Symmetry Enhanced Variational Quantum Spin Eigensolver

Újra kiadta Platón

Követő: 0

Symmetry enhanced variational quantum spin eigensolver PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Chufan Lyu¹, Xusheng Xu², Man-Hong Yung^2,3,4, és Abolfazl Bayat¹

¹Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology, Chengdu 610051, Kína
²Központi Kutatóintézet, 2012 Labs, Huawei Technologies
³Physics Department, Southern University of Science and Technology, Shenzhen 518055, Kína
⁴Shenzhen Institute for Quantum Science and Engineering, Southern University of Science and Technology, Shenzhen 518055, Kína

Érdekesnek találja ezt a cikket, vagy szeretne megvitatni? Scite vagy hagyjon megjegyzést a SciRate-en.

Absztrakt

A variációs kvantum-klasszikus algoritmusok a legígéretesebb megközelítések a kvantumelőnyök elérésére a rövid távú kvantumszimulátorokon. Ezen módszerek közül a variációs kvantum-sajátmegoldó az elmúlt években nagy figyelmet keltett. Noha nagyon hatékony a soktestű rendszerek alapállapotának szimulálására, a gerjesztett állapotokra való általánosítása nagyon erőforrásigényessé válik. Itt megmutatjuk, hogy ez a kérdés jelentősen javítható a Hamilton szimmetriájának kihasználásával. A javítás még hatékonyabb a magasabb energiájú sajátállapotok esetén. Két módszert mutatunk be a szimmetriák beépítésére. Az első megközelítésben, amelyet hardveres szimmetria-megőrzésnek neveznek, az összes szimmetriát beépítik az áramkör tervezésébe. A második megközelítésben a költségfüggvény frissítésre kerül, hogy tartalmazza a szimmetriákat. A hardveres szimmetria-megőrző megközelítés valóban felülmúlja a második megközelítést. Az összes szimmetria integrálása az áramkör tervezésébe azonban rendkívül nagy kihívást jelenthet. Ezért bevezetünk egy hibrid szimmetria megőrzési módszert, amelyben a szimmetriákat felosztjuk az áramkör és a klasszikus költségfüggvény között. Ez lehetővé teszi a szimmetriák előnyeinek kihasználását, miközben megakadályozza a kifinomult áramkör-tervezést.

Népszerű összefoglaló

A kvantumszimulátorok gyorsan megjelennek a különböző fizikai platformokon. A jelenlegi zajos Intermediate-Scale Quantum (NISQ) szimulátorok azonban tökéletlen inicializálástól, zajos működéstől és hibás kiolvasástól szenvednek. A variációs kvantum algoritmusokat javasolták a legígéretesebb megközelítésnek a NISQ eszközök kvantumelőnyének elérésére. Ezekben az algoritmusokban a komplexitás fel van osztva egy paraméterezett kvantumszimulátor és egy klasszikus optimalizáló között, amely az áramkör paramétereit optimalizálja. Ezért a variációs kvantum algoritmusokban kvantum és klasszikus erőforrásokkal is foglalkozunk, mindkettő esetében hatékonynak kell lennünk. Itt a Variational Quantum Eigensolver (VQE) algoritmusra összpontosítunk, amelyet arra terveztek, hogy egy soktestű rendszer alacsony energiájú sajátállapotait variációs úton generálja kvantumszimulátoron. Kihasználjuk a rendszer szimmetriáit az erőforrás-hatékonyság javítására egy VQE algoritmusban. Két módszert vizsgálunk: (i) a szimmetriák beépítése az áramkör tervezésébe, amely természetesen generál kívánt szimmetriájú kvantumállapotokat; és (ii) extra kifejezések hozzáadása a költségfüggvényhez a megfelelő szimmetria nélküli kvantumállapotok szankcionálására. Kiterjedt elemzéssel megmutatjuk, hogy az első megközelítés sokkal erőforrás-hatékonyabb, mind a kvantum, mind a klasszikus erőforrások tekintetében. Reális forgatókönyvekben előfordulhat, hogy hibrid sémát kell használni, amelyben bizonyos szimmetriákat beépítenek a hardverbe, és néhányat a költségfüggvényen keresztül céloznak meg.

