Algoritmos de Monte Carlo assistidos por quantum para férmions

Republicado por Platão

seguidores: 0

Escola de Pós-Graduação da Academia de Engenharia Física da China, Pequim 100193, China

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

Sumário

A computação quântica é uma maneira promissora de resolver sistematicamente o problema computacional de longa data, o estado fundamental de um sistema de férmions de muitos corpos. Muitos esforços têm sido feitos para realizar certas formas de vantagem quântica neste problema, por exemplo, o desenvolvimento de algoritmos quânticos variacionais. Um trabalho recente de Huggins et al. [1] relata um novo candidato, ou seja, um algoritmo de Monte Carlo híbrido quântico-clássico com viés reduzido em comparação com sua contraparte totalmente clássica. Neste artigo, propomos uma família de algoritmos de Monte Carlo assistidos por quantum escaláveis, onde o computador quântico é usado com seu custo mínimo e ainda pode reduzir o viés. Ao incorporar uma abordagem de inferência bayesiana, podemos obter essa redução de viés facilitada por quantum com um custo de computação quântica muito menor do que a média empírica na estimativa de amplitude. Além disso, mostramos que o framework híbrido de Monte Carlo é uma forma geral de suprimir erros no estado fundamental obtidos de algoritmos clássicos. Nosso trabalho fornece um kit de ferramentas Monte Carlo para obter cálculos aprimorados quânticos de sistemas de férmions em dispositivos quânticos de curto prazo.

Resumo popular

Resolver a equação de Schrödinger de sistemas de férmions de muitos corpos é essencial em muitos campos científicos. Quantum Monte Carlo (QMC) é um grupo de algoritmos clássicos bem desenvolvidos que têm sido amplamente utilizados. No entanto, um problema de sinal proíbe seu uso para sistemas grandes, pois a variância dos resultados aumenta exponencialmente com o tamanho do sistema. Métodos comuns para restringir o problema de sinal geralmente introduzem algum viés. Consideramos a incorporação de computadores quânticos no QMC para reduzir o viés. Trabalhos anteriores têm alguns problemas com escalabilidade em geral e custo de computação quântica. Neste trabalho, tentamos abordar as questões e introduzir uma estrutura de algoritmos QMC assistidos por quantum onde o computador quântico está envolvido em níveis flexíveis. Descrevemos duas estratégias baseadas na extensão dos recursos quânticos usados e mostramos resultados numéricos notavelmente melhorados em comparação com a contraparte clássica. Para reduzir ainda mais as medições de computação quântica, introduzimos um método de inferência bayesiana e mostramos que uma vantagem quântica estável pode ser mantida. Com simetria inerente no sistema físico de destino, nosso QMC assistido por quantum é resistente a erros. Ao tornar nosso QMC assistido por quantum uma sub-rotina do algoritmo de diagonalização de subespaço, mostramos que o QMC assistido por quantum é um método geral de redução de erros em outros algoritmos clássicos ou quânticos. O QMC assistido por quantum é um método potencialmente novo para demonstrar algum nível de vantagem quântica em máquinas NIST.

► dados BibTeX

@article{Xu2023quantumassisted, doi = {10.22331/q-2023-08-03-1072}, url = {https://doi.org/10.22331/q-2023-08-03-1072}, título = {Quantum- assistido {M}onte {C}arlo algoritmos para férmions}, autor = {Xu, Xiaosi e Li, Ying}, diário = {{Quantum}}, issn = {2521-327X}, editor = {{Verein zur F{ “{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, páginas = {1072}, mês = agosto, ano = {2023} }

► Referências

[1] William J Huggins, Bryan A O'Gorman, Nicholas C Rubin, David R Reichman, Ryan Babbush e Joonho Lee. Monte carlo quântico fermiônico imparcial com um computador quântico. 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] Ryan Babbush, Dominic W Berry, Ian D Kivlichan, Annie Y Wei, Peter J Love e Alán Aspuru-Guzik. Simulação quântica exponencialmente mais precisa de férmions na segunda quantização. 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

[3] Sam McArdle, Suguru Endo, Alán Aspuru-Guzik, Simon C Benjamin e Xiao Yuan. Química computacional quântica. Reviews of Modern Physics, 92 (1): 015003, 2020. https://doi.org/10.1103/RevModPhys.92.015003.
https: / / doi.org/ 10.1103 / RevModPhys.92.015003

