الگوریتم‌های مونت کارلو با کمک کوانتومی برای فرمیون

بازنشر افلاطون

دنبال: 0

دانشکده تحصیلات تکمیلی آکادمی فیزیک مهندسی چین، پکن 100193، چین

این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.

چکیده

محاسبات کوانتومی روشی امیدوارکننده برای حل سیستماتیک مشکل محاسباتی طولانی مدت، حالت پایه یک سیستم فرمیون چند بدنه است. تلاش‌های زیادی برای تحقق اشکال خاصی از مزیت کوانتومی در این مسئله انجام شده است، به عنوان مثال، توسعه الگوریتم‌های کوانتومی متغیر. کار اخیر هاگینز و همکاران. [1] یک نامزد جدید، یعنی یک الگوریتم ترکیبی کوانتومی-کلاسیک مونت کارلو با تعصب کاهش یافته در مقایسه با همتای کاملا کلاسیک خود گزارش می کند. در این مقاله، ما یک خانواده از الگوریتم‌های مونت کارلو با کمک کوانتومی مقیاس‌پذیر را پیشنهاد می‌کنیم که در آن رایانه کوانتومی با حداقل هزینه استفاده می‌شود و همچنان می‌تواند سوگیری را کاهش دهد. با ترکیب یک رویکرد استنتاج بیزی، می‌توانیم به این کاهش تعصب کوانتومی با هزینه محاسبات کوانتومی بسیار کمتر از میانگین تجربی در تخمین دامنه دست یابیم. علاوه بر این، ما نشان می‌دهیم که چارچوب مونت کارلو ترکیبی یک روش کلی برای سرکوب خطاها در حالت پایه به‌دست‌آمده از الگوریتم‌های کلاسیک است. کار ما یک جعبه ابزار مونت کارلو برای دستیابی به محاسبات کوانتومی پیشرفته سیستم های فرمیون در دستگاه های کوانتومی کوتاه مدت ارائه می دهد.

خلاصه محبوب

حل معادله شرودینگر سیستم های فرمیونی چند بدنه در بسیاری از زمینه های علمی ضروری است. کوانتوم مونت کارلو (QMC) گروهی از الگوریتم‌های کلاسیک به خوبی توسعه‌یافته است که به‌طور گسترده مورد استفاده قرار گرفته‌اند. با این حال، یک مشکل علامت استفاده از آن را برای سیستم های بزرگ ممنوع می کند زیرا واریانس نتایج به طور تصاعدی با اندازه سیستم افزایش می یابد. روش‌های رایج برای محدود کردن مشکل علامت معمولاً نوعی سوگیری را معرفی می‌کنند. ما برای کاهش تعصب، کامپیوترهای کوانتومی را در QMC در نظر می گیریم. کارهای قبلی مشکلاتی با مقیاس پذیری در هزینه محاسبات کلی و کوانتومی دارند. در این کار، ما سعی می‌کنیم به مسائل بپردازیم و چارچوبی از الگوریتم‌های QMC با کمک کوانتومی را معرفی کنیم که در آن رایانه کوانتومی در سطوح انعطاف‌پذیر درگیر است. ما دو استراتژی را بر اساس وسعت منابع کوانتومی مورد استفاده توصیف می‌کنیم و نتایج عددی بهبود یافته‌ای را در مقایسه با همتای کلاسیک نشان می‌دهیم. برای کاهش بیشتر اندازه‌گیری‌های محاسباتی کوانتومی، یک روش استنتاج بیزی را معرفی می‌کنیم و نشان می‌دهیم که یک مزیت کوانتومی پایدار می‌تواند حفظ شود. با تقارن ذاتی در سیستم فیزیکی هدف، QMC به کمک کوانتومی ما در برابر خطاها مقاوم است. با ساختن QMC به کمک کوانتومی خود به عنوان زیرروال الگوریتم قطری فضای زیرین، نشان می‌دهیم که QMC به کمک کوانتومی یک روش کلی برای کاهش خطاها در سایر الگوریتم‌های کلاسیک یا کوانتومی است. QMC با کمک کوانتومی یک روش بالقوه جدید برای نشان دادن سطحی از مزیت کوانتومی در ماشین‌های NIST است.