► BibTeX adatok

@article{Lyu2023symmetryenhanced, doi = {10.22331/q-2023-01-19-899}, url = {https://doi.org/10.22331/q-2023-01-19-899}, title = {Symmetry enhanced variational quantum spin eigensolver}, author = {Lyu, Chufan and Xu, Xusheng and Yung, Man-Hong and Bayat, Abolfazl}, journal = {{Quantum}}, issn = {2521-327X}, publisher = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, pages = {899}, month = jan, year = {2023}<br /> }

► Referenciák

[1] Christian Kokail, Christine Maier, Rick van Bijnen, Tiff Brydges, Manoj K Joshi, Petar Jurcevic, Christine A Muschik, Pietro Silvi, Rainer Blatt, Christian F Roos és mások. „Rácsmodellek önellenőrző variációs kvantumszimulációja”. Nature 569, 355–360 (2019).
https://doi.org/10.1038/s41586-019-1177-4

[2] Alán Aspuru-Guzik, Anthony D Dutoi, Peter J Love és Martin Head-Gordon. „Molekuláris energiák szimulált kvantumszámítása”. Science 309, 1704–1707 (2005).
https:///doi.org/10.1126/science.1113479

[3] Trygve Helgaker, Poul Jorgensen, and Jeppe Olsen. “Molecular electronic-structure theory”. John Wiley & Sons, Ltd. (2013).
https:///doi.org/10.1002/9781119019572

[4] Roman Orus, Samuel Mugel és Enrique Lizaso. „Kvantumszámítás a pénzügyekhez: Áttekintés és kilátások”. Reviews in Physics 4, 100028 (2019).
https:///doi.org/10.1016/j.revip.2019.100028

[5] Patrick Rebentrost, Brajesh Gupt, and Thomas R Bromley. “Quantum computational finance: Monte carlo pricing of financial derivatives”. Phys. Rev. A 98, 022321 (2018).
https:///doi.org/10.1103/physreva.98.022321

[6] Daniel J Egger, Claudio Gambella, Jakub Marecek, Scott McFaddin, Martin Mevissen, Rudy Raymond, Andrea Simonetto, Stefan Woerner és Elena Yndurain. „Kvantumszámítás a pénzügyek számára: a technika állása és a jövőbeli kilátások”. IEEE Transactions on Quantum Engineering (2020).
https:///doi.org/10.1109/tqe.2020.3030314

[7] Pranjal Bordia, Henrik Lüschen, Sebastian Scherg, Sarang Gopalakrishnan, Michael Knap, Ulrich Schneider, and Immanuel Bloch. “Probing slow relaxation and many-body localization in two-dimensional quasiperiodic systems”. Phys. Rev. X 7, 041047 (2017).
https:///doi.org/10.1103/physrevx.7.041047

[8] Michael Schreiber, Sean S Hodgman, Pranjal Bordia, Henrik P Lüschen, Mark H Fischer, Ronen Vosk, Ehud Altman, Ulrich Schneider, and Immanuel Bloch. “Observation of many-body localization of interacting fermions in a quasirandom optical lattice”. Science 349, 842–845 (2015).
https:///doi.org/10.1126/science.aaa7432

[9] Christian Gross és Immanuel Bloch. „Kvantumszimulációk ultrahideg atomokkal optikai rácsokban”. Science 357, 995–1001 (2017).
https:///doi.org/10.1126/science.aal3837

[10] Cornelius Hempel, Christine Maier, Jonathan Romero, Jarrod McClean, Thomas Monz, Heng Shen, Petar Jurcevic, Ben P Lanyon, Peter Love, Ryan Babbush, et al. “Quantum chemistry calculations on a trapped-ion quantum simulator”. Phys. Rev. X 8, 031022 (2018).
https:///doi.org/10.1103/PhysRevX.8.031022

[11] Ben P Lanyon, Cornelius Hempel, Daniel Nigg, Markus Müller, Rene Gerritsma, F Zähringer, Philipp Schindler, Julio T Barreiro, Markus Rambach, Gerhard Kirchmair, et al. “Universal digital quantum simulation with trapped ions”. Science 334, 57–61 (2011).
https:///doi.org/10.1126/science.1208001

[12] Alán Aspuru-Guzik and Philip Walther. “Photonic quantum simulators”. Nat. Phys. 8, 285–291 (2012).
https:///doi.org/10.1038/nphys2253

[13] Jianwei Wang, Fabio Sciarrino, Anthony Laing, and Mark G Thompson. “Integrated photonic quantum technologies”. Nat. Photonics 14, 273–284 (2020).
https://doi.org/10.1038/s41566-019-0532-1

[14] Toivo Hensgens, Takafumi Fujita, Laurens Janssen, Xiao Li, CJ Van Diepen, Christian Reichl, Werner Wegscheider, S Das Sarma, and Lieven MK Vandersypen. “Quantum simulation of a fermi–hubbard model using a semiconductor quantum dot array”. Nature 548, 70–73 (2017).
https:///doi.org/10.1038/nature23022

