Algorithmes de Monte Carlo assistés par quantique pour les fermions

Algorithmes de Monte Carlo assistés par quantique pour les fermions

Nœud source: 2805391

Xiaosi Xu ainsi que Ying Li

Graduate School of China Academy of Engineering Physics, Pékin 100193, Chine

Vous trouvez cet article intéressant ou souhaitez en discuter? Scite ou laisse un commentaire sur SciRate.

Abstract

L’informatique quantique est une voie prometteuse pour résoudre systématiquement le problème informatique de longue date, l’état fondamental d’un système de fermions à N corps. De nombreux efforts ont été déployés pour réaliser certaines formes d’avantage quantique dans ce problème, par exemple le développement d’algorithmes quantiques variationnels. Un travail récent de Huggins et al. [1] rapporte un nouveau candidat, à savoir un algorithme de Monte Carlo hybride quantique-classique avec un biais réduit par rapport à son homologue entièrement classique. Dans cet article, nous proposons une famille d'algorithmes de Monte Carlo évolutifs à assistance quantique dans lesquels l'ordinateur quantique est utilisé à son coût minimal tout en réduisant le biais. En incorporant une approche d'inférence bayésienne, nous pouvons obtenir cette réduction du biais facilitée par le quantum avec un coût de calcul quantique beaucoup plus faible que la moyenne empirique dans l'estimation de l'amplitude. En outre, nous montrons que le cadre hybride de Monte Carlo est un moyen général de supprimer les erreurs dans l'état fondamental obtenues à partir d'algorithmes classiques. Notre travail fournit une boîte à outils Monte Carlo permettant de réaliser un calcul quantique amélioré des systèmes de fermions sur des dispositifs quantiques à court terme.

La résolution de l’équation de Schrödinger des systèmes de fermions à N corps est essentielle dans de nombreux domaines scientifiques. Quantum Monte Carlo (QMC) est un groupe d'algorithmes classiques bien développés et largement utilisés. Cependant, un problème de signe interdit son utilisation pour les grands systèmes car la variance des résultats augmente de façon exponentielle avec la taille du système. Les méthodes courantes pour limiter le problème des signes introduisent généralement un certain biais. Nous envisageons d'incorporer des ordinateurs quantiques dans QMC pour réduire le biais. Les travaux antérieurs présentent certains problèmes d'évolutivité en général et de coût du calcul quantique. Dans ce travail, nous essayons de résoudre ces problèmes et d'introduire un cadre d'algorithmes QMC assistés par quantique dans lequel l'ordinateur quantique est impliqué à des niveaux flexibles. Nous décrivons deux stratégies basées sur l'étendue des ressources quantiques utilisées et montrons des résultats numériques notablement améliorés par rapport à leur homologue classique. Pour réduire davantage les mesures informatiques quantiques, nous introduisons une méthode d'inférence bayésienne et montrons qu'un avantage quantique stable peut être maintenu. Grâce à la symétrie inhérente au système physique cible, notre QMC à assistance quantique est résilient aux erreurs. En faisant de notre QMC à assistance quantique un sous-programme de l'algorithme de diagonalisation du sous-espace, nous montrons que le QMC à assistance quantique est une méthode générale de réduction des erreurs dans d'autres algorithmes classiques ou quantiques. Le QMC assisté par quantique est une méthode potentiellement nouvelle pour démontrer un certain niveau d’avantage quantique sur les machines du NIST.

► Données BibTeX

► Références

William J Huggins, Bryan A O'Gorman, Nicholas C Rubin, David R Reichman, Ryan Babbush et Joonho Lee. Monte Carlo quantique fermionique sans biais avec un ordinateur quantique. Nature, 603 (7901) : 416–420, 2022. https:/​/​doi.org/​10.1038/​s41586-021-04351-z.
https: / / doi.org/ 10.1038 / s41586-021-04351-z

Ryan Babbush, Dominic W Berry, Ian D Kivlichan, Annie Y Wei, Peter J Love et Alán Aspuru-Guzik. Simulation quantique exponentiellement plus précise des fermions en seconde quantification. New Journal of Physics, 18 (3): 033032, 2016. https:/​/​doi.org/​10.1088/​1367-2630/​18/​3/​033032.
https:/​/​doi.org/​10.1088/​1367-2630/​18/​3/​033032

Sam McArdle, Suguru Endo, Alán Aspuru-Guzik, Simon C Benjamin et Xiao Yuan. Chimie computationnelle quantique. Avis sur la physique moderne, 92 (1) : 015003, 2020. https:/​/​doi.org/​10.1103/​RevModPhys.92.015003.
https: / / doi.org/ 10.1103 / RevModPhys.92.015003

