Eigensolver de spin quântico variacional aprimorado de simetria

Eigensolver de spin quântico variacional aprimorado de simetria

Carimbo de data / hora: 19 de janeiro de 2023 7h14
Simetria aprimorada variacional spin quântico eigensolver PlatoBlockchain Data Intelligence. Pesquisa vertical. Ai.

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

1Instituto de Ciências Fundamentais e de Fronteira, Universidade de Ciência Eletrônica e Tecnologia da China, Chengdu 610051, China
2Instituto Central de Pesquisa, Laboratórios de 2012, Huawei Technologies
3Departamento de Física, Southern University of Science and Technology, Shenzhen 518055, China
4Instituto de Ciência e Engenharia Quântica de Shenzhen, Southern University of Science and Technology, Shenzhen 518055, China

Acha este artigo interessante ou deseja discutir? Scite ou deixe um comentário no SciRate.

Sumário

Os algoritmos quântico-clássicos variacionais são a abordagem mais promissora para alcançar vantagem quântica em simuladores quânticos de curto prazo. Dentre esses métodos, o autosolver quântico variacional tem atraído muita atenção nos últimos anos. Embora seja muito eficaz para simular o estado fundamental de sistemas de muitos corpos, sua generalização para estados excitados exige muitos recursos. Aqui, mostramos que esse problema pode ser significativamente melhorado explorando as simetrias do hamiltoniano. A melhoria é ainda mais efetiva para autoestados de energia mais alta. Apresentamos dois métodos para incorporar as simetrias. Na primeira abordagem, chamada preservação de simetria de hardware, todas as simetrias são incluídas no projeto do circuito. Na segunda abordagem, a função de custo é atualizada para incluir as simetrias. A abordagem de preservação da simetria de hardware realmente supera a segunda abordagem. No entanto, integrar todas as simetrias no projeto do circuito pode ser extremamente desafiador. Portanto, introduzimos o método de preservação de simetria híbrida no qual as simetrias são divididas entre o circuito e a função de custo clássica. Isso permite aproveitar a vantagem das simetrias, evitando projetos de circuitos sofisticados.

Resumo popular

Os simuladores quânticos estão surgindo rapidamente em várias plataformas físicas. No entanto, os atuais simuladores quânticos de escala intermediária (NISQ) ruidosos sofrem de inicialização imperfeita, operação ruidosa e leitura defeituosa. Algoritmos quânticos variacionais foram propostos como a abordagem mais promissora para alcançar vantagem quântica em dispositivos NISQ. Nesses algoritmos, a complexidade é dividida entre um simulador quântico parametrizado e um otimizador clássico para otimizar os parâmetros do circuito. Portanto, em algoritmos quânticos variacionais lidamos com recursos quânticos e clássicos, para os quais temos que ser eficientes. Aqui, nos concentramos no algoritmo Variational Quantum Eigensolver (VQE), que foi projetado para gerar variacionalmente os autoestados de baixa energia de um sistema de muitos corpos em um simulador quântico. Exploramos as simetrias do sistema para melhorar a eficiência dos recursos em um algoritmo VQE. Dois métodos são investigados: (i) incorporando as simetrias no projeto do circuito que naturalmente gera estados quânticos com a simetria desejada; e (ii) adição de termos extras à função de custo para penalizar os estados quânticos sem a simetria relevante. Por meio de uma extensa análise, mostramos que a primeira abordagem é muito mais eficiente em termos de recursos, tanto no que diz respeito aos recursos quânticos quanto aos clássicos. Em cenários realistas, pode ser necessário usar um esquema híbrido no qual algumas simetrias são incorporadas ao hardware e outras são direcionadas por meio da função de custo.

► dados BibTeX

► Referências

[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, et al. “Simulação quântica variacional autoverificável de modelos de rede”. Natureza 569, 355–360 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1177-4

[2] Alán Aspuru-Guzik, Anthony D Dutoi, Peter J Love e Martin Head-Gordon. “Computação quântica simulada de energias moleculares”. Ciência 309, 1704-1707 (2005).
https: / / doi.org/ 10.1126 / science.1113479

[3] Trygve Helgaker, Poul Jorgensen e Jeppe Olsen. “Teoria da estrutura eletrônica molecular”. John Wiley & Sons, Ltd. (2013).
https: / / doi.org/ 10.1002 / 9781119019572

