 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y

Johannes Jakob Meyer. "Informations de Fisher dans les applications quantiques bruyantes à échelle intermédiaire". Quantique 5, 539 (2021).
https:/​/​doi.org/​10.22331/​q-2021-09-09-539

Jacob L. Beckey, M. Cerezo, Akira Sone et Patrick J. Coles. "Algorithme quantique variationnel pour estimer les informations quantiques des pêcheurs". Phys. Rév. Rés. 4 (2022).
https: / / doi.org/ 10.1103 / physrevresearch.4.013083

Raphael Kaubruegger, Pietro Silvi, Christian Kokail, Rick van Bijnen, Ana Maria Rey, Jun Ye, Adam M Kaufman et Peter Zoller. "Algorithmes variationnels de compression de spin sur des capteurs quantiques programmables". Phys. Le révérend Lett. 123, 260505 (2019).
https: / / doi.org/ 10.1103 / physrevlett.123.260505

Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki et Simon C Benjamin. « Métrologie quantique à états variationnels ». Nouveau J. Phys. 22, 083038 (2020).
https://​/​doi.org/​10.1088/​1367-2630/​ab965e

Ziqi Ma, Pranav Gokhale, Tian-Xing Zheng, Sisi Zhou, Xiaofei Yu, Liang Jiang, Peter Maurer et Frederic T. Chong. « Apprentissage de circuits adaptatifs pour la métrologie quantique ». En 2021, conférence internationale de l'IEEE sur l'informatique et l'ingénierie quantiques (QCE). IEEE (2021).

Tobias Haug et MS Kim. "Circuit quantique paramétré naturel". Phys. Rév.A 106, 052611 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.106.052611

Changsu Cao, Jiaqi Hu, Wengang Zhang, Xusheng Xu, Dechin Chen, Fan Yu, Jun Li, Hanshi Hu, Dingshun Lv et Man-Hong Yung. « Vers une simulation moléculaire plus large sur l'ordinateur quantique : systèmes jusqu'à 28 qubits accélérés par symétrie de groupe de points » (2021). arXiv :2109.02110.
arXiv: 2109.02110

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, 242–246 (2017).
https: / / doi.org/ 10.1038 / nature23879

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. "Estimation de l'énergie de l'état fondamental de la molécule d'eau sur un ordinateur quantique à ions piégés". Npj Quantum Inf. 6, 1–6 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-0259-3

Carlos Bravo-Prieto, Josep Lumbreras-Zarapico, Luca Tagliacozzo et José I. Latorre. "Mise à l'échelle de la profondeur du circuit quantique variationnel pour les systèmes de matière condensée". Quantique 4, 272 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-28-272

Chufan Lyu, Victor Monténégro et Abolfazl Bayat. "Algorithmes variationnels accélérés pour la simulation quantique numérique des états fondamentaux à plusieurs corps". Quantique 4, 324 (2020).
https:/​/​doi.org/​10.22331/​q-2020-09-16-324

Alexey Uvarov, Jacob D. Biamonte et Dmitry Yudin. « Solveur propre quantique variationnel pour les systèmes quantiques frustrés ». Phys. Rév.B 102, 075104 (2020).
https: / / doi.org/ 10.1103 / physrevb.102.075104

Ken N. Okada, Keita Osaki, Kosuke Mitarai et Keisuke Fujii. « Identification des phases topologiques à l'aide d'un solveur propre quantique variationnel optimisé de manière classique » (2022). arXiv :2202.02909.
arXiv: 2202.02909

Ming-Cheng Chen, Ming Gong, Xiaosi Xu, Xiao Yuan, Jian-Wen Wang, Can Wang, Chong Ying, Jin Lin, Yu Xu, Yulin Wu et al. "Démonstration de calcul quantique variationnel adiabatique avec un coprocesseur quantique supraconducteur". Phys. Le révérend Lett. 125, 180501 (2020).
https: / / doi.org/ 10.1103 / physrevlett.125.180501

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. "Optimisation approximative quantique des problèmes de graphes non planaires sur un processeur supraconducteur planaire". Nat. Phys. 17, 332-336 (2021).
https: / / doi.org/ 10.1038 / s41567-020-01105-y

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. « Optimisation quantique approximative du modèle d'ising à longue portée avec un simulateur quantique à ions piégés ». Actes de l'Académie nationale des sciences 117, 25396-25401 (2020).
https: / / doi.org/ 10.1073 / pnas.2006373117

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 (2020).
https: / / doi.org/ 10.1103 / physreva.101.062322