Raffaele Resta. Manifestations de la phase de la baie dans les molécules et la matière condensée. Journal of Physics : Matière condensée, 12 (9) : R107, 2000. https:/​/​doi.org/​10.1088/​0953-8984/​12/​9/​201.
https:/​/​doi.org/​10.1088/​0953-8984/​12/​9/​201

Lingzhen Guo et Pengfei Liang. Physique de la matière condensée dans les cristaux temporels. Nouveau Journal of Physics, 22 (7) : 075003, 2020. https:/​/​doi.org/​10.1088/​1367-2630/​ab9d54.
https:/​/​doi.org/​10.1088/​1367-2630/​ab9d54

Jean Pierre Jeukenne, A Lejeune et Claude Mahaux. Théorie à N corps de la matière nucléaire. Rapports de physique, 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

J Carlson, Stefano Gandolfi, Francesco Pederiva, Steven C Pieper, Rocco Schiavilla, KE Schmidt et Robert B Wiringa. Méthodes quantiques de Monte Carlo pour la physique nucléaire. Reviews of Modern Physics, 87 (3) : 1067, 2015. https:/​/​doi.org/​10.1103/​RevModPhys.87.1067.
https: / / doi.org/ 10.1103 / RevModPhys.87.1067

Vladimir A Miransky et Igor A Shovkovy. Théorie des champs quantiques dans un champ magnétique : de la chromodynamique quantique au graphène et aux semi-métaux dirac. Rapports de physique, 576 : 1–209, 2015. https:/​/​doi.org/​10.1016/​j.physrep.2015.02.003.
https: / / doi.org/ 10.1016 / j.physrep.2015.02.003

Stanley J Brodsky, Hans-Christian Pauli et Stephen S Pinsky. Chromodynamique quantique et autres théories des champs sur le cône de lumière. Rapports de physique, 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

Gabriel Kotliar, Sergej Y Savrasov, Kristjan Haule, Viktor S Oudovenko, O Parcollet et CA Marianetti. Calculs de structures électroniques avec théorie dynamique du champ moyen. Reviews of Modern Physics, 78 (3) : 865, 2006. https:/​/​doi.org/​10.1103/​RevModPhys.78.865.
https: / / doi.org/ 10.1103 / RevModPhys.78.865

John W Negele. La théorie du champ moyen de la structure et de la dynamique nucléaires. Reviews of Modern Physics, 54 (4) : 913, 1982. https:/​/​doi.org/​10.1103/​RevModPhys.54.913.
https: / / doi.org/ 10.1103 / RevModPhys.54.913

Rafael Guardiola. Méthodes de Monte Carlo dans les théories quantiques à N corps. Dans Théories quantiques microscopiques à N corps et leurs applications, pages 269 à 336. Springer, 1998. https:/​/​doi.org/​10.1016/​0375-9474(79)90217-3.
https:/​/​doi.org/​10.1016/​0375-9474(79)90217-3

YY Shi, LM Duan et Guifre Vidal. Simulation classique de systèmes quantiques à N corps avec un réseau de tenseurs arborescents. Examen physique a, 74 (2) : 022320, 2006. https:/​/​doi.org/​10.1103/​PhysRevA.74.022320.
https: / / doi.org/ 10.1103 / PhysRevA.74.022320

Shi-Ju Ran, Angelo Piga, Cheng Peng, Gang Su et Maciej Lewenstein. Les systèmes à quelques corps capturent la physique à plusieurs corps : approche de réseau tensoriel. Examen physique B, 96 (15) : 155120, 2017. https:/​/​doi.org/​10.1103/​PhysRevB.96.155120.
https: / / doi.org/ 10.1103 / PhysRevB.96.155120

Drew Créal. Une étude des méthodes séquentielles de Monte Carlo pour l'économie et la finance. Revues économétriques, 31 (3) : 245-296, 2012. https:/​/​doi.org/​10.1080/​07474938.2011.607333.
https: / / doi.org/ 10.1080 / 07474938.2011.607333

Liaw Y Batan, Gregory D Graff et Thomas H Bradley. Analyse technico-économique et probabiliste monte carlo du système de production de biocarburant à base de microalgues. Technologie des bioressources, 219 : 45-52, 2016. https:/​/​doi.org/​10.1016/​j.biortech.2016.07.085.
https://​/​doi.org/​10.1016/​j.biortech.2016.07.085