[4] Roman Orus, Samuel Mugel e Enrique Lizaso. “Computação quântica para finanças: visão geral e perspectivas”. Avaliações em Física 4, 100028 (2019).
https: / / doi.org/ 10.1016 / j.revip.2019.100028

[5] Patrick Rebentrost, Brajesh Gupt e Thomas R Bromley. “Finanças computacionais quânticas: precificação Monte Carlo de derivativos financeiros”. Física 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 e Elena Yndurain. “Computação quântica para finanças: estado da arte e perspectivas futuras”. 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 e Immanuel Bloch. “Sondando relaxamento lento e localização de muitos corpos em sistemas quasiperiódicos bidimensionais”. Física 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 e Immanuel Bloch. "Observação da localização de muitos corpos de férmions em interação em uma rede óptica quasi-aleatória". Ciência 349, 842–845 (2015).
https: / / doi.org/ 10.1126 / science.aaa7432

[9] Christian Gross e Immanuel Bloch. “Simulações quânticas com átomos ultrafrios em redes ópticas”. Ciência 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. “Cálculos de química quântica em um simulador quântico de íons presos”. Física 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. “Simulação quântica digital universal com íons aprisionados”. Ciência 334, 57–61 (2011).
https: / / doi.org/ 10.1126 / science.1208001

[12] Alán Aspuru-Guzik e Philip Walther. “Simuladores quânticos fotônicos”. Nat. Física 8, 285-291 (2012).
https: / / doi.org/ 10.1038 / nphys2253

[13] Jianwei Wang, Fabio Sciarrino, Anthony Laing e Mark G Thompson. “Tecnologias quânticas fotônicas integradas”. 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 e Lieven MK Vandersypen. “Simulação quântica de um modelo de fermi-hubbard usando uma matriz de pontos quânticos de semicondutores”. Natureza 548, 70–73 (2017).
https: / / doi.org/ 10.1038 / nature23022

[15] J Salfi, JA Mol, R Rahman, G Klimeck, MY Simmons, LCL Hollenberg e S Rogge. “Simulação quântica do modelo hubbard com átomos dopantes em silício”. Nat. Comum. 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 em um computador quântico qubit supercondutor”. Ciência 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. “Computação quântica adiabática digitalizada com um circuito supercondutor”. Natureza 534, 222–226 (2016).
https: / / doi.org/ 10.1038 / nature17658

[18] John Preskill. “Computação quântica na era nisq e além”. 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, e Alán Aspuru-Guzik. “Algoritmos quânticos ruidosos de escala intermediária”. Rev. Mod. Física 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 e Jeremy L O'brien. “Um solucionador de autovalor variacional em um processador quântico fotônico”. Nat. Comum. 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. “Algoritmos quânticos variacionais”. Nat. Rev. Phys.Páginas 1–20 (2021).
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

[22] Jarrod R McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. “A teoria dos algoritmos quântico-clássicos híbridos variacionais”. Novo J. Phys. 18, 023023 (2016).
https:/​/​doi.org/​10.1088/​1367-2630/​18/​2/​023023

[23] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li e Simon C Benjamin. “Teoria da simulação quântica variacional”. 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 e Jun Li. “Tomografia quântica de estado puro via método quântico-clássico híbrido variacional”. Física Rev. Aplicada 13, 024013 (2020).
https: / / doi.org/ 10.1103 / PhysRevApplied.13.024013

[25] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe e Seth Lloyd. “Aprendizado de máquina quântica”. Natureza 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[26] Srinivasan Arunachalam e Ronald de Wolf. “Uma pesquisa sobre a teoria da aprendizagem quântica” (2017). arXiv:1701.06806.
arXiv: 1701.06806

[27] Carlo Ciliberto, Mark Herbster, Alessandro Davide Ialongo, Massimiliano Pontil, Andrea Rocchetto, Simone Severini e Leonard Wossnig. “Aprendizado de máquina quântica: uma perspectiva clássica”. 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 e Hans J Briegel. “Aprendizado de máquina e inteligência artificial no domínio quântico: uma revisão dos progressos recentes”. Reports on Progress in Physics 81, 074001 (2018).
https: / / doi.org/ 10.1088 / 1361-6633 / aab406

[29] Edward Farhi e Hartmut Neven. “Classificação com redes neurais quânticas em processadores de curto prazo” (2018). arXiv:1802.06002.
arXiv: 1802.06002