[4] Raffaele Resta. Manifestações da fase baga em moléculas e matéria condensada. Journal of Physics: Condensed Matter, 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] Lingzhen Guo e Pengfei Liang. Física da matéria condensada em cristais do tempo. New Journal of Physics, 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 e Claude Mahaux. Teoria de muitos corpos da matéria nuclear. Physics Reports, 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] J Carlson, Stefano Gandolfi, Francesco Pederiva, Steven C Pieper, Rocco Schiavilla, KE Schmidt e Robert B Wiringa. Métodos quânticos de monte carlo para física nuclear. Reviews of Modern Physics, 87 (3): 1067, 2015. https://doi.org/10.1103/RevModPhys.87.1067.
https: / / doi.org/ 10.1103 / RevModPhys.87.1067

[8] Vladimir A Miransky e Igor A Shovkovy. Teoria quântica de campos em um campo magnético: da cromodinâmica quântica aos semimetais de grafeno e dirac. Physics Reports, 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] Stanley J Brodsky, Hans-Christian Pauli e Stephen S Pinsky. Cromodinâmica quântica e outras teorias de campo no cone de luz. Physics Reports, 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] Gabriel Kotliar, Sergej Y Savrasov, Kristjan Haule, Viktor S Oudovenko, O Parcollet, and CA Marianetti. Cálculos de estruturas eletrônicas com teoria dinâmica de campo médio. 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] John W. Negele. A teoria do campo médio da estrutura e dinâmica nuclear. 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] Rafael Guardiola. Métodos de Monte Carlo em teorias quânticas de muitos corpos. Em teorias quânticas de muitos corpos microscópicas e suas aplicações, páginas 269–336. Springer, 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 e Guifre Vidal. Simulação clássica de sistemas quânticos de muitos corpos com uma rede de tensores de árvore. Physical review a, 74 (2): 022320, 2006. https://doi.org/10.1103/PhysRevA.74.022320.
https: / / doi.org/ 10.1103 / PhysRevA.74.022320

[14] Shi-Ju Ran, Angelo Piga, Cheng Peng, Gang Su e Maciej Lewenstein. Sistemas de poucos corpos capturam a física de muitos corpos: Abordagem de rede tensor. Physical Review B, 96 (15): 155120, 2017. https://doi.org/10.1103/PhysRevB.96.155120.
https: / / doi.org/ 10.1103 / PhysRevB.96.155120

[15] Drew Creal. Uma pesquisa de métodos sequenciais de monte carlo para economia e finanças. Revisões econométricas, 31 (3): 245–296, 2012. https://doi.org/10.1080/07474938.2011.607333.
https: / / doi.org/ 10.1080 / 07474938.2011.607333

[16] Liaw Y Batan, Gregory D Graff e Thomas H Bradley. Análise tecnoeconômica e probabilística monte carlo do sistema de produção de biocombustíveis com microalgas. Bioresource technology, 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] Zheng-Zhi Sun, Cheng Peng, Ding Liu, Shi-Ju Ran e Gang Su. Modelo de classificação de rede tensorial generativa para aprendizado de máquina supervisionado. Physical Review B, 101 (7): 075135, 2020. https://doi.org/10.1103/PhysRevB.101.075135.
https: / / doi.org/ 10.1103 / PhysRevB.101.075135

[18] Toshiyuki Tanaka. Teoria do campo médio do aprendizado de máquina boltzmann. Physical Review E, 58 (2): 2302, 1998. https://doi.org/10.1103/PhysRevE.58.2302.
https: / / doi.org/ 10.1103 / PhysRevE.58.2302

[19] Brian M Austin, Dmitry Yu Zubarev e William A Lester Jr. Quantum monte carlo e abordagens relacionadas. Chemical reviews, 112 (1): 263–288, 2012. https://doi.org/10.1021/cr2001564.
https:///doi.org/10.1021/cr2001564

[20] Gerardo Ortiz, James E Gubernatis, Emanuel Knill e Raymond Laflamme. Algoritmos quânticos para simulações fermiônicas. Physical Review A, 64 (2): 022319, 2001. https://doi.org/10.1103/PhysRevA.64.022319.
https: / / doi.org/ 10.1103 / PhysRevA.64.022319

[21] Mário Motta e Shiwei Zhang. Computações ab initio de sistemas moleculares pelo método quântico de monte carlo de campos auxiliares. Wiley Interdisciplinary Reviews: Computational Molecular Science, 8 (5): e1364, 2018. https://doi.org/10.1002/wcms.1364.
https: / / doi.org/ 10.1002 / wcms.1364

[22] Nick S. Blunt. Aproximações de nós fixos e parciais no espaço determinante slater para moléculas. 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

