Autorisolutore di spin quantistico variazionale potenziato dalla simmetria

Autorisolutore di spin quantistico variazionale potenziato dalla simmetria

Timestamp: 19 gennaio 2023 7:14
PlatoBlockchain Data Intelligence, einsolver di spin quantistici variazionali migliorati per la simmetria. Ricerca verticale. Ai.

Chufan Liu1, Xusheng Xu2, Man-Hong Yung2,3,4e Abolfazl Bayat1

1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 610051, Cina
2Istituto Centrale di Ricerca, 2012 Labs, Huawei Technologies
3Dipartimento di Fisica, Università Meridionale della Scienza e della Tecnologia, Shenzhen 518055, Cina
4Istituto di Shenzhen per la scienza e l'ingegneria quantistica, Università meridionale della scienza e della tecnologia, Shenzhen 518055, Cina

Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.

Astratto

Gli algoritmi variazionali quantistici classici rappresentano l’approccio più promettente per ottenere un vantaggio quantistico sui simulatori quantistici a breve termine. Tra questi metodi, l’autorisolutore quantistico variazionale ha attirato molta attenzione negli ultimi anni. Sebbene sia molto efficace per simulare lo stato fondamentale di sistemi a molti corpi, la sua generalizzazione agli stati eccitati richiede molte risorse. Qui mostriamo che questo problema può essere significativamente migliorato sfruttando le simmetrie dell'Hamiltoniana. Il miglioramento è ancora più efficace per gli autostati di energia più elevata. Introduciamo due metodi per incorporare le simmetrie. Nel primo approccio, chiamato preservazione della simmetria hardware, tutte le simmetrie sono incluse nella progettazione del circuito. Nel secondo approccio, la funzione di costo viene aggiornata per includere le simmetrie. L'approccio che preserva la simmetria hardware supera infatti il ​​secondo approccio. Tuttavia, integrare tutte le simmetrie nella progettazione del circuito potrebbe essere estremamente impegnativo. Pertanto, introduciamo un metodo di preservazione della simmetria ibrida in cui le simmetrie sono divise tra il circuito e la funzione di costo classica. Ciò consente di sfruttare il vantaggio delle simmetrie evitando al contempo una progettazione sofisticata del circuito.

Riepilogo popolare

I simulatori quantistici stanno rapidamente emergendo in varie piattaforme fisiche. Tuttavia, gli attuali simulatori rumorosi di Intermediate-Scale Quantum (NISQ) soffrono di inizializzazione imperfetta, funzionamento rumoroso e lettura difettosa. Gli algoritmi quantistici variazionali sono stati proposti come l'approccio più promettente per ottenere un vantaggio quantistico sui dispositivi NISQ. In questi algoritmi la complessità è divisa tra un simulatore quantistico parametrizzato e un ottimizzatore classico per ottimizzare i parametri del circuito. Pertanto, negli algoritmi quantistici variazionali abbiamo a che fare sia con risorse quantistiche che classiche, per entrambe dobbiamo essere efficienti. Qui, ci concentriamo sull'algoritmo Variational Quantum Eigensolver (VQE), che è stato progettato per generare variazionalmente gli autostati a bassa energia di un sistema a molti corpi su un simulatore quantistico. Sfruttiamo le simmetrie del sistema per migliorare l'efficienza delle risorse in un algoritmo VQE. Vengono studiati due metodi: (i) incorporare le simmetrie nella progettazione del circuito che genera naturalmente stati quantistici con la simmetria desiderata; e (ii) aggiungere termini aggiuntivi alla funzione di costo per penalizzare gli stati quantistici senza la simmetria rilevante. Attraverso un’analisi approfondita, mostriamo che il primo approccio è molto più efficiente in termini di risorse, rispetto sia alle risorse quantistiche che a quelle classiche. In scenari realistici, potrebbe essere necessario utilizzare uno schema ibrido in cui alcune simmetrie sono incorporate nell’hardware e altre vengono prese di mira attraverso la funzione di costo.