[30] Maria Schuld e Nathan Killoran. “Aprendizado de máquina quântica em espaços de recursos de Hilbert”. Física Rev. Lett. 122, 040504 (2019).
https: / / doi.org/ 10.1103 / physrevlett.122.040504

[31] Edward Farhi, Jeffrey Goldstone e Sam Gutmann. “Um algoritmo de otimização aproximada quântica” (2014). arXiv:1411.4028.
arXiv: 1411.4028

[32] Sergey Bravyi, Alexander Kliesch, Robert Koenig e Eugene Tang. “Obstáculos à otimização quântica variacional da proteção de simetria”. Física 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 e Andrew Sornborger. “Avanço rápido variacional para simulação quântica além do tempo de coerência”. 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 e Andrew Sornborger. “Simulações de longa duração com alta fidelidade em hardware quântico” (2021). arXiv:2102.04313.
arXiv: 2102.04313

[35] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin e Xiao Yuan. “Simulação quântica baseada em ansatz variacional da evolução imaginária do tempo”. Npj Quantum Inf. 5, 1–6 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

[36] Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai e Keisuke Fujii. “Simulador quântico variacional de subespaço” (2019). arXiv:1904.08566.
arXiv: 1904.08566

[37] Joonsuk Huh, Sarah Mostame, Takatoshi Fujita, Man-Hong Yung e Alán Aspuru-Guzik. “Transformação de banho linear-algébrica para simulação de sistemas quânticos abertos complexos”. Novo J. Phys. 16, 123008 (2014).
https:/​/​doi.org/​10.1088/​1367-2630/​16/​12/​123008

[38] Zixuan Hu, Rongxin Xia e Saber Kais. “Um algoritmo quântico para a evolução da dinâmica quântica aberta em dispositivos de computação quântica”. ciência Rep. 10, 1–9 (2020).
https: / / doi.org/ 10.1038 / s41598-020-60321-x

[39] Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin e Xiao Yuan. “Simulação quântica variacional de processos gerais”. Física Rev. Lett. 125, 010501 (2020).
https: / / doi.org/ 10.1103 / physrevlett.125.010501

[40] Tobias Haug e Kishor Bharti. “Simulador assistido quântico generalizado” (2020). arXiv:2011.14737.
arXiv: 2011.14737

[41] Johannes Jakob Meyer, Johannes Borregaard e Jens Eisert. “Uma caixa de ferramentas variacional para estimativa multiparâmetro quântica”. Npj Quantum Inf. 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y

[42] Johannes Jakob Meyer. “Informações de Fisher em aplicações quânticas ruidosas de escala intermediária”. Quantum 5, 539 (2021).
https:/​/​doi.org/​10.22331/​q-2021-09-09-539

[43] Jacob L. Beckey, M. Cerezo, Akira Sone e Patrick J. Coles. “Algoritmo quântico variacional para estimar a informação do pescador quântico”. Física 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 e Peter Zoller. “Algoritmos variacionais de compressão de spin em sensores quânticos programáveis”. Física Rev. Lett. 123, 260505 (2019).
https: / / doi.org/ 10.1103 / physrevlett.123.260505

[45] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki e Simon C Benjamin. “Metrologia quântica de estado variacional”. Novo 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 e Frederic T. Chong. “Aprendizado de circuito adaptativo para metrologia quântica”. Em 2021 IEEE International Conference on Quantum Computing and Engineering (QCE). IEEE (2021).

[47] Tobias Haug e MS Kim. “Circuito quântico parametrizado natural”. Física 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 e Man-Hong Yung. “Rumo a uma simulação molecular maior no computador quântico: sistemas de até 28 qubits acelerados por simetria de grupo de pontos” (2021). arXiv:2109.02110.
arXiv: 2109.02110

[49] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow e Jay M Gambetta. “Eigensolver quântico variacional eficiente em hardware para pequenas moléculas e ímãs quânticos”. Natureza 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. "Estimativa de energia do estado fundamental da molécula de água em um computador quântico de íons presos". 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 e José I. Latorre. “Escalonamento da profundidade do circuito quântico variacional para sistemas de matéria condensada”. Quantum 4, 272 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-28-272

[52] Chufan Lyu, Victor Montenegro e Abolfazl Bayat. “Algoritmos variacionais acelerados para simulação quântica digital de estados fundamentais de muitos corpos”. Quantum 4, 324 (2020).
https:/​/​doi.org/​10.22331/​q-2020-09-16-324

