ジュリアン・ガコン1,2、Christa Zoufal1,3、ジュゼッペ・カルレオ2、およびStefan Woerner1
1IBM Quantum、IBM Research –チューリッヒ、CH-8803リュシュリコン、スイス
2物理学研究所、エコールポリテクニックフェデラルデローザンヌ(EPFL)、CH-1015ローザンヌ、スイス
3理論物理学研究所、ETHチューリッヒ、CH-8092チューリッヒ、スイス
この論文を興味深いと思うか、議論したいですか? SciRateを引用するかコメントを残す.
抽象
量子フィッシャー情報マトリックス(QFIM)は、量子自然勾配降下法や変分量子虚時間発展などの有望なアルゴリズムの中心的なメトリックです。 ただし、$ d $パラメーターを使用してモデルの完全なQFIMを計算するには、計算コストが高く、通常は$ mathcal {O}(d ^ 2)$関数の評価が必要です。 高次元のパラメーター空間で増加するこれらのコストを改善するために、同時摂動確率近似手法を使用して、一定のコストでQFIMを近似することを提案します。 結果のアルゴリズムを提示し、それをうまく適用してハミルトニアン基底状態を準備し、変分量子ボルツマンマシンをトレーニングします。
►BibTeXデータ
►参照
[1]アラン・アスプル・グジク、アンソニー・D・ドゥトイ、ピーター・J・ラブ、マーティン・ヘッド・ゴードン。 分子エネルギーのシミュレートされた量子計算。 Science、309(5741):1704–1707、2005年10.1126月。1113479/science.XNUMXXNUMX。
https:/ / doi.org/ 10.1126 / science.1113479
[2] Alberto Peruzzoetal。 フォトニック量子プロセッサ上の変分固有値ソルバー。 Nature Communications、5:4213、2014年10.1038月。5213/ncommsXNUMX。
https:/ / doi.org/ 10.1038 / ncomms5213
[3]MariCarmenBañulsetal。 量子技術内の格子ゲージ理論のシミュレーション。 European Physical Journal D、74(8):165、2020年10.1140月。2020/ epjd/e100571-8-XNUMX。
https:/ / doi.org/ 10.1140 / epjd / e2020-100571-8
[4]アレハンドロ・ペルドモ・オルティス、ニール・ディクソン、マーシャル・ドリュー・ブルック、ジョルディ・ローズ、アラン・アスプル・グジク。 量子アニーリングによる格子タンパク質モデルの低エネルギー配座の発見。 Scientific Reports、2:571、2012年10.1038月。00571/srepXNUMX。
https:/ / doi.org/ 10.1038 / srep00571
[5] Mark Fingerhuth、TomášBabej、およびChristopherIng。 格子タンパク質の折り畳みに対するハード制約とソフト制約のある量子交互演算子仮説。 arXiv、2018年1810.13411月。URLhttps:/ / arxiv.org/ abs/XNUMX。
arXiv:1810.13411
[6]アントン・ロバート、パナギオティスKl。 Barkoutsos、Stefan Woerner、およびIvanoTavernelli。 タンパク質フォールディングのためのリソース効率の高い量子アルゴリズム。 npj Quantum Information、7(1):38、2021年2056月。ISSN6387-10.1038。 41534/s021-00368-4-XNUMX。
https://doi.org/10.1038/s41534-021-00368-4
[7]エドワード・ファーリ、ジェフリー・ゴールドストーン、サム・ガットマン。 量子近似最適化アルゴリズム。 arXiv、2014年1411.4028月。URLhttps:/ / arxiv.org/ abs/XNUMX。
arXiv:1411.4028
[8] Austin Gilliam、Stefan Woerner、およびConstantinGonciulea。 制約付き多項式バイナリ最適化のためのGrover適応検索。 arXiv、2019年1912.04088月。URLhttps:/ / arxiv.org/ abs/10.22331。 2021/q-04-08-428-XNUMX。
https://doi.org/10.22331/q-2021-04-08-428
arXiv:1912.04088
[9] Lee Braine、Daniel J. Egger、Jennifer Glick、およびStefanWoerner。 トランザクション決済に適用される混合バイナリ最適化のための量子アルゴリズム。 arXiv、2019年1910.05788月。URLhttps:/ / arxiv.org/ abs/10.1109。 2021.3063635/TQE.XNUMX。
https:/ / doi.org/ 10.1109 / TQE.2021.3063635
arXiv:1910.05788
[10] J. Gacon、C。Zoufal、およびS.Woerner。 量子強化シミュレーションベースの最適化。 2020年のIEEEInternationalConference on Quantum Computing and Engineering(QCE)、47〜55ページ、2020年。10.1109/QCE49297.2020.00017。