[15] J Salfi, JA Mol, R Rahman, G Klimeck, MY Simmons, LCL Hollenberg, and S Rogge. “Quantum simulation of the hubbard model with dopant atoms in silicon”. Nat. Commun. 7, 1–6 (2016).
https:///doi.org/10.1038/ncomms11342

[16] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Sergio Boixo, Michael Broughton, Bob B Buckley, David A Buell, et al. “Hartree-fock on a superconducting qubit quantum computer”. Science 369, 1084–1089 (2020).
https:///doi.org/10.1126/science.abb9811

[17] Rami Barends, Alireza Shabani, Lucas Lamata, Julian Kelly, Antonio Mezzacapo, Urtzi Las Heras, Ryan Babbush, Austin G Fowler, Brooks Campbell, Yu Chen, et al. “Digitized adiabatic quantum computing with a superconducting circuit”. Nature 534, 222–226 (2016).
https:///doi.org/10.1038/nature17658

[18] John Preskill. „Kvantumszámítástechnika a nisq-korszakban és azon túl”. Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79

[19] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong-Chuan Kwek, and Alán Aspuru-Guzik. “Noisy intermediate-scale quantum algorithms”. Rev. Mod. Phys. 94 (2022).
https:///doi.org/10.1103/revmodphys.94.015004

[20] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik, and Jeremy L O’brien. “A variational eigenvalue solver on a photonic quantum processor”. Nat. Commun. 5, 1–7 (2014).
https:///doi.org/10.1038/ncomms5213

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

[22] Jarrod R McClean, Jonathan Romero, Ryan Babbush, and Alán Aspuru-Guzik. “The theory of variational hybrid quantum-classical algorithms”. New J. Phys. 18, 023023 (2016).
https://doi.org/10.1088/1367-2630/18/2/023023

[23] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li és Simon C Benjamin. „A variációs kvantumszimuláció elmélete”. Quantum 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191

[24] Tao Xin, Xinfang Nie, Xiangyu Kong, Jingwei Wen, Dawei Lu, and Jun Li. “Quantum pure state tomography via variational hybrid quantum-classical method”. Phys. Rev. Applied 13, 024013 (2020).
https:///doi.org/10.1103/PhysRevApplied.13.024013

[25] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe és Seth Lloyd. „Kvantumgépi tanulás”. Nature 549, 195–202 (2017).
https:///doi.org/10.1038/nature23474

[26] Srinivasan Arunachalam and Ronald de Wolf. “A survey of quantum learning theory” (2017). arXiv:1701.06806.
arXiv: 1701.06806

[27] Carlo Ciliberto, Mark Herbster, Alessandro Davide Ialongo, Massimiliano Pontil, Andrea Rocchetto, Simone Severini, and Leonard Wossnig. “Quantum machine learning: a classical perspective”. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences 474, 20170551 (2018).
https:///doi.org/10.1098/rspa.2017.0551

[28] Vedran Dunjko és Hans J Briegel. „Gépi tanulás és mesterséges intelligencia a kvantumtartományban: a közelmúlt fejlődésének áttekintése”. Reports on Progress in Physics 81, 074001 (2018).
https:///doi.org/10.1088/1361-6633/aab406

[29] Edward Farhi és Hartmut Neven. „Osztályozás kvantumneurális hálózatokkal rövid távú processzorokon” (2018). arXiv:1802.06002.
arXiv: 1802.06002

[30] Maria Schuld and Nathan Killoran. “Quantum machine learning in feature hilbert spaces”. Phys. Rev. Lett. 122, 040504 (2019).
https:///doi.org/10.1103/physrevlett.122.040504

[31] Edward Farhi, Jeffrey Goldstone és Sam Gutmann. „A kvantumközelítő optimalizálási algoritmus” (2014). arXiv:1411.4028.
arXiv: 1411.4028

[32] Sergey Bravyi, Alexander Kliesch, Robert Koenig, and Eugene Tang. “Obstacles to variational quantum optimization from symmetry protection”. Phys. Rev. Lett. 125, 260505 (2020).
https:///doi.org/10.1103/physrevlett.125.260505

[33] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J Coles, and Andrew Sornborger. “Variational fast forwarding for quantum simulation beyond the coherence time”. Npj Quantum Inf. 6, 1–10 (2020).
https://doi.org/10.1038/s41534-020-00302-0