[53] Alexey Uvarov, Jacob D Biamonte e Dmitry Yudin. “Eigensolver quântico variacional para sistemas quânticos frustrados”. Física Rev. B 102, 075104 (2020).
https: / / doi.org/ 10.1103 / physrevb.102.075104

[54] Ken N. Okada, Keita Osaki, Kosuke Mitarai e Keisuke Fujii. “Identificação de fases topológicas usando autosolver quântico variacional otimizado de forma clássica” (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 e outros. “Demonstração de computação quântica variacional adiabática com um coprocessador quântico supercondutor”. Física 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. “Otimização aproximada quântica de problemas de grafos não planares em um processador supercondutor planar”. Nat. Física 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. “Otimização aproximada quântica do modelo de ising de longo alcance com um simulador quântico de íons presos”. 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 e Peter J Love. “Redução de medidas em algoritmos quânticos variacionais”. Física Rev. A 101, 062322 (2020).
https: / / doi.org/ 10.1103 / physreva.101.062322

[59] Artur F Izmaylov, Tzu-Ching Yen, Robert A Lang e Vladyslav Verteletskyi. “Abordagem de particionamento unitário para o problema de medição no método variacional do eigensolver quântico”. J. Chem. Computação teórica. 16, 190–195 (2019).
https: / / doi.org/ 10.1021 / acs.jctc.9b00791

[60] Vladyslav Verteletskyi, Tzu-Ching Yen e Artur F Izmaylov. “Otimização de medição no autosolver quântico variacional usando uma cobertura mínima de clique”. J. Chem. Física 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 e Frederic T. Chong. “$o(n^3)$ custo de medição para autosolver quântico variacional em hamiltonianos moleculares”. 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 e Peter V Coveney. “Implementação da redução de medição para o autosolver quântico variacional”. Física Rev. Res. 3, 033195 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.033195

[63] Barnaby van Straaten e Bálint Koczor. “Custo de medição de algoritmos quânticos variacionais com reconhecimento de métrica”. PRX Quantum 2, 030324 (2021).
https: / / doi.org/ 10.1103 / prxquantum.2.030324

[64] Edward Grant, Leonard Wossnig, Mateusz Ostaszewski e Marcello Benedetti. “Uma estratégia de inicialização para abordar platôs estéreis em circuitos quânticos parametrizados”. Quantum 3, 214 (2019).
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

[65] Tyler Volkoff e Patrick J. Coles. “Grandes gradientes via correlação em circuitos quânticos parametrizados aleatórios”. Ciência Quântica. Tecnol. 6, 025008 (2021).
https: / / doi.org/ 10.1088 / 2058-9565 / abd891

[66] James Stokes, Josh Izaac, Nathan Killoran e Giuseppe Carleo. “Gradiente natural quântico”. Quantum 4, 269 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-25-269

[67] Sami Khairy, Ruslan Shaydulin, Lukasz Cincio, Yuri Alexeev e Prasanna Balaprakash. “Aprender a otimizar circuitos quânticos variacionais para resolver problemas combinatórios”. Anais da Conferência AAAI sobre Inteligência Artificial 34, 2367–2375 (2020).
https: / / doi.org/ 10.1609 / aaai.v34i03.5616

[68] András Gilyén, Srinivasan Arunachalam e Nathan Wiebe. “Otimizando algoritmos de otimização quântica por meio de computação de gradiente quântico mais rápida”. Em Anais do Trigésimo Simpósio Anual ACM-SIAM sobre Algoritmos Discretos. Páginas 1425–1444. Sociedade de Matemática Industrial e Aplicada (2019).
https: / / doi.org/ 10.1137 / 1.9781611975482.87

[69] Mateusz Ostaszewski, Lea M. Trenkwalder, Wojciech Masarczyk, Eleanor Scerri e Vedran Dunjko. “Aprendizado por reforço para otimização de arquiteturas de circuitos quânticos variacionais” (2021). arXiv:2103.16089.
arXiv: 2103.16089

[70] Mohammad Pirhooshyaran e Tamas Terlaky. “Pesquisa de design de circuito quântico” (2020). arXiv:2012.04046.
arXiv: 2012.04046