Zheng-Zhi Sun, Cheng Peng, Ding Liu, Shi-Ju Ran et Gang Su. Modèle de classification de réseau tenseur génératif pour l'apprentissage automatique supervisé. Examen physique B, 101 (7) : 075135, 2020. https:/​/​doi.org/​10.1103/​PhysRevB.101.075135.
https: / / doi.org/ 10.1103 / PhysRevB.101.075135

Toshiyuki Tanaka. Théorie du champ moyen de l'apprentissage automatique Boltzmann. Examen physique E, 58 (2) : 2302, 1998. https:/​/​doi.org/​10.1103/​PhysRevE.58.2302.
https: / / doi.org/ 10.1103 / PhysRevE.58.2302

Brian M Austin, Dmitry Yu Zubarev et William A Lester Jr. Quantum Monte Carlo et approches associées. Revues chimiques, 112 (1) : 263-288, 2012. https:/​/​doi.org/​10.1021/​cr2001564.
https://​/​doi.org/​10.1021/​cr2001564

Gerardo Ortiz, James E Gubernatis, Emanuel Knill et Raymond Laflamme. Algorithmes quantiques pour les simulations fermioniques. Examen physique A, 64 (2) : 022319, 2001. https:/​/​doi.org/​10.1103/​PhysRevA.64.022319.
https: / / doi.org/ 10.1103 / PhysRevA.64.022319

Mario Motta et Shiwei Zhang. Calculs ab initio de systèmes moléculaires par la méthode de Monte Carlo quantique à champ auxiliaire. Examens interdisciplinaires Wiley : Computational Molecular Science, 8 (5) : e1364, 2018. https:/​/​doi.org/​10.1002/​wcms.1364.
https: / / doi.org/ 10.1002 / wcms.1364

Nick S. Blunt. approximations de nœuds fixes et partiels dans l'espace déterminant de Slater pour les molécules. Journal of Chemical Theory and Computation, 17 (10) : 6092-6104, 2021. https:/​/​doi.org/​10.1021/​acs.jctc.1c00500.
https: / / doi.org/ 10.1021 / acs.jctc.1c00500

Sevag Gharibian et François Le Gall. Déquantification de la transformation quantique des valeurs singulières : dureté et applications à la chimie quantique et à la conjecture quantique du pcp. Dans Actes du 54e symposium annuel ACM SIGACT sur la théorie de l'informatique, pages 19 à 32, 2022. https:/​/​doi.org/​10.1145/​3519935.3519991.
https: / / doi.org/ 10.1145 / 3519935.3519991

Chris Cade, Marten Folkertsma et Jordi Weggemans. Complexité du problème hamiltonien local guidé : paramètres améliorés et extension aux états excités. Préimpression arXiv arXiv:2207.10097, 2022. https:/​/​doi.org/​10.48550/​arXiv.2207.10097.
https://​/​doi.org/​10.48550/​arXiv.2207.10097
arXiv: 2207.10097

Sevag Gharibian, Ryu Hayakawa, François Le Gall et Tomoyuki Morimae. Résultats de dureté améliorés pour le problème hamiltonien local guidé. Préimpression arXiv arXiv:2207.10250, 2022. https:/​/​doi.org/​10.48550/​arXiv.2207.10250.
https://​/​doi.org/​10.48550/​arXiv.2207.10250
arXiv: 2207.10250

James D Whitfield, Jacob Biamonte et Alán Aspuru-Guzik. Simulation de structures électroniques hamiltoniennes à l'aide d'ordinateurs quantiques. Physique moléculaire, 109 (5): 735–750, 2011. https:/​/​doi.org/​10.1080/​00268976.2011.552441.
https: / / doi.org/ 10.1080 / 00268976.2011.552441

Pedro MQ Cruz, Gonçalo Catarina, Ronan Gautier et Joaquín Fernández-Rossier. Optimisation de l'estimation de phase quantique pour la simulation des états propres hamiltoniens. Science et technologie quantiques, 5 (4) : 044005, 2020. https:/​/​doi.org/​10.1088/​2058-9565/​abaa2c.
https://​/​doi.org/​10.1088/​2058-9565/​abaa2c

John Preskill. L'informatique quantique à l'ère nisq et au-delà. Quantum, 2 : 79, 2018. https:/​/​doi.org/​10.22331/​q-2018-08-06-79.
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 et al. Algorithmes quantiques bruyants à échelle intermédiaire. Reviews of Modern Physics, 94 (1) : 015004, 2022. https:/​/​doi.org/​10.1103/​RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004