► داده های BibTeX

@article{Xu2023quantumassisted، doi = {10.22331/q-2023-08-03-1072}، url = {https://doi.org/10.22331/q-2023-08-03-1072}، عنوان = {Quantum کمک {M}انته {C}الگوریتم‌های آرلو برای فرمیون‌ها}، نویسنده = {Xu، Xiaosi و Li، Ying}، journal = {{Quantum}}، issn = {2521-327X}، ناشر = {{Verein zur F{ «{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}، جلد = {7}، صفحات = {1072}، ماه = آگوست، سال = {2023} }

◄ مراجع

[1] ویلیام جی هاگینز، برایان آ اوگورمن، نیکلاس سی روبین، دیوید آر رایشمن، رایان بابوش و جونهو لی. مونت کارلو کوانتومی فرمیونیک بی طرفانه با کامپیوتر کوانتومی. Nature، 603 (7901): 416–420، 2022. https://doi.org/10.1038/s41586-021-04351-z.
https://doi.org/10.1038/s41586-021-04351-z

[2] رایان بابوش، دومینیک دبلیو بری، ایان دی کیولیچان، آنی وای وی، پیتر جی لاو و آلان آسپورو-گوزیک. شبیه سازی کوانتومی دقیق تر فرمیون ها در کوانتیزاسیون دوم. مجله جدید فیزیک، 18 (3): 033032، 2016. https://doi.org/10.1088/1367-2630/18/3/033032.
https://doi.org/10.1088/1367-2630/18/3/033032

[3] سام مک آردل، سوگورو اندو، آلان آسپورو-گوزیک، سایمون سی بنجامین و شیائو یوان. شیمی محاسباتی کوانتومی بررسی‌های فیزیک مدرن، 92 (1): 015003، 2020. https://doi.org/10.1103/RevModPhys.92.015003.
https://doi.org/10.1103/RevModPhys.92.015003

[4] رافائل رستا. تظاهرات فاز توت در مولکول ها و ماده متراکم. مجله فیزیک: ماده متراکم، 12 (9): R107، 2000. https://doi.org/10.1088/0953-8984/12/9/201.
https://doi.org/10.1088/0953-8984/12/9/201

[5] لینگژن گوو و پنگفی لیانگ. فیزیک ماده متراکم در کریستال های زمان مجله جدید فیزیک، 22 (7): 075003، 2020. https://doi.org/10.1088/1367-2630/ab9d54.
https://doi.org/10.1088/1367-2630/ab9d54

[6] Jean Pierre Jeukenne، A Lejeune و Claude Mahaux. نظریه چند جسمی ماده هسته ای. گزارش‌های فیزیک، 25 (2): 83–174، 1976. https://doi.org/10.1016/0370-1573(76)90017-X.
https://doi.org/10.1016/0370-1573(76)90017-X

[7] جی کارلسون، استفانو گاندولفی، فرانچسکو پدریوا، استیون سی پیپر، روکو شیاویلا، کی اشمیت و رابرت بی ویرینگا. روش های کوانتومی مونت کارلو برای فیزیک هسته ای بررسی‌های فیزیک مدرن، 87 (3): 1067، 2015. https://doi.org/10.1103/RevModPhys.87.1067.
https://doi.org/10.1103/RevModPhys.87.1067

[8] ولادیمیر میرانسکی و ایگور آ شوکووی. نظریه میدان کوانتومی در میدان مغناطیسی: از کرومودینامیک کوانتومی تا گرافن و نیمه فلزات دیراک گزارش‌های فیزیک، 576: 1–209، 2015. https://doi.org/10.1016/j.physrep.2015.02.003.
https://doi.org/10.1016/j.physrep.2015.02.003

