진폭 비율 및 신경망 양자 상태

진폭 비율 및 신경망 양자 상태

타임 스탬프 : 2 년 2023 월 12 일 오후 12:XNUMX
진폭 비율 및 신경망 양자 상태 PlatoBlockchain 데이터 인텔리전스. 수직 검색. 일체 포함.

보이테크 하블리체크

IBM Quantum, IBM TJ Watson Research Center

이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.

추상

신경망 양자 상태(NQS)는 인공 신경망에 의한 양자 파동함수를 나타냅니다. 여기서는 [Science, 355, 6325, pp. 602-606 (2017)]에 정의된 NQS에서 제공하는 파동함수 액세스를 연구하고 분포 테스트 결과와 연관시킵니다. 이것은 그러한 NQS에 대한 향상된 분포 테스트 알고리즘으로 이어집니다. 또한 파동함수 액세스 모델의 독립적인 정의인 진폭 비율 액세스에 동기를 부여합니다. 이전에 양자 알고리즘의 역양자화 연구에서 고려한 샘플 및 쿼리 액세스 모델과 비교합니다. 첫째, 진폭 비율 액세스가 샘플 액세스보다 엄격하게 강력함을 보여줍니다. 둘째, 우리는 진폭 비율 액세스가 샘플 및 쿼리 액세스보다 엄격하게 약하지만 많은 시뮬레이션 기능을 유지하고 있음을 보여줍니다. 흥미롭게도 우리는 계산 가정 하에서만 그러한 분리를 보여줍니다. 마지막으로 분포 테스트 알고리즘에 대한 연결을 사용하여 유효한 파동함수를 인코딩하지 않고 샘플링할 수 없는 단 세 개의 노드로 NQS를 생성합니다.

► BibTeX 데이터

► 참고 문헌

[1] Scott Aaronson과 Alex Arkhipov "선형 광학의 계산 복잡성"(2011).
https : / /doi.org/ 10.1145 / 1993636.1993682

[2] 클레멘트 캐논 퍼스널 커뮤니케이션(2021).

[3] Clément L. Canonne, Dana Ron 및 Rocco A. Servedio, "조건부 샘플을 사용한 확률 분포 테스트" SIAM Journal on Computing 44, 540–616(2015).
https : / /doi.org/ 10.1137 / 130945508

[4] Clement L. Canonne, Xi Chen, Gautam Kamath, Amit Levi, Erik Waingarten, "Random Restrictions of High Dimensional Distributions and Uniformity Testing with Subcube Conditioning" 이산 알고리즘에 관한 321차 연례 ACM-SIAM 심포지엄 절차 336–2021 ( XNUMX).

[5] Giuseppe Carleo, Yusuke Nomura 및 Masatoshi Imada, "심층 신경망을 사용하여 양자 다체 시스템의 정확한 표현 구성" Nature Communications 9, 5322(2018).
https:/​/​doi.org/​10.1038/​s41467-018-07520-3

[6] Giuseppe Carleoand Matthias Troyer "인공 신경망으로 양자 다체 문제 해결" Science 355, 602–606(2017).
https : / / doi.org/ 10.1126 / science.aag2302

[7] Sourav Chakraborty, Eldar Fischer, Yonatan Goldhirsh, Arie Matsliah, "On the Power of Conditional Samples in Distribution Testing" 이론 컴퓨터 과학의 혁신에 관한 제4차 회의 절차 561–580(2013).
https : / /doi.org/ 10.1145 / 2422436.2422497

[8] Martin Dyer, Alan Frieze, Ravi Kannan, "볼록한 물체의 부피를 근사화하기 위한 무작위 다항 시간 알고리즘" J. ACM 38, 1–17 (1991).
https : / /doi.org/ 10.1145 / 102782.102783

[9] Alan Frieze, Ravi Kannan 및 Santosh Vempala, "저위 근사값을 찾기 위한 빠른 Monte-Carlo 알고리즘" J. ACM 51, 1025–1041 (2004).
https : / /doi.org/ 10.1145 / 1039488.1039494

[10] Xun Gao 및 Lu-Ming Duan "심층 신경망을 사용한 양자 다체 상태의 효율적인 표현" Nature Communications 8, 662(2017).
https:/​/​doi.org/​10.1038/​s41467-017-00705-2

[11] Vojtech Havlicekand Sergii Strelchuk "Quantum Schur 샘플링 회로는 강력하게 시뮬레이션할 수 있습니다" Phys. 레트 목사 121, 060505(2018).
https : / /doi.org/10.1103/ PhysRevLett.121.060505

[12] Geoffrey E. Hinton "대조 발산을 최소화하여 전문가의 교육 제품" 신경 계산 14, 1771–1800(2002).
https : / /doi.org/ 10.1162 / 089976602760128018

[13] Mark Huber "Gibbs 분포의 정규화 상수에 대한 근사 알고리즘" The Annals of Applied Probability 25 (2015).
https://doi.org/10.1214/14-aap1015

[14] Mark Jerrum "Uniform Distribution (Extended Abstract)에서 조합 구조의 무작위 생성" Automata, Languages ​​and Programming 12–290 (299)에 관한 1985차 콜로키움 절차.