Samson Wang, Enrico Fontana, Marco Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio et Patrick J Coles. Plateaux stériles induits par le bruit dans les algorithmes quantiques variationnels. Communications sur la nature, 12 (1) : 1-11, 2021. https:/​/​doi.org/​10.1038/​s41467-021-27045-6.
https:/​/​doi.org/​10.1038/​s41467-021-27045-6

Marco Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio et Patrick J Coles. Plateaux stériles dépendant de la fonction de coût dans des circuits quantiques paramétrés peu profonds. Communications sur la nature, 12 (1) : 1-12, 2021a. https://​/​doi.org/​10.1038/​s41467-021-21728-w.
https: / / doi.org/ 10.1038 / s41467-021-21728-w

Edward Grant, Leonard Wossnig, Mateusz Ostaszewski et Marcello Benedetti. Une stratégie d'initialisation pour aborder les plateaux stériles dans les circuits quantiques paramétrés. Quantique, 3 : 214, 2019. https://​/​doi.org/​10.22331/​q-2019-12-09-214.
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

Stefan H Sack, Raimel A Medina, Alexios A Michailidis, Richard Kueng et Maksym Serbyn. Éviter les plateaux stériles en utilisant les ombres classiques. PRX Quantum, 3 : 020365, juin 2022. https:/​/​doi.org/​10.1103/​PRXQuantum.3.020365.
https: / / doi.org/ 10.1103 / PRXQuantum.3.020365

Yongdan Yang, Bing-Nan Lu et Ying Li. Monte Carlo quantique accéléré avec erreur atténuée sur un ordinateur quantique bruyant. PRX Quantum, 2 (4) : 040361, 2021. https://​/​doi.org/​10.1103/​PRXQuantum.2.040361.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040361

Guglielmo Mazzola et Giuseppe Carleo. Défis exponentiels dans les algorithmes quantiques impartiaux de Monte Carlo avec les ordinateurs quantiques. Préimpression arXiv arXiv:2205.09203, 2022. https:/​/​doi.org/​10.48550/​arXiv.2205.09203.
https://​/​doi.org/​10.48550/​arXiv.2205.09203
arXiv: 2205.09203

Joonho Lee, David R Reichman, Ryan Babbush, Nicholas C Rubin, Fionn D. Malone, Bryan O'Gorman et Huggins. William J. Réponse aux « défis exponentiels posés par les algorithmes quantiques impartiaux de Monte Carlo avec les ordinateurs quantiques ». Préimpression arXiv arXiv:2207.13776, 2022. https:/​/​doi.org/​10.48550/​arXiv.2207.13776.
https://​/​doi.org/​10.48550/​arXiv.2207.13776
arXiv: 2207.13776

Ankit Mahajan et Sandeep Sharma. Fonction d'onde de champ moyen Jastrow projetée par symétrie dans Monte Carlo variationnel. The Journal of Physical Chemistry A, 123 (17) : 3911-3921, 2019. https:/​/​doi.org/​10.1021/​acs.jpca.9b01583.
https: / / doi.org/ 10.1021 / acs.jpca.9b01583

Alessandro Roggero, Abhishek Mukherjee et Francesco Pederiva. Monte Carlo quantique avec fonctions d'onde à cluster couplé. Examen physique B, 88 (11) : 115138, 2013. https:/​/​doi.org/​10.1103/​PhysRevB.88.115138.
https: / / doi.org/ 10.1103 / PhysRevB.88.115138

Anders W Sandvik et Guifre Vidal. Simulations variationnelles de Monte Carlo quantiques avec états de réseau tensoriel. Lettres d'examen physique, 99 (22) : 220602, 2007. https:/​/​doi.org/​10.1103/​PhysRevLett.99.220602.
https: / / doi.org/ 10.1103 / PhysRevLett.99.220602

DFB Ten Haaf, HJM Van Bemmel, JMJ Van Leeuwen, W Van Saarloos et DM Ceperley. Preuve d'une limite supérieure dans Monte Carlo à nœud fixe pour les fermions de réseau. Examen physique B, 51 (19) : 13039, 1995. https:/​/​doi.org/​10.1103/​physrevb.51.13039.
https: / / doi.org/ 10.1103 / physrevb.51.13039

Shiwei Zhang et Henry Krakauer. Méthode quantique de Monte Carlo utilisant des marches aléatoires sans phase avec des déterminants de Slater. Lettres d'examen physique, 90 (13) : 136401, 2003. https:/​/​doi.org/​10.1103/​PhysRevLett.90.136401.
https: / / doi.org/ 10.1103 / PhysRevLett.90.136401