[9] استنلی جی برادسکی، هانس کریستین پائولی و استفان اس پینسکی. کرومودینامیک کوانتومی و سایر تئوری های میدان در مخروط نور. گزارش‌های فیزیک، 301 (4-6): 299-486، 1998. https://doi.org/10.1016/S0370-1573(97)00089-6.
https://doi.org/10.1016/S0370-1573(97)00089-6

[10] گابریل کوتلیار، سرگئی ساوراسوف، کریستیان هاوله، ویکتور اس اودوونکو، او پارکولت، و کالیفرنیا ماریانتی. محاسبات ساختار الکترونیکی با نظریه میدان میانگین دینامیکی Reviews of Modern Physics, 78 (3): 865, 2006. https://doi.org/10.1103/RevModPhys.78.865.
https://doi.org/10.1103/RevModPhys.78.865

[11] جان دبلیو نگل. نظریه میدان میانگین ساختار و دینامیک هسته ای. Reviews of Modern Physics, 54 (4): 913, 1982. https://doi.org/10.1103/RevModPhys.54.913.
https://doi.org/10.1103/RevModPhys.54.913

[12] رافائل گواردیولا روش‌های مونت کارلو در نظریه‌های چند جسمی کوانتومی. در نظریه‌های چند جسمی کوانتومی میکروسکوپی و کاربردهای آنها، صفحات 269-336. اسپرینگر، 1998. https://doi.org/10.1016/0375-9474(79)90217-3.
https://doi.org/10.1016/0375-9474(79)90217-3

[13] YY Shi، LM Duan، و Guifre Vidal. شبیه سازی کلاسیک سیستم های چند جسمی کوانتومی با شبکه تانسور درختی بررسی فیزیکی a, 74 (2): 022320, 2006. https://doi.org/10.1103/PhysRevA.74.022320.
https://doi.org/10.1103/PhysRevA.74.022320

[14] شی جو ران، آنجلو پیگا، چنگ پنگ، گانگ سو و ماسیج لوونشتاین. سیستم‌های چند بدنه، فیزیک بدن‌های متعدد را می‌گیرند: رویکرد شبکه تانسور. بررسی فیزیکی B، 96 (15): 155120، 2017. https://doi.org/10.1103/PhysRevB.96.155120.
https://doi.org/10.1103/PhysRevB.96.155120

[15] درو کریل. بررسی روش‌های مونت کارلو متوالی برای اقتصاد و امور مالی بررسی های اقتصادسنجی، 31 (3): 245-296، 2012. https://doi.org/10.1080/07474938.2011.607333.
https://doi.org/10.1080/07474938.2011.607333

[16] لیاو وای باتان، گرگوری دی گراف و توماس اچ بردلی. تحلیل احتمالی فنی-اقتصادی و مونت کارلو سیستم تولید سوخت زیستی میکروجلبک فناوری منابع زیستی، 219: 45–52، 2016. https://doi.org/10.1016/j.biortech.2016.07.085.
https://doi.org/10.1016/j.biortech.2016.07.085

[17] ژنگ ژی سان، چنگ پنگ، دینگ لیو، شی جو ران و گنگ سو. مدل طبقه بندی شبکه تانسور مولد برای یادگیری ماشین نظارت شده بررسی فیزیکی B، 101 (7): 075135، 2020. https://doi.org/10.1103/PhysRevB.101.075135.
https://doi.org/10.1103/PhysRevB.101.075135

[18] توشیوکی تاناکا. نظریه میدان میانگین یادگیری ماشین بولتزمن Physical Review E, 58 (2): 2302, 1998. https://doi.org/10.1103/PhysRevE.58.2302.
https://doi.org/10.1103/PhysRevE.58.2302

[19] برایان ام آستین، دیمیتری یو زوبارف، و ویلیام لستر جونیور کوانتوم مونت کارلو و رویکردهای مرتبط. بررسی های شیمیایی، 112 (1): 263-288، 2012. https://doi.org/10.1021/cr2001564.
https://doi.org/10.1021/cr2001564