[71] Thomas Fösel, Murphy Yuezhen Niu, Florian Marquardt e Li Li. “Otimização de circuitos quânticos com aprendizado de reforço profundo” (2021). arXiv:2103.07585.
arXiv: 2103.07585

[72] Arthur G. Rattew, Shaohan Hu, Marco Pistoia, Richard Chen e Steve Wood. “Um autosolver quântico variacional evolutivo independente de domínio, resistente a ruído e eficiente em hardware” (2019). arXiv:1910.09694.
arXiv: 1910.09694

[73] D. Chivilikhin, A. Samarin, V. Ulyantsev, I. Iorsh, AR Oganov e O. Kyriienko. “Mog-vqe: autosolver quântico variacional genético multiobjetivo” (2020). arXiv:2007.04424.
arXiv: 2007.04424

[74] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat e Xiaoting Wang. “Ansatz variacional quântico robusto e eficiente em recursos através de um algoritmo evolutivo”. Física Rev. A 105, 052414 (2022).
https: / / doi.org/ 10.1103 / PhysRevA.105.052414

[75] János K Asbóth, László Oroszlány e András Pályi. “O modelo su-schrieffer-heeger (ssh)”. Em um curso curto sobre isoladores topológicos. Páginas 1–22. Springer (2016).
https:/​/​doi.org/​10.1007/​978-3-319-25607-8

[76] Ken M Nakanishi, Kosuke Mitarai e Keisuke Fujii. “Autosolver quântico variacional de pesquisa de subespaço para estados excitados”. Física Rev. Res. 1, 033062 (2019).
https: / / doi.org/ 10.1103 / physrevresearch.1.033062

[77] Oscar Higgott, Daochen Wang e Stephen Brierley. “Cálculo quântico variacional de estados excitados”. Quantum 3, 156 (2019).
https:/​/​doi.org/​10.22331/​q-2019-07-01-156

[78] Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter e Wibe A De Jong. “Hierarquia quântica-clássica híbrida para mitigação de decoerência e determinação de estados excitados”. Física 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. “Testemunhando autoestados para simulação quântica de espectros hamiltonianos”. ciência Adv. 4, eaap9646 (2018).
https://​/​doi.org/​10.1126/​sciadv.aap9646

[80] Walter Greiner e Berndt Müller. “Mecânica quântica: simetrias”. Springer Science & Business Media. (2012).
https:/​/​doi.org/​10.1007/​978-3-662-00902-4

[81] Roy McWeeny. "Simetria: Uma introdução à teoria dos grupos e suas aplicações". Corporação de correio. (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. “Mitigação de erro experimental via verificação de simetria em um autosolver quântico variacional”. Física 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 e Jens Eisert. “Explorando a simetria no aprendizado de máquina quântica variacional” (2022). arXiv:2205.06217.
arXiv: 2205.06217

[84] Jin-Guo Liu, Yi-Hong Zhang, Yuan Wan e Lei Wang. “Eigensolver quântico variacional com menos qubits”. Física 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. “Algoritmos quânticos para cálculos de estruturas eletrônicas: hamiltoniano de buraco de partícula e expansões de função de onda otimizadas”. Física Rev. A 98, 022322 (2018).
https: / / doi.org/ 10.1103 / physreva.98.022322

[86] Hefeng Wang, S Ashhab e Franco Nori. “Algoritmo quântico eficiente para preparar estados semelhantes a sistemas moleculares em um computador quântico”. Física Rev. A 79, 042335 (2009).
https: / / doi.org/ 10.1103 / physreva.79.042335

[87] Kazuhiro Seki, Tomonori Shirakawa e Seiji Yunoki. “Eigensolver quântico variacional adaptado à simetria”. Física 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 e Edwin Barnes. “Circuitos de preparação de estado de preservação de simetria eficientes para o algoritmo variacional de autosolver quântico”. 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 e Sophia E Economou. “Preservando simetrias para autoresolvedores quânticos variacionais na presença de ruído”. Física 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 e Yong-Xin Yao. “Eigensolver quântico variacional de circuito raso baseado em particionamento de espaço de Hilbert inspirado em simetria para cálculos químicos quânticos”. Física Rev. Res. 3, 013039 (2021).
https: / / doi.org/ 10.1103 / physrevresearch.3.013039