► dati BibTeX

► Riferimenti

, 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. “Simulazione quantistica variazionale autoverificante di modelli reticolari”. Natura 569, 355–360 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1177-4

, Alán Aspuru-Guzik, Anthony D Dutoi, Peter J Love e Martin Head-Gordon. "Calcolo quantistico simulato delle energie molecolari". Scienza 309, 1704–1707 (2005).
https: / / doi.org/ 10.1126 / science.1113479

, Trygve Helgaker, Poul Jorgensen e Jeppe Olsen. “Teoria della struttura elettronica molecolare”. John Wiley & Figli, Ltd. (2013).
https: / / doi.org/ 10.1002 / 9781119019572 mila

, Roman Orus, Samuel Mugel e Enrique Lizaso. “Informatica quantistica per la finanza: panoramica e prospettive”. Recensioni in Fisica 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

, Patrick Rebentrost, Brajesh Gupt e Thomas R. Bromley. “Finanza computazionale quantistica: pricing Monte Carlo dei derivati ​​finanziari”. Fis. Rev. 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 ed Elena Yndurain. “Il calcolo quantistico per la finanza: stato dell’arte e prospettive future”. Transazioni IEEE sull'ingegneria quantistica (2020).
https: / / doi.org/ 10.1109 / tqe.2020.3030314

, Pranjal Bordia, Henrik Lüschen, Sebastian Scherg, Sarang Gopalakrishnan, Michael Knap, Ulrich Schneider e Immanuel Bloch. "Sondaggio del rilassamento lento e della localizzazione a molti corpi in sistemi quasiperiodici bidimensionali". Fis. Rev.X7, 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 e Immanuel Bloch. "Osservazione della localizzazione a molti corpi di fermioni interagenti in un reticolo ottico quasi casuale". Scienza 349, 842–845 (2015).
https: / / doi.org/ 10.1126 / science.aaa7432

, Christian Gross e Immanuel Bloch. “Simulazioni quantistiche con atomi ultrafreddi in reticoli ottici”. Scienza 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. "Calcoli di chimica quantistica su un simulatore quantistico di ioni intrappolati". Fis. Rev.X8, 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. “Simulazione quantistica digitale universale con ioni intrappolati”. Scienza 334, 57–61 (2011).
https: / / doi.org/ 10.1126 / science.1208001

, Alan Aspuru-Guzik e Philip Walther. “Simulatori quantistici fotonici”. Naz. Fis. 8, 285–291 (2012).
https: / / doi.org/ 10.1038 / nphys2253

, Jianwei Wang, Fabio Sciarrino, Anthony Laing e Mark G Thompson. “Tecnologie quantistiche fotoniche integrate”. Naz. Fotonica 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 e Lieven MK Vandersypen. "Simulazione quantistica di un modello di Fermi-Hubbard utilizzando un array di punti quantici a semiconduttore". Natura 548, 70–73 (2017).
https: / / doi.org/ 10.1038 / nature23022

, J Salfi, JA Mol, R Rahman, G Klimeck, MY Simmons, LCL Hollenberg e S Rogge. “Simulazione quantistica del modello di Hubbard con atomi droganti nel silicio”. Naz. Comune. 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 su un computer quantistico a qubit superconduttore". Scienza 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. “Calcolo quantistico adiabatico digitalizzato con un circuito superconduttore”. Natura 534, 222–226 (2016).
https: / / doi.org/ 10.1038 / nature17658

, Giovanni Preskill. "L'informatica quantistica nell'era Nisq e oltre". Quantistico 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, e Alan Aspuru-Guzik. “Algoritmi quantistici rumorosi su scala intermedia”. Rev. Mod. Fis. 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 e Jeremy L O'brien. "Un risolutore di autovalori variazionali su un processore quantistico fotonico". Naz. Comune. 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. “Algoritmi quantistici variazionali”. Naz. Rev. Phys.Pagine 1–20 (2021).
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

, Jarrod R McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. "La teoria degli algoritmi quanto-classici ibridi variazionali". Nuovo J. Fis. 18, 023023 (2016).
https:/​/​doi.org/​10.1088/​1367-2630/​18/​2/​023023

, Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li e Simon C Benjamin. "Teoria della simulazione quantistica variazionale". Quantum 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