[20] جراردو اورتیز، جیمز ای گوبرناتیس، امانوئل نیل و ریموند لافلام. الگوریتم های کوانتومی برای شبیه سازی فرمیونی بررسی فیزیکی A، 64 (2): 022319، 2001. https://doi.org/10.1103/PhysRevA.64.022319.
https://doi.org/10.1103/PhysRevA.64.022319

[21] ماریو موتا و شیوی ژانگ. محاسبات اولیه سیستم های مولکولی به روش مونت کارلو کوانتومی میدان کمکی. بررسی های میان رشته ای وایلی: علوم مولکولی محاسباتی، 8 (5): e1364، 2018. https://doi.org/10.1002/wcms.1364.
https://doi.org/10.1002/wcms.1364

[22] نیک اس بلانت. تقریب گره های ثابت و جزئی در فضای تعیین کننده slater برای مولکول ها. مجله نظریه و محاسبات شیمی، 17 (10): 6092-6104، 2021. https://doi.org/10.1021/acs.jctc.1c00500.
https://doi.org/10.1021/acs.jctc.1c00500

[23] سواگ قریبیان و فرانسوا لو گال. کمی کردن تبدیل مقدار تکین کوانتومی: سختی و کاربرد در شیمی کوانتومی و حدس pcp کوانتومی در مجموعه مقالات پنجاه و چهارمین سمپوزیوم سالانه ACM SIGACT در تئوری محاسبات، صفحات 54-19، 32. https://doi.org/2022/10.1145.
https://doi.org/10.1145/3519935.3519991

[24] کریس کید، مارتن فولکرتسما و جوردی وگمنز. پیچیدگی مشکل همیلتونی محلی هدایت‌شده: پارامترهای بهبود یافته و گسترش به حالت‌های هیجان‌زده پیش چاپ arXiv arXiv:2207.10097، 2022. https://doi.org/10.48550/arXiv.2207.10097.
https://doi.org/10.48550/arXiv.2207.10097
arXiv: 2207.10097

[25] سواگ قریبیان، ریو هایاکاوا، فرانسوا لو گال و تومویوکی موریما. نتایج سختی بهبود یافته برای مشکل همیلتونی محلی هدایت شده. پیش چاپ arXiv arXiv:2207.10250، 2022. https://doi.org/10.48550/arXiv.2207.10250.
https://doi.org/10.48550/arXiv.2207.10250
arXiv: 2207.10250

[26] جیمز دی ویتفیلد، جیکوب بیامونته و آلان آسپورو-گوزیک. شبیه سازی ساختار الکترونیکی هامیلتونی ها با استفاده از کامپیوترهای کوانتومی فیزیک مولکولی، 109 (5): 735-750، 2011. https://doi.org/10.1080/00268976.2011.552441.
https://doi.org/10.1080/00268976.2011.552441

[27] پدرو ام کیو کروز، گونسالو کاتارینا، رونان گوتیه و خواکین فرناندز-روسیه. بهینه سازی تخمین فاز کوانتومی برای شبیه سازی حالت های ویژه هامیلتونی علوم و فناوری کوانتومی، 5 (4): 044005، 2020. https://doi.org/10.1088/2058-9565/abaa2c.
https://doi.org/10.1088/2058-9565/abaa2c

[28] جان پرسکیل. محاسبات کوانتومی در دوران nisq و فراتر از آن. Quantum, 2: 79, 2018. https://doi.org/10.22331/q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79

[29] کیشور بهارتی، آلبا سرورا-لیرتا، تی ها کیاو، توبیاس هاگ، سامنر آلپرین لیا، آبیناو آناند، ماتیاس دگروت، هرمانی هیمونن، یاکوب اس کوتمن، تیم منکه، و همکاران. الگوریتم های کوانتومی در مقیاس متوسط پر سر و صدا. بررسی‌های فیزیک مدرن، 94 (1): 015004، 2022. https://doi.org/10.1103/RevModPhys.94.015004.
https://doi.org/10.1103/RevModPhys.94.015004