[34] Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles, and Andrew Sornborger. “Long-time simulations with high fidelity on quantum hardware” (2021). arXiv:2102.04313.
arXiv: 2102.04313

[35] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin, and Xiao Yuan. “Variational ansatz-based quantum simulation of imaginary time evolution”. Npj Quantum Inf. 5, 1–6 (2019).
https://doi.org/10.1038/s41534-019-0187-2

[36] Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai, and Keisuke Fujii. “Subspace variational quantum simulator” (2019). arXiv:1904.08566.
arXiv: 1904.08566

[37] Joonsuk Huh, Sarah Mostame, Takatoshi Fujita, Man-Hong Yung, and Alán Aspuru-Guzik. “Linear-algebraic bath transformation for simulating complex open quantum systems”. New J. Phys. 16, 123008 (2014).
https://doi.org/10.1088/1367-2630/16/12/123008

[38] Zixuan Hu, Rongxin Xia, and Sabre Kais. “A quantum algorithm for evolving open quantum dynamics on quantum computing devices”. Sci. Rep. 10, 1–9 (2020).
https:///doi.org/10.1038/s41598-020-60321-x

[39] Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin, and Xiao Yuan. “Variational quantum simulation of general processes”. Phys. Rev. Lett. 125, 010501 (2020).
https:///doi.org/10.1103/physrevlett.125.010501

[40] Tobias Haug and Kishor Bharti. “Generalized quantum assisted simulator” (2020). arXiv:2011.14737.
arXiv: 2011.14737

[41] Johannes Jakob Meyer, Johannes Borregaard, and Jens Eisert. “A variational toolbox for quantum multi-parameter estimation”. Npj Quantum Inf. 7, 1–5 (2021).
https:///doi.org/10.1038/s41534-021-00425-y

[42] Johannes Jakob Meyer. “Fisher information in noisy intermediate-scale quantum applications”. Quantum 5, 539 (2021).
https://doi.org/10.22331/q-2021-09-09-539

[43] Jacob L. Beckey, M. Cerezo, Akira Sone, and Patrick J. Coles. “Variational quantum algorithm for estimating the quantum fisher information”. Phys. Rev. Res. 4 (2022).
https:///doi.org/10.1103/physrevresearch.4.013083

[44] Raphael Kaubruegger, Pietro Silvi, Christian Kokail, Rick van Bijnen, Ana Maria Rey, Jun Ye, Adam M Kaufman, and Peter Zoller. “Variational spin-squeezing algorithms on programmable quantum sensors”. Phys. Rev. Lett. 123, 260505 (2019).
https:///doi.org/10.1103/physrevlett.123.260505

[45] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki, and Simon C Benjamin. “Variational-state quantum metrology”. New J. Phys. 22, 083038 (2020).
https:///doi.org/10.1088/1367-2630/ab965e

[46] Ziqi Ma, Pranav Gokhale, Tian-Xing Zheng, Sisi Zhou, Xiaofei Yu, Liang Jiang, Peter Maurer, and Frederic T. Chong. “Adaptive circuit learning for quantum metrology”. In 2021 IEEE International Conference on Quantum Computing and Engineering (QCE). IEEE (2021).

[47] Tobias Haug and M. S. Kim. “Natural parametrized quantum circuit”. Phys. Rev. A 106, 052611 (2022).
https:///doi.org/10.1103/PhysRevA.106.052611

[48] Changsu Cao, Jiaqi Hu, Wengang Zhang, Xusheng Xu, Dechin Chen, Fan Yu, Jun Li, Hanshi Hu, Dingshun Lv, and Man-Hong Yung. “Towards a larger molecular simulation on the quantum computer: Up to 28 qubits systems accelerated by point group symmetry” (2021). arXiv:2109.02110.
arXiv: 2109.02110

[49] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow és Jay M Gambetta. „Hardver-hatékony variációs kvantum-sajátmegoldó kis molekulákhoz és kvantummágnesekhez”. Nature 549, 242–246 (2017).
https:///doi.org/10.1038/nature23879

[50] Yunseong Nam, Jwo-Sy Chen, Neal C Pisenti, Kenneth Wright, Conor Delaney, Dmitri Maslov, Kenneth R Brown, Stewart Allen, Jason M Amini, Joel Apisdorf, et al. “Ground-state energy estimation of the water molecule on a trapped-ion quantum computer”. Npj Quantum Inf. 6, 1–6 (2020).
https://doi.org/10.1038/s41534-020-0259-3