Iliya Sabzevari et Sandeep Sharma. Vitesse et mise à l'échelle améliorées dans Monte Carlo variationnel de l'espace orbital. Journal de théorie et calcul chimiques, 14 (12) : 6276-6286, 2018. https:/​/​doi.org/​10.1021/​acs.jctc.8b00780.
https: / / doi.org/ 10.1021 / acs.jctc.8b00780

Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio et al. Algorithmes quantiques variationnels. 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

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. Algorithmes quantiques pour les calculs de structures électroniques : hamiltonien particule-trou et expansions optimisées de la fonction d'onde. Examen physique A, 98 (2) : 022322, 2018. https:/​/​doi.org/​10.1103/​PhysRevA.98.022322.
https: / / doi.org/ 10.1103 / PhysRevA.98.022322

Hsin-Yuan Huang, Richard Kueng et John Preskill. Prédire de nombreuses propriétés d'un système quantique à partir de très peu de mesures. Physique de la nature, 16 (10) : 1050-1057, 2020. https:/​/​doi.org/​10.1038/​s41567-020-0932-7.
https:/​/​doi.org/​10.1038/​s41567-020-0932-7

Gilles Brassard, Peter Hoyer, Michele Mosca et Alain Tapp. Amplification et estimation de l'amplitude quantique. Mathématiques contemporaines, 305 : 53-74, 2002. https:/​/​doi.org/​10.1090/​conm/​305/​05215.
https: / / doi.org/ 10.1090 / conm / 305/05215

Artur K Ekert, Carolina Moura Alves, Daniel KL Oi, Michał Horodecki, Paweł Horodecki et Leong Chuan Kwek. Estimations directes des fonctionnelles linéaires et non linéaires d'un état quantique. Lettres d'examen physique, 88 (21) : 217901, 2002. https:/​/​doi.org/​10.1103/​PhysRevLett.88.217901.
https: / / doi.org/ 10.1103 / PhysRevLett.88.217901

Sirui Lu, Mari Carmen Bañuls et J Ignacio Cirac. Algorithmes de simulation quantique à énergies finies. PRX Quantum, 2 (2) : 020321, 2021. https://​/​doi.org/​10.1103/​PRXQuantum.2.020321.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020321

Thomas E O'Brien, Stefano Polla, Nicholas C Rubin, William J Huggins, Sam McArdle, Sergio Boixo, Jarrod R McClean et Ryan Babbush. Atténuation des erreurs via une estimation de phase vérifiée. PRX Quantum, 2 (2) : 020317, 2021. https://​/​doi.org/​10.1103/​PRXQuantum.2.020317.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317

Ian D Kivlichan, Jarrod McClean, Nathan Wiebe, Craig Gidney, Alán Aspuru-Guzik, Garnet Kin-Lic Chan et Ryan Babbush. Simulation quantique de la structure électronique avec profondeur linéaire et connectivité. Lettres d'examen physique, 120 (11) : 110501, 2018. https:/​/​doi.org/​10.1103/​PhysRevLett.120.110501.
https: / / doi.org/ 10.1103 / PhysRevLett.120.110501

Arne L. Grimsmo, Joshua Combes et Ben Q. Baragiola. Informatique quantique avec codes bosoniques à rotation symétrique. Phys. X, 10 : 011058, mars 2020. https:/​/​doi.org/​10.1103/​PhysRevX.10.011058.
https: / / doi.org/ 10.1103 / PhysRevX.10.011058

Zhenyu Cai. Atténuation des erreurs quantiques par expansion de symétrie. Quantique, 5 : 548, 2021. https:/​/​doi.org/​10.22331/​q-2021-09-21-548.
https:/​/​doi.org/​10.22331/​q-2021-09-21-548

Taisuke Ozaki. O (n) méthode du sous-espace krylov pour les calculs de structure électronique ab initio à grande échelle. Examen physique B, 74 (24) : 245101, 2006. https:/​/​doi.org/​10.1103/​PhysRevB.74.245101.
https: / / doi.org/ 10.1103 / PhysRevB.74.245101

Ken M Nakanishi, Kosuke Mitarai et Keisuke Fujii. Solveur propre quantique variationnel de recherche sous-spatiale pour les états excités. Recherche sur l'examen physique, 1 (3) : 033062, 2019. https:/​/​doi.org/​10.1103/​PhysRevResearch.1.033062.
https: / / doi.org/ 10.1103 / PhysRevResearch.1.033062