[30] سامسون وانگ، انریکو فونتانا، مارکو سرزو، کونال شارما، آکیرا سونه، لوکاس سینسیو و پاتریک جی کولز. فلات های بایر ناشی از نویز در الگوریتم های کوانتومی متغیر ارتباطات طبیعت، 12 (1): 1–11، 2021. https://doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6

[31] مارکو سرزو، آکیرا سونه، تایلر ولکوف، لوکاس سینسیو و پاتریک جی کولز. فلات های بی حاصل وابسته به تابع هزینه در مدارهای کوانتومی پارامتری کم عمق ارتباطات طبیعت، 12 (1): 1-12، 2021a. https://doi.org/10.1038/s41467-021-21728-w.
https://doi.org/10.1038/s41467-021-21728-w

[32] ادوارد گرانت، لئونارد ووسنیگ، ماتئوش اوستاشفسکی و مارچلو بندتی. یک استراتژی اولیه برای آدرس دهی فلات های بی حاصل در مدارهای کوانتومی پارامتری شده Quantum, 3: 214, 2019. https://doi.org/10.22331/q-2019-12-09-214.
https://doi.org/10.22331/q-2019-12-09-214

[33] استفان اچ ساک، رایمل مدینا، الکسیوس میخائیلیدیس، ریچارد کوئنگ و ماکسیم سربین. اجتناب از فلات های بایر با استفاده از سایه های کلاسیک. PRX Quantum, 3: 020365, Jun 2022. https://doi.org/10.1103/PRXQuantum.3.020365.
https://doi.org/10.1103/PRXQuantum.3.020365

[34] یونگدان یانگ، بینگ-نان لو و یانگ لی. مونت کارلوی کوانتومی شتاب‌دار با خطای کاهش‌یافته در کامپیوتر کوانتومی پر سر و صدا. PRX Quantum, 2 (4): 040361, 2021. https://doi.org/10.1103/PRXQuantum.2.040361.
https://doi.org/10.1103/PRXQuantum.2.040361

[35] گولیلمو مازولا و جوزپه کارلئو. چالش های نمایی در الگوریتم های مونت کارلو کوانتومی بی طرفانه با کامپیوترهای کوانتومی پیش چاپ arXiv arXiv:2205.09203، 2022. https://doi.org/10.48550/arXiv.2205.09203.
https://doi.org/10.48550/arXiv.2205.09203
arXiv: 2205.09203

[36] جونهو لی، دیوید آر رایشمن، رایان بابوش، نیکلاس سی روبین، فیون دی. مالون، برایان اوگرمن، و هاگینز. ویلیام جی. پاسخ به «چالش‌های نمایی در الگوریتم‌های مونت کارلو کوانتومی بی‌طرف‌انگیز با رایانه‌های کوانتومی». پیش چاپ arXiv arXiv:2207.13776، 2022. https://doi.org/10.48550/arXiv.2207.13776.
https://doi.org/10.48550/arXiv.2207.13776
arXiv: 2207.13776

[37] آنکیت ماهاجان و ساندیپ شارما. تابع موج میانگین میدان جاسترو با تقارن در مونت کارلو متغیر. مجله شیمی فیزیک A، 123 (17): 3911–3921، 2019. https://doi.org/10.1021/acs.jpca.9b01583.
https://doi.org/10.1021/acs.jpca.9b01583

[38] الساندرو روجرو، آبیشک موکرجی و فرانچسکو پدریوا. مونت کارلو کوانتومی با توابع موج خوشه ای جفت شده. Physical Review B, 88 (11): 115138, 2013. https://doi.org/10.1103/PhysRevB.88.115138.
https://doi.org/10.1103/PhysRevB.88.115138

[39] اندرس دبلیو ساندویک و گیفره ویدال. شبیه سازی کوانتومی متغیر مونت کارلو با حالت های شبکه تانسور. نامه‌های بررسی فیزیکی، 99 (22): 220602، 2007. https://doi.org/10.1103/PhysRevLett.99.220602.
https://doi.org/10.1103/PhysRevLett.99.220602