[51] Carlos Bravo-Prieto, Josep Lumbreras-Zarapico, Luca Tagliacozzo, and José I. Latorre. “Scaling of variational quantum circuit depth for condensed matter systems”. Quantum 4, 272 (2020).
https://doi.org/10.22331/q-2020-05-28-272

[52] Chufan Lyu, Victor Montenegro, and Abolfazl Bayat. “Accelerated variational algorithms for digital quantum simulation of many-body ground states”. Quantum 4, 324 (2020).
https://doi.org/10.22331/q-2020-09-16-324

[53] Alexey Uvarov, Jacob D Biamonte, and Dmitry Yudin. “Variational quantum eigensolver for frustrated quantum systems”. Phys. Rev. B 102, 075104 (2020).
https:///doi.org/10.1103/physrevb.102.075104

[54] Ken N. Okada, Keita Osaki, Kosuke Mitarai, and Keisuke Fujii. “Identification of topological phases using classically-optimized variational quantum eigensolver” (2022). arXiv:2202.02909.
arXiv: 2202.02909

[55] Ming-Cheng Chen, Ming Gong, Xiaosi Xu, Xiao Yuan, Jian-Wen Wang, Can Wang, Chong Ying, Jin Lin, Yu Xu, Yulin Wu, et al. “Demonstration of adiabatic variational quantum computing with a superconducting quantum coprocessor”. Phys. Rev. Lett. 125, 180501 (2020).
https:///doi.org/10.1103/physrevlett.125.180501

[56] Matthew P Harrigan, Kevin J Sung, Matthew Neeley, Kevin J Satzinger, Frank Arute, Kunal Arya, Juan Atalaya, Joseph C Bardin, Rami Barends, Sergio Boixo, et al. “Quantum approximate optimization of non-planar graph problems on a planar superconducting processor”. Nat. Phys. 17, 332–336 (2021).
https:///doi.org/10.1038/s41567-020-01105-y

[57] Guido Pagano, Aniruddha Bapat, Patrick Becker, Katherine S Collins, Arinjoy De, Paul W Hess, Harvey B Kaplan, Antonis Kyprianidis, Wen Lin Tan, Christopher Baldwin, et al. “Quantum approximate optimization of the long-range ising model with a trapped-ion quantum simulator”. Proceedings of the National Academy of Sciences 117, 25396–25401 (2020).
https:///doi.org/10.1073/pnas.2006373117

[58] Andrew Zhao, Andrew Tranter, William M Kirby, Shu Fay Ung, Akimasa Miyake, and Peter J Love. “Measurement reduction in variational quantum algorithms”. Phys. Rev. A 101, 062322 (2020).
https:///doi.org/10.1103/physreva.101.062322

[59] Artur F Izmaylov, Tzu-Ching Yen, Robert A Lang, and Vladyslav Verteletskyi. “Unitary partitioning approach to the measurement problem in the variational quantum eigensolver method”. J. Chem. Theory Comput. 16, 190–195 (2019).
https:///doi.org/10.1021/acs.jctc.9b00791

[60] Vladyslav Verteletskyi, Tzu-Ching Yen, and Artur F Izmaylov. “Measurement optimization in the variational quantum eigensolver using a minimum clique cover”. J. Chem. Phys. 152, 124114 (2020).
https:///doi.org/10.1063/1.5141458

[61] Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi, and Frederic T. Chong. “$o(n^3)$ measurement cost for variational quantum eigensolver on molecular hamiltonians”. IEEE Transactions on Quantum Engineering 1, 1–24 (2020).
https:///doi.org/10.1109/TQE.2020.3035814

[62] Alexis Ralli, Peter J Love, Andrew Tranter, and Peter V Coveney. “Implementation of measurement reduction for the variational quantum eigensolver”. Phys. Rev. Res. 3, 033195 (2021).
https:///doi.org/10.1103/physrevresearch.3.033195

[63] Barnaby van Straaten és Koczor Bálint. „A metrika-tudatos variációs kvantum algoritmusok mérési költsége”. PRX Quantum 2, 030324 (2021).
https:///doi.org/10.1103/prxquantum.2.030324

[64] Edward Grant, Leonard Wossnig, Mateusz Ostaszewski és Marcello Benedetti. „Inicializálási stratégia meddő fennsíkok kezelésére parametrizált kvantumáramkörökben”. Quantum 3, 214 (2019).
https://doi.org/10.22331/q-2019-12-09-214

[65] Tyler Volkoff and Patrick J Coles. “Large gradients via correlation in random parameterized quantum circuits”. Quantum Sci. Technol. 6, 025008 (2021).
https:///doi.org/10.1088/2058-9565/abd891