https:/ / doi.org/ 10.1109 / QCE49297.2020.00017
[11] DJ Eggeretal。 金融のための量子コンピューティング:最先端および将来の展望。 IEEE Transactions on Quantum Engineering、1:1–24、2020. 10.1109/TQE.2020.3030314。
https:/ / doi.org/ 10.1109 / TQE.2020.3030314
[12] JS Otterbachetal。 ハイブリッド量子コンピューターでの教師なし機械学習。 arXiv、2017年1712.05771月。URLhttps:/ / arxiv.org/ abs/XNUMX。
arXiv:1712.05771
[13]VojtěchHavlíčeketal。 量子強化特徴空間による教師あり学習。 Nature、567(7747):209–212、2019年10.1038月。41586/s019-0980-2-XNUMX。
https://doi.org/10.1038/s41586-019-0980-2
[14]マリア・シュルド。 量子機械学習モデルはカーネル法です。 arXiv、2021年2101.11020月。URLhttps:/ / arxiv.org/ abs/XNUMX。
arXiv:2101.11020
[15] Nikolaj Molletal。 短期量子デバイスで変分アルゴリズムを使用した量子最適化。 Quantum Science and Technology、3(3):030503、2018年10.1088月。2058/ 9565-822/aabXNUMX。
https:/ / doi.org/ 10.1088 / 2058-9565 / aab822
[16] Sam McArdleetal。 架空の時間発展の変分仮説ベースの量子シミュレーション。 npj Quantum Information、5(1)、2019年2056月。ISSN6387-10.1038。 41534/s019-0187-2-XNUMX。
https://doi.org/10.1038/s41534-019-0187-2
[17] Xiao Yuan、Suguru Endo、Qi Zhao、Ying Li、およびSimonC.Benjamin。 変分量子シミュレーションの理論。 クアンタム、3:191、2019年2521月。ISSN327-10.22331X。 2019/q-10-07-191-XNUMX。
https://doi.org/10.22331/q-2019-10-07-191
[18] Christa Zoufal、AurélienLucchi、およびStefanWoerner。 変分量子ボルツマンマシン。 Quantum Machine Intelligence、3:7、2020。ISSN2524-4914。 10.1007/s42484-020-00033-7。
https://doi.org/10.1007/s42484-020-00033-7
[19]松井拓。 量子統計力学とフェラー半群。 Quantum Probability Communications、1998年。10.1142/9789812816054_0004。
https:/ / doi.org/ 10.1142 / 9789812816054_0004
[20]MasoudKhalkhaliとMatildeMarcolli。 非可換幾何学への招待。 世界科学、2008年。10.1142/6422。
https:/ / doi.org/ 10.1142 / 6422
[21] J. Eisert、M。Friesdorf、およびC.Gogolin。 平衡から外れた量子多体システム。 Nature Physics、11(2)、2015年。10.1038/nphys3215。
https:/ / doi.org/ 10.1038 / nphys3215
[22]フェルナンドGSLブランダン他。 量子SDPソルバー:大幅な高速化、最適性、および量子学習への応用。 arXiv、2017年。URLhttps:/ / arxiv.org/ abs /1710.02581。
arXiv:1710.02581
[23] Mohammad H. Amin、Evgeny Andriyash、Jason Rolfe、Bohdan Kulchytskyy、およびRogerMelko。 量子ボルツマンマシン。 物理学。 Rev. X、8年2018月。10.1103/PhysRevX.8.021050。
https:/ / doi.org/ 10.1103 / PhysRevX.8.021050
[24] James Stokes、Josh Izaac、Nathan Killoran、およびGiuseppeCarleo。 量子自然勾配。 Quantum、4:269、2020年2521月。ISSN327-10.22331X。 2020/q-05-25-269-XNUMX。
https://doi.org/10.22331/q-2020-05-25-269
[25]S.アマリとSCダグラス。 なぜ自然なグラデーション? 1998 IEEE International Conference on Acoustics、Speech and Signal Processing、ICASSP '98(Cat。No.98CH36181)、volume 2、pages 1213–1216 vol.2、1998. 10.1109/ICASSP.1998.675489の議事録。