[40] DFB Ten Haaf، HJM Van Bemmel، JMJ Van Leeuwen، W Van Saarloos، و DM Ceperley. اثبات کران بالایی در مونت کارلو گره ثابت برای فرمیون های شبکه. Physical Review B, 51 (19): 13039, 1995. https://doi.org/10.1103/physrevb.51.13039.
https://doi.org/10.1103/physrevb.51.13039

[41] شیوی ژانگ و هنری کراکائر. روش کوانتومی مونت کارلو با استفاده از پیاده روی تصادفی بدون فاز با تعیین کننده های اسلاتر. نامه های بررسی فیزیکی، 90 (13): 136401، 2003. https://doi.org/10.1103/PhysRevLett.90.136401.
https://doi.org/10.1103/PhysRevLett.90.136401

[42] ایلیا سبزواری و ساندیپ شارما. سرعت و مقیاس بندی بهبود یافته در مونت کارلو تغییرات فضای مداری. مجله نظریه و محاسبات شیمیایی، 14 (12): 6276–6286، 2018. https://doi.org/10.1021/acs.jctc.8b00780.
https://doi.org/10.1021/acs.jctc.8b00780

[43] مارکو سرزو، اندرو آراسمیت، رایان بابوش، سایمون سی بنجامین، سوگورو اندو، کیسوکه فوجی، جارود آر مک‌کلین، کوسوکه میتارای، شیائو یوان، لوکاس سینسیو، و همکاران. الگوریتم های کوانتومی متغیر Nature Reviews Physics، 3 (9): 625–644، 2021b. https://doi.org/10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9

[44] Panagiotis Kl Barkoutsos، Jerome F Gonthier، Igor Sokolov، Nikolaj Moll، Gian Salis، Andreas Fuhrer، Marc Ganzhorn، Daniel J Egger، Matthias Troyer، Antonio Mezzacapo، و همکاران. الگوریتم‌های کوانتومی برای محاسبات ساختار الکترونیکی: انبساط هامیلتونی حفره ذره و بهینه‌سازی تابع موج. بررسی فیزیکی A، 98 (2): 022322، 2018. https://doi.org/10.1103/PhysRevA.98.022322.
https://doi.org/10.1103/PhysRevA.98.022322

[45] هسین یوان هوانگ، ریچارد کوئنگ و جان پرسکیل. پیش بینی بسیاری از خواص یک سیستم کوانتومی با اندازه گیری های بسیار کم. فیزیک طبیعت، 16 (10): 1050–1057، 2020. https://doi.org/10.1038/s41567-020-0932-7.
https://doi.org/10.1038/s41567-020-0932-7

[46] ژیل براسارد، پیتر هویر، میشل موسکا و آلن تپ. تقویت و تخمین دامنه کوانتومی ریاضیات معاصر، 305: 53-74، 2002. https://doi.org/10.1090/conm/305/05215.
https://doi.org/10.1090/conm/305/05215

[47] آرتور کی اکرت، کارولینا مورا آلوز، دانیل کی‌ال اوی، میچال هورودکی، پاول هورودسکی، و لئونگ چوان کوک. تخمین مستقیم توابع خطی و غیرخطی یک حالت کوانتومی. نامه‌های بررسی فیزیکی، 88 (21): 217901، 2002. https://doi.org/10.1103/PhysRevLett.88.217901.
https://doi.org/10.1103/PhysRevLett.88.217901

[48] سیروی لو، ماری کارمن بانولس و جی ایگناسیو سیراک. الگوریتم های شبیه سازی کوانتومی در انرژی های محدود PRX Quantum, 2 (2): 020321, 2021. https://doi.org/10.1103/PRXQuantum.2.020321.
https://doi.org/10.1103/PRXQuantum.2.020321