[66] James Stokes, Josh Izaac, Nathan Killoran és Giuseppe Carleo. „Kvantum természetes gradiens”. Quantum 4, 269 (2020).
https://doi.org/10.22331/q-2020-05-25-269

[67] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Jurij Alekszejev és Prasanna Balaprakash. „A variációs kvantumáramkörök optimalizálásának megtanulása kombinatorikus problémák megoldására”. Proceedings of the AAAI Conference on Artificial Intelligence 34, 2367–2375 (2020).
https:///doi.org/10.1609/aaai.v34i03.5616

[68] András Gilyén, Srinivasan Arunachalam, and Nathan Wiebe. “Optimizing quantum optimization algorithms via faster quantum gradient computation”. In Proceedings of the Thirtieth Annual ACM-SIAM Symposium on Discrete Algorithms. Pages 1425–1444. Society for Industrial and Applied Mathematics (2019).
https:///doi.org/10.1137/1.9781611975482.87

[69] Mateusz Ostaszewski, Lea M. Trenkwalder, Wojciech Masarczyk, Eleanor Scerri, and Vedran Dunjko. “Reinforcement learning for optimization of variational quantum circuit architectures” (2021). arXiv:2103.16089.
arXiv: 2103.16089

[70] Mohammad Pirhooshyaran and Tamas Terlaky. “Quantum circuit design search” (2020). arXiv:2012.04046.
arXiv: 2012.04046

[71] Thomas Fösel, Murphy Yuezhen Niu, Florian Marquardt és Li Li. „Kvantumáramkör optimalizálás mély megerősítéses tanulással” (2021). arXiv:2103.07585.
arXiv: 2103.07585

[72] Arthur G. Rattew, Shaohan Hu, Marco Pistoia, Richard Chen és Steve Wood. „Domain-agnosztikus, zajálló, hardver-hatékony evolúciós variációs kvantum-sajátmegoldó” (2019). arXiv:1910.09694.
arXiv: 1910.09694

[73] D. Chivilikhin, A. Samarin, V. Uljantsev, I. Iorsh, AR Oganov és O. Kyriienko. „Mog-vqe: Multiobjektív genetikai variációs kvantum-sajátmegoldó” (2020). arXiv:2007.04424.
arXiv: 2007.04424

[74] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat, and Xiaoting Wang. “Robust resource-efficient quantum variational ansatz through an evolutionary algorithm”. Phys. Rev. A 105, 052414 (2022).
https:///doi.org/10.1103/PhysRevA.105.052414

[75] János K Asbóth, László Oroszlány, and András Pályi. “The su-schrieffer-heeger (ssh) model”. In A Short Course on Topological Insulators. Pages 1–22. Springer (2016).
https://doi.org/10.1007/978-3-319-25607-8

[76] Ken M Nakanishi, Kosuke Mitarai, and Keisuke Fujii. “Subspace-search variational quantum eigensolver for excited states”. Phys. Rev. Res. 1, 033062 (2019).
https:///doi.org/10.1103/physrevresearch.1.033062

[77] Oscar Higgott, Daochen Wang, and Stephen Brierley. “Variational quantum computation of excited states”. Quantum 3, 156 (2019).
https://doi.org/10.22331/q-2019-07-01-156

[78] Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter, and Wibe A De Jong. “Hybrid quantum-classical hierarchy for mitigation of decoherence and determination of excited states”. Phys. Rev. A 95, 042308 (2017).
https:///doi.org/10.1103/physreva.95.042308

[79] Raffaele Santagati, Jianwei Wang, Antonio A Gentile, Stefano Paesani, Nathan Wiebe, Jarrod R McClean, Sam Morley-Short, Peter J Shadbolt, Damien Bonneau, Joshua W Silverstone, et al. “Witnessing eigenstates for quantum simulation of hamiltonian spectra”. Sci. Adv. 4, eaap9646 (2018).
https:///doi.org/10.1126/sciadv.aap9646

[80] Walter Greiner and Berndt Müller. “Quantum mechanics: symmetries”. Springer Science & Business Media. (2012).
https://doi.org/10.1007/978-3-662-00902-4

[81] Roy McWeeny. “Symmetry: An introduction to group theory and its applications”. Courier Corporation. (2002).