[23] Sevag Gharibian e François Le Gall. Desquantizando a transformação de valor singular quântico: Dureza e aplicações à química quântica e à conjectura pcp quântica. Em Proceedings of the 54th Annual ACM SIGACT Symposium on Theory of Computing, páginas 19–32, 2022. https://doi.org/10.1145/3519935.3519991.
https: / / doi.org/ 10.1145 / 3519935.3519991

[24] Chris Cade, Marten Folkertsma e Jordi Weggemans. Complexidade do problema hamiltoniano local guiado: parâmetros aprimorados e extensão para estados excitados. arXiv preprint arXiv:2207.10097, 2022. https://doi.org/10.48550/arXiv.2207.10097.
https:///doi.org/10.48550/arXiv.2207.10097
arXiv: 2207.10097

[25] Sevag Gharibian, Ryu Hayakawa, François Le Gall e Tomoyuki Morimae. Resultados de dureza aprimorados para o problema hamiltoniano local guiado. arXiv preprint arXiv:2207.10250, 2022. https://doi.org/10.48550/arXiv.2207.10250.
https:///doi.org/10.48550/arXiv.2207.10250
arXiv: 2207.10250

[26] James D Whitfield, Jacob Biamonte e Alán Aspuru-Guzik. Simulação de hamiltonianos de estrutura eletrônica usando computadores quânticos. Molecular Physics, 109 (5): 735–750, 2011. https://doi.org/10.1080/00268976.2011.552441.
https: / / doi.org/ 10.1080 / 00268976.2011.552441

[27] Pedro MQ Cruz, Gonçalo Catarina, Ronan Gautier, and Joaquín Fernández-Rossier. Otimizando a estimativa de fase quântica para a simulação de autoestados hamiltonianos. Quantum Science and Technology, 5 (4): 044005, 2020. https://doi.org/10.1088/2058-9565/abaa2c.
https:///doi.org/10.1088/2058-9565/abaa2c

[28] John Preskill. Computação quântica na era nisq e além. 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] 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. Algoritmos quânticos ruidosos de escala intermediária. Reviews of Modern Physics, 94 (1): 015004, 2022. https://doi.org/10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004

[30] Samson Wang, Enrico Fontana, Marco Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio e Patrick J Coles. Platôs estéreis induzidos por ruído em algoritmos quânticos variacionais. Nature Communications, 12 (1): 1–11, 2021. https://doi.org/10.1038/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6

[31] Marco Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J Coles. Platôs estéreis dependentes da função de custo em circuitos quânticos parametrizados rasos. Nature Communications, 12 (1): 1–12, 2021a. https://doi.org/10.1038/s41467-021-21728-w.
https: / / doi.org/ 10.1038 / s41467-021-21728-w

[32] 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.
https://doi.org/10.22331/q-2019-12-09-214

[33] Stefan H Sack, Raimel A Medina, Alexios A Michailidis, Richard Kueng e Maksym Serbyn. Evitando planaltos estéreis usando sombras clássicas. PRX Quantum, 3: 020365, junho de 2022. https://doi.org/10.1103/PRXQuantum.3.020365.
https: / / doi.org/ 10.1103 / PRXQuantum.3.020365

[34] Yongdan Yang, Bing-Nan Lu e Ying Li. Monte carlo quântico acelerado com erro mitigado em computador quântico ruidoso. PRX Quantum, 2 (4): 040361, 2021. https://doi.org/10.1103/PRXQuantum.2.040361.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040361

[35] Guglielmo Mazzola e Giuseppe Carleo. Desafios exponenciais na não polarização de algoritmos quânticos de monte carlo com computadores quânticos. arXiv preprint arXiv:2205.09203, 2022. https://doi.org/10.48550/arXiv.2205.09203.
https:///doi.org/10.48550/arXiv.2205.09203
arXiv: 2205.09203

[36] Joonho Lee, David R Reichman, Ryan Babbush, Nicholas C Rubin, Fionn D. Malone, Bryan O'Gorman e Huggins. William J. Resposta a "desafios exponenciais em algoritmos de Monte Carlo quânticos imparciais com computadores quânticos". arXiv preprint arXiv:2207.13776, 2022. https://doi.org/10.48550/arXiv.2207.13776.
https:///doi.org/10.48550/arXiv.2207.13776
arXiv: 2207.13776

[37] Ankit Mahajan e Sandeep Sharma. Função de onda de campo médio jastrow projetada por simetria em monte carlo variacional. 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

[38] Alessandro Roggero, Abhishek Mukherjee e Francesco Pederiva. Quantum monte carlo com funções de onda de cluster acoplado. Physical Review B, 88 (11): 115138, 2013. https://doi.org/10.1103/PhysRevB.88.115138.
https: / / doi.org/ 10.1103 / PhysRevB.88.115138