[49] توماس ای اوبراین، استفانو پولا، نیکلاس سی روبین، ویلیام جی هاگینز، سم مک آردل، سرجیو بویکسو، جارود آر مک‌کلین و رایان بابوش. کاهش خطا از طریق تخمین فاز تأیید شده. PRX Quantum, 2 (2): 020317, 2021. https://doi.org/10.1103/PRXQuantum.2.020317.
https://doi.org/10.1103/PRXQuantum.2.020317

[50] ایان دی کیولیچان، جارود مک‌کلین، ناتان ویبی، کریگ گیدنی، آلان آسپورو-گوزیک، گارنت کین‌لیک چان و رایان بابوش. شبیه سازی کوانتومی ساختار الکترونیکی با عمق خطی و اتصال نامه‌های بررسی فیزیکی، 120 (11): 110501، 2018. https://doi.org/10.1103/PhysRevLett.120.110501.
https://doi.org/10.1103/PhysRevLett.120.110501

[51] Arne L. Grimsmo، Joshua Combes و Ben Q. Baragiola. محاسبات کوانتومی با کدهای بوزونی متقارن چرخشی فیزیک Rev. X, 10: 011058, Mar 2020. https://doi.org/10.1103/PhysRevX.10.011058.
https://doi.org/10.1103/PhysRevX.10.011058

[52] ژنیو کای. کاهش خطای کوانتومی با استفاده از بسط تقارن Quantum, 5: 548, 2021. https://doi.org/10.22331/q-2021-09-21-548.
https://doi.org/10.22331/q-2021-09-21-548

[53] تایسوکه اوزاکی. O (n) روش کریلوف-زیرفضا برای محاسبات ساختار الکترونیکی از ابتدا در مقیاس بزرگ. Physical Review B, 74 (24): 245101, 2006. https://doi.org/10.1103/PhysRevB.74.245101.
https://doi.org/10.1103/PhysRevB.74.245101

[54] کن ام ناکانیشی، کوسوکه میتارای و کیسوکه فوجی. حل ویژه کوانتومی متغیر جستجوی زیرفضا برای حالت های برانگیخته. تحقیقات مروری فیزیکی، 1 (3): 033062، 2019. https://doi.org/10.1103/PhysRevResearch.1.033062.
https://doi.org/10.1103/PhysRevResearch.1.033062

[55] کازوهیرو سکی و سیجی یونوکی. روش توان کوانتومی با برهم نهی حالت های تکامل یافته در زمان. PRX Quantum, 2 (1): 010333, 2021. https://doi.org/10.1103/PRXQuantum.2.010333.
https://doi.org/10.1103/PRXQuantum.2.010333

[56] کریستین ال کورتس و استیون کی گری. الگوریتم‌های زیرفضای کریلوف کوانتومی برای تخمین انرژی زمین و حالت برانگیخته بررسی فیزیکی A، 105 (2): 022417، 2022. https://doi.org/10.1103/PhysRevA.105.022417.
https://doi.org/10.1103/PhysRevA.105.022417

[57] Rongxin Xia و Saber Kais. کیوبیت انفرادی و دو برابری حل ویژه کوانتومی متغیر برای محاسبات ساختار الکترونیکی. علوم و فناوری کوانتومی، 6 (1): 015001، 2020. https://doi.org/10.1088/2058-9565/abbc74.
https://doi.org/10.1088/2058-9565/abbc74

[58] تیمو فلسر، سیمونه نوتارنیکولا و سیمون مونتانژرو. شبکه تانسور کارآمد ansatz برای مشکلات چند جسمی کوانتومی با ابعاد بالا. Physical Review Letters, 126 (17): 170603, 2021. https://doi.org/10.1103/PhysRevLett.126.170603.
https://doi.org/10.1103/PhysRevLett.126.170603

[59] مایکل آر وال و دنیل نوهاوزر استخراج، از طریق قطری فیلتر، مقادیر ویژه کوانتومی عمومی یا فرکانس های حالت عادی کلاسیک از تعداد کمی از باقیمانده ها یا بخش کوتاه مدت یک سیگنال. من. تئوری و کاربرد در یک مدل دینامیک کوانتومی مجله فیزیک شیمیایی، 102 (20): 8011-8022، 1995. https://doi.org/10.1063/1.468999.
https://doi.org/10.1063/1.468999