[82] Ramiro Sagastizabal, Xavier Bonet-Monroig, Malay Singh, M Adriaan Rol, CC Bultink, Xiang Fu, CH Price, VP Ostroukh, N Muthusubramanian, A Bruno, et al. “Experimental error mitigation via symmetry verification in a variational quantum eigensolver”. Phys. Rev. A 100, 010302 (2019).
https:///doi.org/10.1103/physreva.100.010302

[83] Johannes Jakob Meyer, Marian Mularski, Elies Gil-Fuster, Antonio Anna Mele, Francesco Arzani, Alissa Wilms, and Jens Eisert. “Exploiting symmetry in variational quantum machine learning” (2022). arXiv:2205.06217.
arXiv: 2205.06217

[84] Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan, and Lei Wang. “Variational quantum eigensolver with fewer qubits”. Phys. Rev. Res. 1, 023025 (2019).
https:///doi.org/10.1103/physrevresearch.1.023025

[85] Panagiotis Kl Barkoutsos, Jerome F Gonthier, Igor Sokolov, Nikolaj Moll, Gian Salis, Andreas Fuhrer, Marc Ganzhorn, Daniel J Egger, Matthias Troyer, Antonio Mezzacapo, et al. “Quantum algorithms for electronic structure calculations: Particle-hole hamiltonian and optimized wave-function expansions”. Phys. Rev. A 98, 022322 (2018).
https:///doi.org/10.1103/physreva.98.022322

[86] Hefeng Wang, S Ashhab, and Franco Nori. “Efficient quantum algorithm for preparing molecular-system-like states on a quantum computer”. Phys. Rev. A 79, 042335 (2009).
https:///doi.org/10.1103/physreva.79.042335

[87] Kazuhiro Seki, Tomonori Shirakawa, and Seiji Yunoki. “Symmetry-adapted variational quantum eigensolver”. Phys. Rev. A 101, 052340 (2020).
https:///doi.org/10.1103/physreva.101.052340

[88] Bryan T. Gard, Linghua Zhu, George S. Barron, Nicholas J. Mayhall, Sophia E. Economou, and Edwin Barnes. “Efficient symmetry-preserving state preparation circuits for the variational quantum eigensolver algorithm”. Npj Quantum Inf. 6, 10 (2020).
https://doi.org/10.1038/s41534-019-0240-1

[89] George S Barron, Bryan T Gard, Orien J Altman, Nicholas J Mayhall, Edwin Barnes, and Sophia E Economou. “Preserving symmetries for variational quantum eigensolvers in the presence of noise”. Phys. Rev. Appl. 16, 034003 (2021).
https:///doi.org/10.1103/physrevapplied.16.034003

[90] Feng Zhang, Niladri Gomes, Noah F Berthusen, Peter P Orth, Cai-Zhuang Wang, Kai-Ming Ho, and Yong-Xin Yao. “Shallow-circuit variational quantum eigensolver based on symmetry-inspired hilbert space partitioning for quantum chemical calculations”. Phys. Rev. Res. 3, 013039 (2021).
https:///doi.org/10.1103/physrevresearch.3.013039

[91] Han Zheng, Zimu Li, Junyu Liu, Sergii Strelchuk, and Risi Kondor. “Speeding up learning quantum states through group equivariant convolutional quantum ansätze” (2021). arXiv:2112.07611.
arXiv: 2112.07611

[92] Ilya G Ryabinkin, Scott N Genin, and Artur F Izmaylov. “Constrained variational quantum eigensolver: Quantum computer search engine in the fock space”. J. Chem. Theory Comput. 15, 249–255 (2018).
https:///doi.org/10.1021/acs.jctc.8b00943

[93] Andrew G Taube and Rodney J Bartlett. “New perspectives on unitary coupled-cluster theory”. International journal of quantum chemistry 106, 3393–3401 (2006).
https:///doi.org/10.1002/qua.21198

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

[95] Jonathan Romero, Ryan Babbush, Jarrod R McClean, Cornelius Hempel, Peter J Love, and Alán Aspuru-Guzik. “Strategies for quantum computing molecular energies using the unitary coupled cluster ansatz”. Quantum Sci. Technol. 4, 014008 (2018).
https://doi.org/10.1088/2058-9565/aad3e4

[96] Dave Wecker, Matthew B Hastings és Matthias Troyer. „Előrelépés a gyakorlati kvantumvariációs algoritmusok felé”. Phys. Rev. A 92, 042303 (2015).
https:///doi.org/10.1103/physreva.92.042303

[97] Dong C. Liu and Jorge Nocedal. “On the limited memory bfgs method for large scale optimization”. Mathematical Programming 45, 503–528 (1989).
https:///doi.org/10.1007/BF01589116