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". J. Chem. Calcul théorique. 16, 190-195 (2019).
https: / / doi.org/ 10.1021 / acs.jctc.9b00791

Vladyslav Verteletskyi, Tzu-Ching Yen et Artur F Izmaylov. "Optimisation des mesures dans le solveur propre quantique variationnel utilisant une couverture de clique minimale". J. Chem. Phys. 152, 124114 (2020).
https: / / doi.org/ 10.1063 / 1.5141458

Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi et Frederic T. Chong. « Coût de mesure $o(n^3)$ pour le solveur propre quantique variationnel sur les hamiltoniens moléculaires ». Transactions IEEE sur l'ingénierie quantique 1, 1-24 (2020).
https: / / doi.org/ 10.1109 / TQE.2020.3035814

Alexis Ralli, Peter J Love, Andrew Tranter et Peter V Coveney. « Implémentation de la réduction de mesure pour le solveur propre quantique variationnel ». Phys. Rév. Rés. 3, 033195 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.033195

Barnaby van Straaten et Bálint Koczor. « Coût de mesure des algorithmes quantiques variationnels sensibles aux métriques ». PRX Quantique 2, 030324 (2021).
https: / / doi.org/ 10.1103 / prxquantum.2.030324

Edward Grant, Leonard Wossnig, Mateusz Ostaszewski et Marcello Benedetti. "Une stratégie d'initialisation pour traiter les plateaux stériles dans les circuits quantiques paramétrés". Quantique 3, 214 (2019).
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

Tyler Volkoff et Patrick J Coles. "Grands gradients via corrélation dans des circuits quantiques paramétrés aléatoirement". Science quantique. Technologie. 6, 025008 (2021).
https://​/​doi.org/​10.1088/​2058-9565/​abd891

James Stokes, Josh Izaac, Nathan Killoran et Giuseppe Carleo. « Gradient naturel quantique ». Quantique 4, 269 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-25-269

Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev et Prasanna Balaprakash. "Apprendre à optimiser les circuits quantiques variationnels pour résoudre des problèmes combinatoires". Actes de la conférence AAAI sur l'intelligence artificielle 34, 2367-2375 (2020).
https: / / doi.org/ 10.1609 / aaai.v34i03.5616

András Gilyén, Srinivasan Arunachalam et Nathan Wiebe. "Optimiser les algorithmes d'optimisation quantique via un calcul de gradient quantique plus rapide". Dans les actes du trentième symposium annuel ACM-SIAM sur les algorithmes discrets. Pages 1425-1444. Société de mathématiques industrielles et appliquées (2019).
https: / / doi.org/ 10.1137 / 1.9781611975482.87

Mateusz Ostaszewski, Lea M. Trenkwalder, Wojciech Masarczyk, Eleanor Scerri et Vedran Dunjko. « Apprentissage par renforcement pour l'optimisation des architectures de circuits quantiques variationnels » (2021). arXiv :2103.16089.
arXiv: 2103.16089

Mohammad Pirhooshyaran et Tamas Terlaky. « Recherche de conception de circuits quantiques » (2020). arXiv :2012.04046.
arXiv: 2012.04046

Thomas Fosel, Murphy Yuezhen Niu, Florian Marquardt et Li Li. "Optimisation des circuits quantiques avec apprentissage par renforcement profond" (2021). arXiv:2103.07585.
arXiv: 2103.07585

Arthur G. Rattew, Shaohan Hu, Marco Pistoia, Richard Chen et Steve Wood. « Un résolveur propre quantique variationnel évolutif, résistant au bruit et efficace sur le plan matériel » (2019). arXiv:1910.09694.
arXiv: 1910.09694

D. Chivilikhin, A. Samarin, V. Ulyantsev, I. Iorsh, AR Oganov et O. Kyriienko. "Mog-vqe: Solveur propre quantique variationnel génétique multiobjectif" (2020). arXiv:2007.04424.
arXiv: 2007.04424

Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat et Xiaoting Wang. «Ansatz variationnelle quantique robuste et économe en ressources grâce à un algorithme évolutif». Phys. Rév.A 105, 052414 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.105.052414

János K Asbóth, László Oroszlány et András Pályi. « Le modèle su-schrieffer-heeger (ssh) ». Dans un court cours sur les isolants topologiques. Pages 1 à 22. Springer (2016).
https:/​/​doi.org/​10.1007/​978-3-319-25607-8