[60] Ethan N. Epperly، Lin Lin، و Yuji Nakatsukasa. نظریه قطری سازی زیرفضای کوانتومی. SIAM Journal on Matrix Analysis and Applications, 43 (3): 1263–1290, 2022. https://doi.org/10.1137/21M145954X.
https://doi.org/10.1137/21M145954X

ذکر شده توسط

[1] Jinzhao Sun، Suguru Endo، Huiping Lin، Patrick Hayden، Vlatko Vedral و Xiao Yuan، "شبیه سازی کوانتومی آشفته"، نامه‌های بازبینی فیزیکی 129 12، 120505 (2022).

[2] شو کانو، هاجیمه ناکامورا، تاکائو کوبایاشی، شیگکی گوچو، میهو هاتاناکا، نائوکی یاماموتو و چی گائو، "محاسبات کوانتومی کوانتومی مونت کارلو با شبکه تانسور ترکیبی به سمت محاسبات ساختار الکترونیکی سیستم‌های مولکولی و جامد در مقیاس بزرگ". arXiv: 2303.18095, (2023).

[3] Yukun Zhang، Yifei Huang، Jinzhao Sun، Dingshun Lv، و Xiao Yuan، "محاسبات کوانتومی کوانتومی مونت کارلو"، arXiv: 2206.10431, (2022).

[4] Benchen Huang، Nan Sheng، Marco Govoni و Giulia Galli، «شبیه‌سازی کوانتومی همیلتون‌های فرمیونی با رمزگذاری کارآمد و طرح‌های ansatz». arXiv: 2212.01912, (2022).

[5] ماکسیمیلیان امسلر، پیتر دگلمن، ماتیاس دگروت، مایکل پی کایچر، متیو کیسر، مایکل کون، چاندان کومار، آندریاس مایر، گئورگی سامسونیدزه، آنا شرودر، مایکل استریف، دیوید وودولا، و کریستوفر وور، "کوانتومی پیشرفته مونت کارلو: نمای صنعتی arXiv: 2301.11838, (2023).

[6] Yongdan Yang، Ying Li، Xiaosi Xu و Xiao Yuan، "یک الگوریتم ترکیبی کوانتومی-کلاسیک با منابع کارآمد برای ارزیابی شکاف انرژی". arXiv: 2305.07382, (2023).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-08-06 02:04:18). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

On سرویس استناد شده توسط Crossref هیچ داده ای در مورد استناد به آثار یافت نشد (آخرین تلاش 2023-08-06 02:04:17).

این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.

محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
منبع: https://quantum-journal.org/papers/q-2023-08-03-1072/

تمبر زمان: اوت 3، 2023

تمبر زمان: نوامبر 7، 2023

بازنشر افلاطون

الگوریتم کوانتومی برای تخمین انرژی حالت پایه با استفاده از عمق مدار با وابستگی نمایی بهبود یافته به دقت

روش نقطه داخلی قوی برای محاسبه نرخ توزیع کلید کوانتومی

نسبت های دامنه و حالت های کوانتومی شبکه عصبی

چکیده: تجزیه و تحلیل مدارهای کوانتومی از طریق شبیه سازی تثبیت کننده انتزاعی

یک ذره چه زمانی می رسد؟

یادگیری قوی و کارآمد همیلتونی

رمزگذاری مستقل از دستگاه کاملاً ایمن با حذف تأیید شده

به سوی گرانش کوانتومی در آزمایشگاه پردازنده‌های کوانتومی

مدل کنترل پیش بینی برای آماده سازی حالت کوانتومی قوی

سوئیچ کوانتومی به طور منحصر به فردی با عملکرد آن بر روی عملیات واحد تعریف می شود

درباره‌ ما

جستجوی عمودی و هوش مصنوعی

سکو

همیشه در ارتباط ماندن

حساب