[98] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush, and Hartmut Neven. “Barren plateaus in quantum neural network training landscapes”. Nat. Commun. 9, 1–6 (2018).
https://doi.org/10.1038/s41467-018-07090-4

[99] Yoshifumi Nakata, Christoph Hirche, Ciara Morgan, and Andreas Winter. “Unitary 2-designs from random x-and z-diagonal unitaries”. J. Math. Phys. 58, 052203 (2017).
https:///doi.org/10.1063/1.4983266

[100] Farrokh Vatan és Colin Williams. „Optimális kvantumáramkörök általános kétkbites kapukhoz”. Phys. Rev. A 69, 032315 (2004).
https:///doi.org/10.1103/PhysRevA.69.032315

[101] Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow és Jay M Gambetta. „Felügyelt tanulás kvantum-bővített jellemzőterekkel”. Nature 567, 209–212 (2019).
https://doi.org/10.1038/s41586-019-0980-2

[102] Juan Carlos Garcia-Escartin and Pedro Chamorro-Posada. “Swap test and hong-ou-mandel effect are equivalent”. Phys. Rev. A 87, 052330 (2013).
https:///doi.org/10.1103/physreva.87.052330

[103] Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger, and Patrick J Coles. “Learning the quantum algorithm for state overlap”. New J. Phys. 20, 113022 (2018).
https:///doi.org/10.1088/1367-2630/aae94a

[104] Kohdai Kuroiwa and Yuya O Nakagawa. “Penalty methods for a variational quantum eigensolver”. Phys. Rev. Res. 3, 013197 (2021).
https:///doi.org/10.1103/physrevresearch.3.013197

[105] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung, and Abolfazl Bayat. “Variational quantum simulation of long-range interacting systems” (2022). arXiv:2203.14281.
arXiv: 2203.14281

[106] Chufan Lyu. “Codes for symmetry enhanced variational quantum spin eigensolver”. 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

Idézi

[1] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat, and Xiaoting Wang, “Robust resource-efficient quantum variational ansatz through an evolutionary algorithm”, Fizikai áttekintés A 105 5, 052414 (2022).

[2] Margarite L. LaBorde and Mark M. Wilde, “Quantum Algorithms for Testing Hamiltonian Symmetry”, Physical Review Letters 129 16, 160503 (2022).

[3] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung, and Abolfazl Bayat, “Variational quantum simulation of long-range interacting systems”, arXiv: 2203.14281.

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

[5] Raphael César de Souza Pimenta and Anibal Thiago Bezerra, “Revisiting semiconductor bulk hamiltonians using quantum computers”, arXiv: 2208.10323.

A fenti idézetek innen származnak SAO/NASA HIRDETÉSEK (utolsó sikeres frissítés: 2023-01-21 01:01:04). Előfordulhat, hogy a lista hiányos, mivel nem minden kiadó ad megfelelő és teljes hivatkozási adatokat.

On Crossref által idézett szolgáltatás művekre hivatkozó adat nem található (utolsó próbálkozás 2023-01-21 01:01:02).

Ez a tanulmány a Quantumban jelent meg Creative Commons Nevezd meg 4.0 International (CC BY 4.0) engedély. A szerzői jog az eredeti szerzői jog tulajdonosainál marad, például a szerzőknél vagy intézményeiknél.

SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
Forrás: https://quantum-journal.org/papers/q-2023-01-19-899/

Időbélyeg: Január 19, 2023

Időbélyeg: 13. október 2022.

Szimmetriával továbbfejlesztett variációs kvantum spin sajátmegoldó

Újra kiadta Platón

Absztrakt

Népszerű összefoglaló

► BibTeX adatok

► Referenciák

Idézi

Még több Quantum Journal

A MAX-CUT folyamatos kvantumsétái forróak

Folyamatos-változó összefonódás központi erőn keresztül: alkalmazása a gravitációra kvantumtömegek között

Impulzus alapú Variational Quantum Optimal Control hibrid kvantumszámításhoz

Robusztus és hatékony Hamilton-tanulás

Kvantitatív kapcsolatok a különböző mérési kontextusok között

Megőrző térképek rendelése kvantumméréseken

Módosított dipól-dipól kölcsönhatások nanofotonikus hullámvezető jelenlétében

Szekvenciális hipotézisvizsgálat folyamatosan monitorozott kvantumrendszerekhez

Gyorsabb születési valószínűség becslés a kapu egyesítése és a keret optimalizálása révén

Rólunk

Vertical Search & Ai

Emelvény

Maradjon kapcsolatban

Fiók