, Tao Xin, Xinfang Nie, Xiangyu Kong, Jingwei Wen, Dawei Lu e Jun Li. “Tomografia quantistica allo stato puro tramite metodo ibrido quantistico-classico variazionale”. Fis. Rev. Applicato 13, 024013 (2020).
https: / / doi.org/ 10.1103 / PhysRevApplied.13.024013

, Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe e Seth Lloyd. "Apprendimento automatico quantistico". Natura 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

, Srinivasan Arunachalam e Ronald de Wolf. “Un’indagine sulla teoria dell’apprendimento quantistico” (2017). arXiv:1701.06806.
arXiv: 1701.06806

, Carlo Ciliberto, Mark Herbster, Alessandro Davide Ialongo, Massimiliano Pontil, Andrea Rocchetto, Simone Severini e Leonard Wossnig. “Apprendimento automatico quantistico: una prospettiva classica”. Atti della Royal Society A: Scienze matematiche, fisiche e ingegneristiche 474, 20170551 (2018).
https: / / doi.org/ 10.1098 / rspa.2017.0551

, Vedran Dunjko e Hans J Briegel. "Apprendimento automatico e intelligenza artificiale nel dominio quantistico: una rassegna dei recenti progressi". Rapporti sui progressi in fisica 81, 074001 (2018).
https: / / doi.org/ 10.1088 / 1361-6633 / aab406

, Edward Farhi e Hartmut Neven. “Classificazione con reti neurali quantistiche su processori a breve termine” (2018). arXiv:1802.06002.
arXiv: 1802.06002

, Maria Schuld e Nathan Killoran. “Apprendimento automatico quantistico negli spazi di Hilbert”. Fis. Rev. Lett. 122, 040504 (2019).
https: / / doi.org/ 10.1103 / physrevlett.122.040504

, Edward Farhi, Jeffrey Goldstone e Sam Gutmann. "Un algoritmo di ottimizzazione approssimata quantistica" (2014). arXiv:1411.4028.
arXiv: 1411.4028

, Sergey Bravyi, Alexander Kliesch, Robert Koenig e Eugene Tang. "Ostacoli all'ottimizzazione quantistica variazionale derivanti dalla protezione della simmetria". Fis. Rev. Lett. 125, 260505 (2020).
https: / / doi.org/ 10.1103 / physrevlett.125.260505

, Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J Coles e Andrew Sornborger. “Avanzamento veloce variazionale per la simulazione quantistica oltre il tempo di coerenza”. 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 e Andrew Sornborger. “Simulazioni di lunga durata con alta fedeltà su hardware quantistico” (2021). arXiv:2102.04313.
arXiv: 2102.04313

, Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin e Xiao Yuan. "Simulazione quantistica variazionale basata su ansatz dell'evoluzione temporale immaginaria". Npj Quantum Inf. 5, 1–6 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

, Kentaro Heya, Ken M. Nakanishi, Kosuke Mitarai e Keisuke Fujii. “Simulatore quantistico variazionale del subspazio” (2019). arXiv:1904.08566.
arXiv: 1904.08566

, Joonsuk Huh, Sarah Mostame, Takatoshi Fujita, Man-Hong Yung e Alán Aspuru-Guzik. “Trasformazione del bagno lineare-algebrico per la simulazione di sistemi quantistici aperti complessi”. Nuovo J. Phys. 16, 123008 (2014).
https:/​/​doi.org/​10.1088/​1367-2630/​16/​12/​123008

, Zixuan Hu, Rongxin Xia e Saber Kais. "Un algoritmo quantistico per l'evoluzione della dinamica quantistica aperta su dispositivi di calcolo quantistico". Sci. Rep. 10, 1–9 (2020).
https: / / doi.org/ 10.1038 / s41598-020-60321-x

, Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin e Xiao Yuan. “Simulazione quantistica variazionale di processi generali”. Fis. Rev. Lett. 125, 010501 (2020).
https: / / doi.org/ 10.1103 / physrevlett.125.010501

, Tobias Haug e Kishor Bharti. “Simulatore quantistico generalizzato” (2020). arXiv:2011.14737.
arXiv: 2011.14737