[91] Han Zheng, Zimu Li, Junyu Liu, Sergii Strelchuk e Risi Kondor. “Acelerando o aprendizado de estados quânticos por meio de ansätze quântico convolucional equivariante de grupo” (2021). arXiv:2112.07611.
arXiv: 2112.07611

[92] Ilya G Ryabinkin, Scott N Genin e Artur F Izmaylov. “Eigensolver quântico variacional restrito: mecanismo de busca de computador quântico no espaço fock”. J. Chem. Computação teórica. 15, 249–255 (2018).
https: / / doi.org/ 10.1021 / acs.jctc.8b00943

[93] Andrew G Taube e Rodney J Bartlett. “Novas perspectivas sobre a teoria unitária de clusters acoplados”. Jornal internacional de química quântica 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. “Simulação quântica escalável de energias moleculares”. Física 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 e Alán Aspuru-Guzik. “Estratégias para energias moleculares de computação quântica usando o ansatz de cluster acoplado unitário”. Ciência Quântica. Tecnol. 4, 014008 (2018).
https:/​/​doi.org/​10.1088/​2058-9565/​aad3e4

[96] Dave Wecker, Matthew B Hastings e Matthias Troyer. “Progresso em direção a algoritmos variacionais quânticos práticos”. Física Rev. A 92, 042303 (2015).
https: / / doi.org/ 10.1103 / physreva.92.042303

[97] Dong C. Liu e Jorge Nocedal. “No método bfgs de memória limitada para otimização em larga escala”. Mathematical Programming 45, 503–528 (1989).
https: / / doi.org/ 10.1007 / BF01589116

[98] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. “Planaltos estéreis em paisagens de treinamento de rede neural quântica”. Nat. Comum. 9, 1–6 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[99] Yoshifumi Nakata, Christoph Hirche, Ciara Morgan e Andreas Winter. “2-desenhos unitários a partir de unidades diagonais x e z aleatórias”. J. Matemática. Física 58, 052203 (2017).
https: / / doi.org/ 10.1063 / 1.4983266

[100] Farrokh Vatan e Colin Williams. “Circuitos quânticos ideais para portas gerais de dois qubits”. Física 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 e Jay M Gambetta. “Aprendizado supervisionado com espaços de recursos aprimorados quânticos”. Natureza 567, 209–212 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

[102] Juan Carlos García-Escartin e Pedro Chamorro-Posada. “Teste de troca e efeito Hong-ou-Mandel são equivalentes”. Física Rev. A 87, 052330 (2013).
https: / / doi.org/ 10.1103 / physreva.87.052330

[103] Lukasz Cincio, Yiğit Subaşı, Andrew T Sornborger e Patrick J Coles. “Aprendendo o algoritmo quântico para sobreposição de estado”. Novo J. Phys. 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[104] Kohdai Kuroiwa e Yuya O Nakagawa. “Métodos de penalidade para um autosolver quântico variacional”. Física 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 e Abolfazl Bayat. “Simulação quântica variacional de sistemas de interação de longo alcance” (2022). arXiv:2203.14281.
arXiv: 2203.14281

[106] Chufan Lyu. “Códigos para autosolver de spin quântico variacional aprimorado por simetria”. 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

Citado por

[1] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat e Xiaoting Wang, “Ansatz variacional quântico robusto e eficiente em recursos através de um algoritmo evolutivo”, Revisão Física A 105 5, 052414 (2022).

[2] Margarite L. LaBorde e Mark M. Wilde, “Quantum Algorithms for Testing Hamiltonian Symmetry”, Cartas de Revisão Física 129 16, 160503 (2022).

[3] Chufan Lyu, Xiaoyu Tang, Junning Li, Xusheng Xu, Man-Hong Yung e Abolfazl Bayat, “Simulação quântica variacional de sistemas de interação de longo alcance”, arXiv: 2203.14281.

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

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

As citações acima são de SAO / NASA ADS (última atualização com êxito 2023-01-21 01:01:04). A lista pode estar incompleta, pois nem todos os editores fornecem dados de citação adequados e completos.

On Serviço citado por Crossref nenhum dado sobre a citação de trabalhos foi encontrado (última tentativa 2023-01-21 01:01:02).

Este artigo é publicado na Quantum sob o Atribuição 4.0 do Creative Commons Internacional (CC BY 4.0) licença. Os direitos autorais permanecem com os detentores originais, como os autores ou suas instituições.

Carimbo de hora:

Mais de Diário Quântico