[39] Anders W Sandvik e Guifre Vidal. Simulações quânticas variacionais de monte carlo com estados tensoriais. Cartas de revisão física, 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 e DM Ceperley. Prova de um limite superior em monte carlo de nó fixo para férmions de rede. Physical Review B, 51 (19): 13039, 1995. https://doi.org/10.1103/physrevb.51.13039.
https: / / doi.org/ 10.1103 / physrevb.51.13039

[41] Shiwei Zhang e Henry Krakauer. Método quântico de monte carlo usando caminhadas aleatórias livres de fase com determinantes slater. Cartas de revisão física, 90 (13): 136401, 2003. https://doi.org/10.1103/PhysRevLett.90.136401.
https: / / doi.org/ 10.1103 / PhysRevLett.90.136401

[42] Iliya Sabzevari e Sandeep Sharma. Velocidade e dimensionamento aprimorados no espaço orbital variacional de Monte Carlo. Jornal de teoria química e computação, 14 (12): 6276–6286, 2018. https://doi.org/10.1021/acs.jctc.8b00780.
https: / / doi.org/ 10.1021 / acs.jctc.8b00780

[43] 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. 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, et al. Algoritmos quânticos para cálculos de estruturas eletrônicas: hamiltoniano de buracos de partícula e expansões de função de onda otimizadas. Physical Review A, 98 (2): 022322, 2018. https://doi.org/10.1103/PhysRevA.98.022322.
https: / / doi.org/ 10.1103 / PhysRevA.98.022322

[45] Hsin-Yuan Huang, Richard Kueng e John Preskill. Prevendo muitas propriedades de um sistema quântico a partir de poucas medições. Nature Physics, 16 (10): 1050–1057, 2020. https://doi.org/10.1038/s41567-020-0932-7.
https://doi.org/10.1038/s41567-020-0932-7

[46] Gilles Brassard, Peter Hoyer, Michele Mosca e Alain Tapp. Amplificação e estimativa de amplitude quântica. Contemporary Mathematics, 305: 53–74, 2002. https://doi.org/10.1090/conm/305/05215.
https: / / doi.org/ 10.1090 / conm / 305/05215

[47] Artur K Ekert, Carolina Moura Alves, Daniel KL Oi, Michał Horodecki, Paweł Horodecki e Leong Chuan Kwek. Estimativas diretas de funcionais lineares e não lineares de um estado quântico. Cartas de revisão física, 88 (21): 217901, 2002. https://doi.org/10.1103/PhysRevLett.88.217901.
https: / / doi.org/ 10.1103 / PhysRevLett.88.217901

[48] Sirui Lu, Mari Carmen Bañuls e J Ignacio Cirac. Algoritmos para simulação quântica em energias finitas. PRX Quantum, 2 (2): 020321, 2021. https://doi.org/10.1103/PRXQuantum.2.020321.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020321

[49] Thomas E O'Brien, Stefano Polla, Nicholas C Rubin, William J Huggins, Sam McArdle, Sergio Boixo, Jarrod R McClean e Ryan Babbush. Mitigação de erros via estimativa de fase verificada. PRX Quantum, 2 (2): 020317, 2021. https://doi.org/10.1103/PRXQuantum.2.020317.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317

[50] Ian D Kivlichan, Jarrod McClean, Nathan Wiebe, Craig Gidney, Alán Aspuru-Guzik, Garnet Kin-Lic Chan e Ryan Babbush. Simulação quântica de estrutura eletrônica com profundidade linear e conectividade. Cartas de revisão física, 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 e Ben Q. Baragiola. Computação quântica com códigos bosônicos de rotação simétrica. Física Rev. X, 10: 011058, março de 2020. https://doi.org/10.1103/PhysRevX.10.011058.
https: / / doi.org/ 10.1103 / PhysRevX.10.011058

[52] Zhenyu Cai. Mitigação de erros quânticos usando expansão de simetria. 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] Taisuke Ozaki. O (n) método do subespaço krylov para cálculos de estrutura eletrônica ab initio em larga escala. Physical Review B, 74 (24): 245101, 2006. https://doi.org/10.1103/PhysRevB.74.245101.
https: / / doi.org/ 10.1103 / PhysRevB.74.245101

[54] Ken M Nakanishi, Kosuke Mitarai e Keisuke Fujii. Autosolver quântico variacional de pesquisa de subespaço para estados excitados. Physical Review Research, 1 (3): 033062, 2019. https://doi.org/10.1103/PhysRevResearch.1.033062.
https: / / doi.org/ 10.1103 / PhysRevResearch.1.033062