, Johannes Jakob Meyer, Johannes Borregaard e Jens Eisert. "Uno strumento variazionale per la stima quantistica multiparametrica". Npj Quantum Inf. 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y

, Johannes Jakob Meyer. "Informazioni di Fisher in applicazioni quantistiche rumorose su scala intermedia". Quantico 5, 539 (2021).
https:/​/​doi.org/​10.22331/​q-2021-09-09-539

, Jacob L. Beckey, M. Cerezo, Akira Sone e Patrick J. Coles. "Algoritmo quantistico variazionale per la stima delle informazioni di Fisher quantistico". Fis. Rev. Ris. 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 e Peter Zoller. "Algoritmi di spin-squeezing variazionali su sensori quantistici programmabili". Fis. Rev. Lett. 123, 260505 (2019).
https: / / doi.org/ 10.1103 / physrevlett.123.260505

, Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki e Simon C Benjamin. “Metrologia quantistica a stati variazionali”. Nuovo 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 e Frederic T. Chong. “Apprendimento circuitale adattivo per la metrologia quantistica”. Nel 2021 Conferenza internazionale IEEE sull'informatica e l'ingegneria quantistica (QCE). IEEE (2021).

, Tobias Haug e MS Kim. “Circuito quantistico parametrizzato naturale”. Fis. Rev. 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 e Man-Hong Yung. “Verso una simulazione molecolare più ampia sul computer quantistico: sistemi fino a 28 qubit accelerati dalla simmetria del gruppo di punti” (2021). arXiv:2109.02110.
arXiv: 2109.02110

, Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow e Jay M Gambetta. "Autosolver quantistico variazionale efficiente in termini di hardware per piccole molecole e magneti quantistici". Natura 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. "Stima dell'energia dello stato fondamentale della molecola d'acqua su un computer quantistico a ioni intrappolati". Npj Quantum Inf. 6, 1–6 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-0259-3

, Carlos Bravo-Prieto, Josep Lumbreras-Zarapico, Luca Tagliacozzo e José I. Latorre. "Ridimensionamento della profondità del circuito quantistico variazionale per sistemi di materia condensata". Quantico 4, 272 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-28-272

, Chufan Lyu, Victor Montenegro e Abolfazl Bayat. "Algoritmi variazionali accelerati per la simulazione quantistica digitale di stati fondamentali a molti corpi". Quantico 4, 324 (2020).
https:/​/​doi.org/​10.22331/​q-2020-09-16-324

, Alexey Uvarov, Jacob D Biamonte e Dmitry Yudin. "Eigensolver quantistico variazionale per sistemi quantistici frustrati". Fis. Rev. B 102, 075104 (2020).
https: / / doi.org/ 10.1103 / physrevb.102.075104

, Ken N. Okada, Keita Osaki, Kosuke Mitarai e Keisuke Fujii. "Identificazione di fasi topologiche utilizzando un autosolutore quantistico variazionale ottimizzato in modo classico" (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. "Dimostrazione del calcolo quantistico variazionale adiabatico con un coprocessore quantistico superconduttore". Fis. Rev. 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. "Ottimizzazione quantistica approssimata di problemi di grafo non planare su un processore superconduttore planare". Naz. Fis. 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. "Ottimizzazione quantistica approssimata del modello ising a lungo raggio con un simulatore quantistico di ioni intrappolati". Atti dell'Accademia nazionale delle scienze 117, 25396–25401 (2020).
https: / / doi.org/ 10.1073 / pnas.2006373117

, Andrew Zhao, Andrew Tranter, William M Kirby, Shu Fay Ung, Akimasa Miyake e Peter J Love. “Riduzione della misura in algoritmi quantistici variazionali”. Fis. Rev. A 101, 062322 (2020).
https: / / doi.org/ 10.1103 / physreva.101.062322

, Artur F Izmaylov, Tzu-Ching Yen, Robert A Lang e Vladyslav Verteletskyi. “Approccio di partizionamento unitario al problema della misura nel metodo variazionale dell’autorisolvitore quantistico”. J. Chem. Calcolo della teoria. 16, 190–195 (2019).
https: / / doi.org/ 10.1021 / acs.jctc.9b00791