Ken M Nakanishi, Kosuke Mitarai et Keisuke Fujii. « Solveur propre quantique variationnel de recherche sous-spatiale pour les états excités ». Phys. Rév. Rés. 1, 033062 (2019).
https: / / doi.org/ 10.1103 / physrevresearch.1.033062

Oscar Higgott, Daochen Wang et Stephen Brierley. "Calcul quantique variationnel des états excités". Quantique 3, 156 (2019).
https:/​/​doi.org/​10.22331/​q-2019-07-01-156

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 ». Phys. Rév.A 95, 042308 (2017).
https: / / doi.org/ 10.1103 / physreva.95.042308

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. "Témoin des états propres pour la simulation quantique des spectres hamiltoniens". Sci. Av. 4, eaap9646 (2018).
https://​/​doi.org/​10.1126/​sciadv.aap9646

Walter Greiner et Berndt Müller. « Mécanique quantique : symétries ». Médias scientifiques et commerciaux Springer. (2012).
https:/​/​doi.org/​10.1007/​978-3-662-00902-4

Roy McWeeny. "Symétrie : Une introduction à la théorie des groupes et ses applications". Société de messagerie. (2002).

Ramiro Sagastizabal, Xavier Bonet-Monroig, Malay Singh, M Adriaan Rol, CC Bultink, Xiang Fu, CH Price, VP Ostroukh, N Muthusubramanian, A Bruno et al. "Atténuation expérimentale des erreurs via la vérification de la symétrie dans un solveur propre quantique variationnel". Phys. Rév.A 100, 010302 (2019).
https: / / doi.org/ 10.1103 / physreva.100.010302

Johannes Jakob Meyer, Marian Mularski, Elies Gil-Fuster, Antonio Anna Mele, Francesco Arzani, Alissa Wilms et Jens Eisert. « Exploiter la symétrie dans l’apprentissage automatique quantique variationnel » (2022). arXiv :2205.06217.
arXiv: 2205.06217

Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan et Lei Wang. "Résolveur propre quantique variationnel avec moins de qubits". Phys. Rév. Rés. 1, 023025 (2019).
https: / / doi.org/ 10.1103 / physrevresearch.1.023025

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. "Algorithmes quantiques pour les calculs de structures électroniques : hamiltonien particule-trou et expansions optimisées de la fonction d'onde". Phys. Rév.A 98, 022322 (2018).
https: / / doi.org/ 10.1103 / physreva.98.022322

Hefeng Wang, S Ashhab et Franco Nori. "Algorithme quantique efficace pour préparer des états de type système moléculaire sur un ordinateur quantique". Phys. Rév.A 79, 042335 (2009).
https: / / doi.org/ 10.1103 / physreva.79.042335

Kazuhiro Seki, Tomonori Shirakawa et Seiji Yunoki. « Solveur propre quantique variationnel adapté à la symétrie ». Phys. Rév.A 101, 052340 (2020).
https: / / doi.org/ 10.1103 / physreva.101.052340

Bryan T. Gard, Linghua Zhu, George S. Barron, Nicholas J. Mayhall, Sophia E. Economou et Edwin Barnes. "Circuits efficaces de préparation d'état préservant la symétrie pour l'algorithme de résolution propre quantique variationnel". Npj Quantum Inf. 6, 10 (2020).
https:/​/​doi.org/​10.1038/​s41534-019-0240-1

George S Barron, Bryan T Gard, Orien J Altman, Nicholas J Mayhall, Edwin Barnes et Sophia E Economou. "Préserver les symétries pour les solveurs propres quantiques variationnels en présence de bruit". Phys. Rév. Appl. 16, 034003 (2021).
https: / / doi.org/ 10.1103 / physrevapplied.16.034003

Feng Zhang, Niladri Gomes, Noah F Berthusen, Peter P Orth, Cai-Zhuang Wang, Kai-Ming Ho et Yong-Xin Yao. « Solveur propre quantique variationnel à circuit peu profond basé sur une partition spatiale de Hilbert inspirée de la symétrie pour les calculs de chimie quantique ». Phys. Rév. Rés. 3, 013039 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013039

Han Zheng, Zimu Li, Junyu Liu, Sergii Strelchuk et Risi Kondor. «Accélérer l'apprentissage des états quantiques grâce à des analyses quantiques convolutives équivariantes de groupe» (2021). arXiv :2112.07611.
arXiv: 2112.07611

Ilya G Ryabinkin, Scott N Genin et Artur F Izmaylov. « Solveur propre quantique variationnel contraint : moteur de recherche informatique quantique dans l'espace fock ». J. Chem. Calcul théorique. 15, 249-255 (2018).
https: / / doi.org/ 10.1021 / acs.jctc.8b00943