Kazuhiro Seki et Seiji Yunoki. Méthode du pouvoir quantique par superposition d’états évoluant dans le temps. PRX Quantum, 2 (1) : 010333, 2021. https://​/​doi.org/​10.1103/​PRXQuantum.2.010333.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010333

Cristian L Cortés et Stephen K Gray. Algorithmes du sous-espace quantique de Krylov pour l'estimation de l'énergie de l'état fondamental et excité. Examen physique A, 105 (2) : 022417, 2022. https:/​/​doi.org/​10.1103/​PhysRevA.105.022417.
https: / / doi.org/ 10.1103 / PhysRevA.105.022417

Rongxin Xia et Sabre Kais. Le cluster couplé à des qubits simple et double l'ansatz de résolution quantique variationnelle pour les calculs de structure électronique. Science et technologie quantiques, 6 (1) : 015001, 2020. https:/​/​doi.org/​10.1088/​2058-9565/​abbc74.
https://​/​doi.org/​10.1088/​2058-9565/​abbc74

Timo Felser, Simone Notarnicola et Simone Montangero. Ansatz de réseau tenseur efficace pour les problèmes quantiques à plusieurs corps de haute dimension. Lettres d'examen physique, 126 (17) : 170603, 2021. https:/​/​doi.org/​10.1103/​PhysRevLett.126.170603.
https: / / doi.org/ 10.1103 / PhysRevLett.126.170603

Michael R Wall et Daniel Neuhauser. Extraction, par filtrage-diagonalisation, de valeurs propres quantiques générales ou de fréquences de mode normal classique à partir d'un petit nombre de résidus ou d'un segment de courte durée d'un signal. je. théorie et application à un modèle de dynamique quantique. Le Journal de physique chimique, 102 (20): 8011–8022, 1995. https:/​/​doi.org/​10.1063/​1.468999.
https: / / doi.org/ 10.1063 / 1.468999

Ethan N. Epperly, Lin Lin et Yuji Nakatsukasa. Une théorie de la diagonalisation du sous-espace quantique. SIAM Journal on Matrix Analysis and Applications, 43 (3): 1263–1290, 2022. https:/​/​doi.org/​10.1137/​21M145954X.
https://​/​doi.org/​10.1137/​21M145954X

Cité par

[1] Jinzhao Sun, Suguru Endo, Huiping Lin, Patrick Hayden, Vlatko Vedral et Xiao Yuan, « Simulation quantique perturbatrice », Lettres d'examen physique 129 12, 120505 (2022).

[2] Shu Kanno, Hajime Nakamura, Takao Kobayashi, Shigeki Gocho, Miho Hatanaka, Naoki Yamamoto et Qi Gao, "Quantum computing quantum Monte Carlo with hybrid tensor network towards electronic structure calculators of large-scale molecule and solid systems", arXiv: 2303.18095, (2023).

[3] Yukun Zhang, Yifei Huang, Jinzhao Sun, Dingshun Lv et Xiao Yuan, "Quantum Computing Quantum Monte Carlo", arXiv: 2206.10431, (2022).

[4] Benchen Huang, Nan Sheng, Marco Govoni et Giulia Galli, "Simulations quantiques des hamiltoniens fermioniques avec des schémas d'encodage et d'ansatz efficaces", arXiv: 2212.01912, (2022).

[5] Maximilian Amsler, Peter Deglmann, Matthias Degroote, Michael P. Kaicher, Matthew Kiser, Michael Kühn, Chandan Kumar, Andreas Maier, Georgy Samsonidze, Anna Schroeder, Michael Streif, Davide Vodola et Christopher Wever, « Quantum-enhanced quantum Monte Carlo : une vision industrielle », arXiv: 2301.11838, (2023).

[6] Yongdan Yang, Ying Li, Xiaosi Xu et Xiao Yuan, « Un algorithme hybride quantique classique économe en ressources pour l'évaluation de l'écart énergétique », arXiv: 2305.07382, (2023).

Les citations ci-dessus proviennent de SAO / NASA ADS (dernière mise à jour réussie 2023-08-06 02:04:18). La liste peut être incomplète car tous les éditeurs ne fournissent pas de données de citation appropriées et complètes.

On Le service cité par Crossref aucune donnée sur la citation des œuvres n'a été trouvée (dernière tentative 2023-08-06 02:04:17).

Horodatage:

Plus de Journal quantique