, Vladyslav Verteletskyi, Tzu-Ching Yen e Artur F Izmaylov. "Ottimizzazione della misurazione nell'autorisolutore quantistico variazionale utilizzando una copertura minima della cricca". J. Chem. Fis. 152, 124114 (2020).
https: / / doi.org/ 10.1063 / 1.5141458 mila

, Pranav Gokhale, Olivia Angiuli, Yongshan Ding, Kaiwen Gui, Teague Tomesh, Martin Suchara, Margaret Martonosi e Frederic T. Chong. "Costo di misurazione $ o (n ^ 3) $ per un autosolutore quantistico variazionale su hamiltoniani molecolari". Transazioni IEEE sull'ingegneria quantistica 1, 1–24 (2020).
https: / / doi.org/ 10.1109 / TQE.2020.3035814

, Alexis Ralli, Peter J Love, Andrew Tranter e Peter V Coveney. "Implementazione della riduzione della misurazione per l'autosolutore quantistico variazionale". Fis. Rev. Ris. 3, 033195 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.033195

, Barnaby van Straaten e Balint Koczor. "Costo di misurazione di algoritmi quantistici variazionali sensibili alla metrica". PRX Quantum 2, 030324 (2021).
https: / / doi.org/ 10.1103 / prxquantum.2.030324

, Edward Grant, Leonard Wossnig, Mateusz Ostaszewski e Marcello Benedetti. "Una strategia di inizializzazione per affrontare gli altipiani sterili nei circuiti quantistici parametrizzati". Quantum 3, 214 (2019).
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

, Tyler Volkoff e Patrick J. Coles. "Grandi gradienti tramite correlazione in circuiti quantistici a parametri casuali". Sci quantistica. Tecnologia. 6, 025008 (2021).
https://​/​doi.org/​10.1088/​2058-9565/​abd891

, James Stokes, Josh Izaac, Nathan Killoran e Giuseppe Carleo. “Gradiente naturale quantistico”. Quantico 4, 269 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-25-269

, Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev e Prasanna Balaprakash. “Imparare ad ottimizzare i circuiti quantistici variazionali per risolvere problemi combinatori”. Atti della conferenza AAAI sull'intelligenza artificiale 34, 2367–2375 (2020).
https: / / doi.org/ 10.1609 / aaai.v34i03.5616

, András Gilyén, Srinivasan Arunachalam e Nathan Wiebe. "Ottimizzazione degli algoritmi di ottimizzazione quantistica tramite un calcolo del gradiente quantistico più veloce". In Atti del trentesimo simposio annuale ACM-SIAM sugli algoritmi discreti. Pagine 1425–1444. Società per la matematica industriale e applicata (2019).
https: / / doi.org/ 10.1137 / 1.9781611975482.87 mila

, Mateusz Ostaszewski, Lea M. Trenkwalder, Wojciech Masarczyk, Eleanor Scerri e Vedran Dunjko. “Apprendimento per rinforzo per l'ottimizzazione di architetture di circuiti quantistici variazionali” (2021). arXiv:2103.16089.
arXiv: 2103.16089

, Mohammad Pirhooshyaran e Tamas Terlaky. “Ricerca di progettazione di circuiti quantistici” (2020). arXiv:2012.04046.
arXiv: 2012.04046

, Thomas Fosel, Murphy Yuezhen Niu, Florian Marquardt e Li Li. "Ottimizzazione quantistica del circuito con apprendimento per rinforzo profondo" (2021). arXiv:2103.07585.
arXiv: 2103.07585

, Arthur G. Rattew, Shaohan Hu, Marco Pistoia, Richard Chen e Steve Wood. "Un autosolver quantistico variazionale evolutivo indipendente dal dominio, resistente al rumore ed efficiente dall'hardware" (2019). arXiv:1910.09694.
arXiv: 1910.09694

, D. Chivilikhin, A. Samarin, V. Ulyantsev, I. Iorsh, AR Oganov e O. Kyriienko. "Mog-vqe: Eigensolver quantistico variazionale genetico multiobiettivo" (2020). arXiv:2007.04424.
arXiv: 2007.04424

, Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat e Xiaoting Wang. "Ansatz variazionale quantistico robusto ed efficiente in termini di risorse attraverso un algoritmo evolutivo". Fis. Rev. A 105, 052414 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.105.052414

, János K Asbóth, László Oroszlány e András Pályi. “Il modello su-schrieffer-heeger (ssh)”. In un breve corso sugli isolanti topologici. Pagine 1–22. Springer (2016).
https:/​/​doi.org/​10.1007/​978-3-319-25607-8

, Ken M. Nakanishi, Kosuke Mitarai e Keisuke Fujii. "Eigensolver quantistico variazionale per la ricerca nel subspazio per stati eccitati". Fis. Rev. Ris. 1, 033062 (2019).
https: / / doi.org/ 10.1103 / physrevresearch.1.033062

, Oscar Higgott, Daochen Wang e Stephen Brierley. “Calcolo quantistico variazionale degli stati eccitati”. Quantico 3, 156 (2019).
https:/​/​doi.org/​10.22331/​q-2019-07-01-156

, Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter e Wibe A De Jong. “Gerarchia ibrida quantistica-classica per la mitigazione della decoerenza e la determinazione degli stati eccitati”. Fis. Rev. 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. "Testimonianza di autostati per la simulazione quantistica di spettri hamiltoniani". Sci. Avv. 4, eaap9646 (2018).
https: / / doi.org/ 10.1126 / sciadv.aap9646

, Walter Greiner e Berndt Müller. “Meccanica quantistica: simmetrie”. Springer Scienza e media aziendali. (2012).
https:/​/​doi.org/​10.1007/​978-3-662-00902-4

, Roy McWeeny. "Simmetria: un'introduzione alla teoria dei gruppi e alle sue applicazioni". Società di corrieri. (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. "Mitigazione sperimentale degli errori tramite verifica della simmetria in un autosolutore quantistico variazionale". Fis. Rev. 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 e Jens Eisert. "Sfruttare la simmetria nell'apprendimento automatico quantistico variazionale" (2022). arXiv:2205.06217.
arXiv: 2205.06217

, Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan e Lei Wang. "Eigensolver quantistico variazionale con meno qubit". Fis. Rev. Ris. 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. "Algoritmi quantistici per il calcolo della struttura elettronica: hamiltoniana del buco delle particelle ed espansioni ottimizzate della funzione d'onda". Fis. Rev. A 98, 022322 (2018).
https: / / doi.org/ 10.1103 / physreva.98.022322

, Hefeng Wang, S Ashhab e Franco Nori. "Algoritmo quantistico efficiente per preparare stati simili a sistemi molecolari su un computer quantistico". Fis. Rev. A 79, 042335 (2009).
https: / / doi.org/ 10.1103 / physreva.79.042335

, Kazuhiro Seki, Tomonori Shirakawa e Seiji Yunoki. "Eigensolver quantistico variazionale adattato alla simmetria". Fis. Rev. 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 e Edwin Barnes. "Efficienti circuiti di preparazione dello stato che preservano la simmetria per l'algoritmo variazionale dell'autorisolutore quantistico". 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 e Sophia E Economou. "Preservare le simmetrie per autosolutori quantistici variazionali in presenza di rumore". Fis. Rev. 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 e Yong-Xin Yao. "Eigensolver quantistico variazionale a circuito superficiale basato sul partizionamento spaziale di Hilbert ispirato alla simmetria per calcoli chimici quantistici". Fis. Rev. Ris. 3, 013039 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013039

, Han Zheng, Zimu Li, Junyu Liu, Sergii Strelchuk e Risi Kondor. "Accelerare l'apprendimento degli stati quantistici attraverso l'analisi quantistica convoluzionale equivariante di gruppo" (2021). arXiv:2112.07611.
arXiv: 2112.07611

, Ilya G Ryabinkin, Scott N Genin e Artur F Izmaylov. "Eigensolver quantistico variazionale vincolato: motore di ricerca di computer quantistici nello spazio fock". J. Chem. Calcolo della teoria. 15, 249–255 (2018).
https: / / doi.org/ 10.1021 / acs.jctc.8b00943