Andrew G Taube et Rodney J Bartlett. "Nouvelles perspectives sur la théorie unitaire des clusters couplés". Journal international de chimie quantique 106, 3393–3401 (2006).
https: / / doi.org/ 10.1002 / qua.21198

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. « Simulation quantique évolutive des énergies moléculaires ». Phys. Rév. X 6, 031007 (2016).
https: / / doi.org/ 10.1103 / physrevx.6.031007

Jonathan Romero, Ryan Babbush, Jarrod R McClean, Cornelius Hempel, Peter J Love et Alán Aspuru-Guzik. "Stratégies pour l'informatique quantique des énergies moléculaires utilisant l'ansatz de cluster couplé unitaire". Science quantique. Technologie. 4, 014008 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad3e4

Dave Wecker, Matthew B Hastings et Matthias Troyer. « Progrès vers des algorithmes variationnels quantiques pratiques ». Phys. Rév.A 92, 042303 (2015).
https: / / doi.org/ 10.1103 / physreva.92.042303

Dong C. Liu et Jorge Nocedal. « Sur la méthode bfgs à mémoire limitée pour une optimisation à grande échelle ». Programmation mathématique 45, 503-528 (1989).
https: / / doi.org/ 10.1007 / BF01589116

Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush et Hartmut Neven. «Plateaux arides dans les paysages de formation de réseaux neuronaux quantiques». Nat. Commun. 9, 1–6 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

Yoshifumi Nakata, Christoph Hirche, Ciara Morgan et Andreas Winter. « 2 plans unitaires à partir d'unités aléatoires en diagonale x et z ». J. Math. Phys. 58, 052203 (2017).
https: / / doi.org/ 10.1063 / 1.4983266

Farrokh Vatan et Colin Williams. "Circuits quantiques optimaux pour les portes générales à deux qubits". Phys. Rev. A 69, 032315 (2004).
https: / / doi.org/ 10.1103 / PhysRevA.69.032315

Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow et Jay M Gambetta. "Apprentissage supervisé avec des espaces de fonctionnalités améliorés quantiques". Nature 567, 209-212 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

Juan Carlos García-Escartín et Pedro Chamorro-Posada. "Le test de swap et l'effet hong-ou-mandel sont équivalents". Phys. Rév.A 87, 052330 (2013).
https: / / doi.org/ 10.1103 / physreva.87.052330

Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger et Patrick J Coles. "Apprendre l'algorithme quantique pour le chevauchement d'états". Nouveau J. Phys. 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

Kohdai Kuroiwa et Yuya O Nakagawa. "Méthodes de pénalité pour un solveur propre quantique variationnel". Phys. Rév. Rés. 3, 013197 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013197

Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung et Abolfazl Bayat. « Simulation quantique variationnelle de systèmes en interaction à longue portée » (2022). arXiv :2203.14281.
arXiv: 2203.14281

Chufan Lyu. "Codes pour le solveur propre de spin quantique variationnel amélioré par symétrie". 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

Cité par

[1] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat et Xiaoting Wang, « Ansatz variationnelle quantique robuste et économe en ressources grâce à un algorithme évolutionnaire », Examen physique A 105 5, 052414 (2022).

[2] Margarite L. LaBorde et Mark M. Wilde, « Algorithmes quantiques pour tester la symétrie hamiltonienne », Lettres d'examen physique 129 16, 160503 (2022).

[3] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung et Abolfazl Bayat, « Simulation quantique variationnelle de systèmes en interaction à longue portée », arXiv: 2203.14281.

[4] Arunava Majumder, Dylan Lewis et Sougato Bose, "Circuits quantiques variationnels pour les automates de portes multi-qubits", arXiv: 2209.00139.

[5] Raphael César de Souza Pimenta et Anibal Thiago Bezerra, « Revisiter les hamiltoniens en vrac de semi-conducteurs à l'aide d'ordinateurs quantiques », arXiv: 2208.10323.

Les citations ci-dessus proviennent de SAO / NASA ADS (dernière mise à jour réussie 2023-01-21 01:01:04). La liste peut être incomplète car tous les éditeurs ne fournissent pas de données de citation appropriées et complètes.

On Le service cité par Crossref aucune donnée sur la citation des œuvres n'a été trouvée (dernière tentative 2023-01-21 01:01:02).

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.

Horodatage:

Plus de Journal quantique