[15] Mark R. Jerrum, Leslie G. Valiant, Vijay V. Vazirani, "균일 분포에서 조합 구조의 무작위 생성" Theoretical Computer Science 43, 169–188 (1986).
https:/​/​doi.org/​10.1016/​0304-3975(86)90174-X
https : / / www.sciencedirect.com/ science / article / pii / 030439758690174X

[16] Bjarni Jónsson, Bela Bauer, Giuseppe Carleo, "양자 컴퓨팅의 고전적 시뮬레이션을 위한 신경망 상태" arXiv e-prints arXiv:1808.05232 (2018).
https://​/​doi.org/​10.48550/​ARXIV.1808.05232
arXiv : 1808.05232

[17] Richard M Karp, Michael Luby 및 Neal Madras, "열거 문제에 대한 Monte-Carlo 근사 알고리즘" Journal of Algorithms 10, 429–448(1989).
https:/​/​doi.org/​10.1016/​0196-6774(89)90038-2
https : / / www.sciencedirect.com/ science / article / pii / 0196677489900382

[18] Matthieu Lerasle "강의 노트: 강력한 통계 학습 이론에 대한 선택된 주제" arXiv e-prints arXiv:1908.10761 (2019).
https://​/​doi.org/​10.48550/​ARXIV.1908.10761
arXiv : 1908.10761

[19] Philip M. Longand Rocco A. Servedio "Restricted Boltzmann Machines Are Hard toapproximate Evaluate or Simulate" 기계 학습에 관한 국제 회의 27차 국제 회의 간행물 703–710(2010).

[20] James Martens, Arkadev Chattopadhya, Toni Pitassi 및 Richard Zemel, "제한된 Boltzmann 기계의 표현 효율성" Curran Associates, Inc.(2013).
http:/ / papers.nips.cc/ paper/ 5020-on-the-representational-efficiency-of-restricted-boltzmann-machines.pdf

[21] Matija Medvidović 및 Giuseppe Carleo "Quantum Approximate Optimization Algorithm의 고전적 변동 시뮬레이션" npj Quantum Information 7, 101(2021).
https : / /doi.org/ 10.1038 / s41534-021-00440-z
arXiv : 2009.01760

[22] Imdad SB Sardharwalla, Sergii Strelchuk 및 Richard Jozsa, "Quantum Conditional Query Complexity" Quantum Info. 컴퓨팅 17, 541–567 (2017).

[23] P. Smolensky "동적 시스템의 정보 처리: 조화 이론의 기초" MIT Press(1986).

[24] Daniel Štefankovič, Santosh Vempala 및 Eric Vigoda, "적응 시뮬레이션 어닐링: 샘플링과 계산 사이의 거의 최적 연결" J. ACM 56(2009).
https : / /doi.org/ 10.1145 / 1516512.1516520

[25] Ewin Tang "A Quantum-Inspired Classical Algorithm for Recommendation Systems" 컴퓨팅 이론에 관한 제51회 연례 ACM SIGACT 심포지엄 간행물 217–228(2019).
https : / /doi.org/ 10.1145 / 3313276.3316310

[26] LG Valiant "영구 컴퓨팅의 복잡성" Theoretical Computer Science 8, 189–201 (1979).
https:/​/​doi.org/​10.1016/​0304-3975(79)90044-6
https : / / www.sciencedirect.com/ science / article / pii / 0304397579900446

[27] Maarten Van Den Nest "확률적 방법으로 양자 컴퓨터 시뮬레이션" Quantum Info. 컴퓨팅 11, 784–812(2011).

인용

[1] Anna Dawid, Julian Arnold, Borja Requena, Alexander Gresch, Marcin Płodzień, Kaelan Donatella, Kim A. Nicoli, Paolo Stornati, Rouven Koch, Miriam Büttner, Robert Okuła, Gorka Muñoz-Gil, Rodrigo A. Vargas-Hernández, Alba Cervera-Lierta, Juan Carrasquilla, Vedran Dunjko, Marylou Gabrié, Patrick Huembeli, Evert van Nieuwenburg, Filippo Vicentini, Lei Wang, Sebastian J. Wetzel, Giuseppe Carleo, Eliška Greplová, Roman Krems, Florian Marquardt, Michał Tomza, Maciej Lewenstein, 및 Alexandre Dauphin, "양자 과학에서 기계 학습의 현대적 응용", arXiv : 2204.04198, (2022).

[2] Sergey Bravyi, Giuseppe Carleo, David Gosset 및 Yinchen Liu, "격차가 있는 양자 다체 시스템에서 빠르게 혼합되는 Markov 체인", arXiv : 2207.07044, (2022).

위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2023-03-02 17:14:26). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.

가져올 수 없습니다 Crossref 인용 자료 마지막 시도 중 2023-03-02 17:14:24 : Crossref에서 10.22331 / q-2023-03-02-938에 대한 인용 데이터를 가져올 수 없습니다. DOI가 최근에 등록 된 경우 이는 정상입니다.

이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.

타임 스탬프 :

더보기 양자 저널