, Andrew G Taube e Rodney J Bartlett. "Nuove prospettive sulla teoria dei cluster accoppiati unitari". Rivista internazionale di chimica quantistica 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. “Simulazione quantistica scalabile delle energie molecolari”. Fis. Rev.X6, 031007 (2016).
https: / / doi.org/ 10.1103 / physrevx.6.031007

, Jonathan Romero, Ryan Babbush, Jarrod R McClean, Cornelius Hempel, Peter J Love e Alán Aspuru-Guzik. “Strategie per il calcolo quantistico delle energie molecolari utilizzando il cluster ansatz accoppiato unitario”. Sci quantistica. Tecnologia. 4, 014008 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad3e4

, Dave Wecker, Matthew B Hastings e Matthias Troyer. “Progressi verso algoritmi variazionali quantistici pratici”. Fis. Rev. A 92, 042303 (2015).
https: / / doi.org/ 10.1103 / physreva.92.042303

, Dong C. Liu e Jorge Nocedal. "Sul metodo bfgs a memoria limitata per l'ottimizzazione su larga scala". Programmazione matematica 45, 503–528 (1989).
https: / / doi.org/ 10.1007 / BF01589116

, Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. "Altipiani sterili nei paesaggi di addestramento delle reti neurali quantistiche". Naz. Comune. 9, 1–6 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

, Yoshifumi Nakata, Christoph Hirche, Ciara Morgan e Andreas Winter. "Disegni unitari 2 da unitari x e z diagonali casuali". J. Matematica. Fis. 58, 052203 (2017).
https: / / doi.org/ 10.1063 / 1.4983266 mila

, Farrokh Vatan e Colin Williams. "Circuiti quantistici ottimali per porte generali a due qubit". 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 e Jay M Gambetta. "Apprendimento supervisionato con spazi di funzionalità potenziati quantisticamente". Natura 567, 209–212 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

, Juan Carlos Garcia-Escartin e Pedro Chamorro-Posada. “Il test dello swap e l’effetto Hong-ou-Mandel sono equivalenti”. Fis. Rev. A 87, 052330 (2013).
https: / / doi.org/ 10.1103 / physreva.87.052330

, Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger e Patrick J Coles. "Apprendimento dell'algoritmo quantistico per la sovrapposizione degli stati". Nuovo J. Phys. 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

, Kohdai Kuroiwa e Yuya O Nakagawa. "Metodi di penalità per un autorisolvitore quantistico variazionale". Fis. Rev. Ris. 3, 013197 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013197

, Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung e Abolfazl Bayat. “Simulazione quantistica variazionale di sistemi interagenti a lungo raggio” (2022). arXiv:2203.14281.
arXiv: 2203.14281

, Chufan Lyu. "Codici per l'autosolutore di spin quantistico variazionale potenziato dalla simmetria". 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

Citato da

[1] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat e Xiaoting Wang, "Ansatz quantistico variazionale robusto ed efficiente in termini di risorse attraverso un algoritmo evolutivo", Revisione fisica A 105 5, 052414 (2022).

[2] Margarite L. LaBorde e Mark M. Wilde, "Algoritmi quantistici per testare la simmetria hamiltoniana", Lettere di revisione fisica 129 16, 160503 (2022).

[3] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung e Abolfazl Bayat, "Simulazione quantistica variazionale di sistemi interagenti a lungo raggio", arXiv: 2203.14281.

[4] Arunava Majumder, Dylan Lewis e Sougato Bose, "Circuiti quantistici variazionali per automi a porte multi-Qubit", arXiv: 2209.00139.

[5] Raphael César de Souza Pimenta e Anibal Thiago Bezerra, "Rivisitare gli hamiltoniani di massa dei semiconduttori utilizzando computer quantistici", arXiv: 2208.10323.

Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2023-01-21 01:01:04). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.

On Il servizio citato da Crossref non sono stati trovati dati su citazioni (ultimo tentativo 2023-01-21 01:01:02).

Questo documento è pubblicato in Quantum sotto il Creative Commons Attribuzione 4.0 Internazionale (CC BY 4.0) licenza. Il copyright rimane dei detentori del copyright originali come gli autori o le loro istituzioni.

Timestamp:

Di più da Diario quantistico