[55] Kazuhiro Seki e Seiji Yunoki. Método de potência quântica por uma superposição de estados evoluídos no tempo. PRX Quantum, 2 (1): 010333, 2021. https://doi.org/10.1103/PRXQuantum.2.010333.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010333

[56] Cristian L Cortes e Stephen K Gray. Algoritmos do subespaço krylov quântico para estimativa de energia do estado fundamental e excitado. Physical Review A, 105 (2): 022417, 2022. https://doi.org/10.1103/PhysRevA.105.022417.
https: / / doi.org/ 10.1103 / PhysRevA.105.022417

[57] Rongxin Xia e Saber Kais. Qubit acoplado clusters simples e duplos variacional quântico autosolver ansatz para cálculos de estrutura eletrônica. Quantum Science and Technology, 6 (1): 015001, 2020. https://doi.org/10.1088/2058-9565/abbc74.
https:///doi.org/10.1088/2058-9565/abbc74

[58] Timo Felser, Simone Notarnicola e Simone Montangero. Ansatz de rede tensorial eficiente para problemas quânticos de muitos corpos de alta dimensão. Physical Review Letters, 126 (17): 170603, 2021. https://doi.org/10.1103/PhysRevLett.126.170603.
https: / / doi.org/ 10.1103 / PhysRevLett.126.170603

[59] Michael R Wall e Daniel Neuhauser. Extração, através da diagonalização do filtro, de autovalores quânticos gerais ou frequências de modo normal clássico de um pequeno número de resíduos ou um segmento de curto prazo de um sinal. eu. teoria e aplicação a um modelo de dinâmica quântica. The Journal of Chemical Physics, 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 e Yuji Nakatsukasa. Uma teoria da diagonalização do subespaço quântico. SIAM Journal on Matrix Analysis and Applications, 43 (3): 1263–1290, 2022. https://doi.org/10.1137/21M145954X.
https:///doi.org/10.1137/21M145954X

Citado por

[1] Jinzhao Sun, Suguru Endo, Huiping Lin, Patrick Hayden, Vlatko Vedral e Xiao Yuan, “Simulação Quântica Perturbativa”, Cartas de Revisão Física 129 12, 120505 (2022).

[2] Shu Kanno, Hajime Nakamura, Takao Kobayashi, Shigeki Gocho, Miho Hatanaka, Naoki Yamamoto e Qi Gao, “Quantum computing Monte Carlo quântico com rede tensor híbrida para cálculos de estrutura eletrônica de sistemas moleculares e sólidos em larga escala”, arXiv: 2303.18095, (2023).

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

[4] Benchen Huang, Nan Sheng, Marco Govoni e Giulia Galli, “Simulações quânticas de hamiltonianos fermiônicos com codificação eficiente e esquemas ansatz”, 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 e Christopher Wever, “Quantum-enhanced quantum Monte Carlo: uma visão industrial”, arXiv: 2301.11838, (2023).

[6] Yongdan Yang, Ying Li, Xiaosi Xu e Xiao Yuan, “Um algoritmo híbrido quântico-clássico eficiente em recursos para avaliação de gap de energia”, arXiv: 2305.07382, (2023).

As citações acima são de SAO / NASA ADS (última atualização com êxito 2023-08-06 02:04:18). 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 2023-08-06 02:04:17).

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.

Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
PlatãoESG. Automotivo / EVs, Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
BlockOffsets. Modernizando a Propriedade de Compensação Ambiental. Acesse aqui.
Fonte: https://quantum-journal.org/papers/q-2023-08-03-1072/

Carimbo de hora: 3 de agosto de 2023

Carimbo de hora: 7 Novembro, 2023

Republicado por Platão

Algoritmo quântico para estimativa de energia do estado fundamental usando profundidade de circuito com dependência exponencialmente melhorada de precisão

Método de ponto interno robusto para cálculo de taxa de distribuição de chave quântica

Razões de amplitude e estados quânticos de redes neurais

Resumo: Análise de Circuitos Quânticos via Simulação Abstrata de Estabilizador

Quando uma partícula chega?

Aprendizado hamiltoniano robusto e eficiente

Criptografia independente de dispositivo composably seguro com exclusão certificada

Rumo à gravidade quântica no laboratório em processadores quânticos

Controle preditivo de modelo para preparação robusta de estado quântico

A chave quântica é definida exclusivamente por sua ação em operações unitárias

Sobre Nós

Pesquisa vertical e IA

Plataforma

Fique Ligado

Conta