https:/ / doi.org/ 10.1109 / ICASSP.1998.675489
[26]JCスポール。 同時摂動勾配近似を使用した多変量確率近似。 IEEE Transactions on Automatic Control、37(3):332–341、1992. 10.1109/9.119632。
https:/ / doi.org/ 10.1109 / 9.119632
[27]LingyaoMengとJamesC.Spall。 emアルゴリズムでのフィッシャー情報マトリックスの効率的な計算。 2017年第51回情報科学およびシステムに関する年次会議(CISS)、1年6〜2017ページ。10.1109/CISS.2017.7926126。
https:/ / doi.org/ 10.1109 / CISS.2017.7926126
[28]A.コーシー。 Methode generale pour la solution des systemesd'equationssimultanees。 CRAcad。 科学Paris、25:536–538、1847. 10.1017/cbo9780511702396.063。
https:/ / doi.org/ 10.1017 / cbo9780511702396.063
[29]JCスポール。 関数測定のみを使用した加速された36次確率的最適化。 決定と制御に関する第2回IEEE会議の議事録、第1417巻、1424〜2巻、1997巻、10.1109年1997.657661月。0191/CDC.2216。 ISSN:XNUMX-XNUMX。
https:/ / doi.org/ 10.1109 / CDC.1997.657661
[30]元八尾、ピエール・クセノット、アレックス・ビグネロン、フィリッポ・M・ミアット。 光量子回路の自然勾配最適化。 arXiv、2021年2106.13660月。URLhttps:/ / arxiv.org/ abs/XNUMX。
arXiv:2106.13660
[31] Maria Schuld、Ville Bergholm、Christian Gogolin、Josh Izaac、およびNathanKilloran。 量子ハードウェアでの分析勾配の評価。 物理学。 Rev. A、99(3):032331、2019年10.1103月。99.032331/PhysRevA.XNUMX。
https:/ / doi.org/ 10.1103 / PhysRevA.99.032331
[32]ヨハネスヤコブマイヤー。 ノイズの多い中規模量子アプリケーションにおけるフィッシャー情報。 Quantum、5:539、2021年2521月。ISSN327-10.22331X。 2021/q-09-09-539-XNUMX。
https://doi.org/10.22331/q-2021-09-09-539
[33]アンドレア・マリ、トーマス・R・ブロムリー、ネイサン・キロラン。 量子ハードウェアでの勾配と高階微分の推定。 物理学。 Rev. A、103(1):012405、2021年10.1103月。103.012405/PhysRevA.XNUMX。
https:/ / doi.org/ 10.1103 / PhysRevA.103.012405
[34]ハリー・バーマン、リチャード・クリーブ、ジョン・ワトラス、ロナルド・デ・ウルフ。 量子フィンガープリント。 物理学。 Rev. Lett。、87(16):167902、2001年10.1103月。87.167902/PhysRevLett.XNUMX。
https:/ / doi.org/ 10.1103 / PhysRevLett.87.167902
[35] Lukasz Cincio、YiğitSubaşı、Andrew T. Sornborger、およびPatrickJ.Coles。 状態オーバーラップの量子アルゴリズムを学習します。 arXiv、2018年1803.04114月。URLhttp:/ / arxiv.org/ abs/10.1088。 1367 / 2630-94/aaeXNUMXa。
https:/ / doi.org/ 10.1088 / 1367-2630 / aae94a
arXiv:1803.04114
[36] A. Elben、B。Vermersch、CF Roos、およびP.Zoller。 局所的にランダム化された測定値間の統計的相関:多体量子状態におけるエンタングルメントを精査するためのツールボックス。 物理学。 Rev. A、99(5)、2019年10.1103月。99.052323/PhysRevA.XNUMX。
https:/ / doi.org/ 10.1103 / PhysRevA.99.052323
[37] Kristan Temme、Tobias J. Osborne、Karl Gerd H. Vollbrecht、David Poulin、およびFrankVerstraete。 量子メトロポリスサンプリング。 Nature、471、2011年。10.1038/nature09770。
https:/ / doi.org/ 10.1038 / nature09770
[38]Man-HongYungとAlánAspuru-Guzik。 量子-量子メトロポリスアルゴリズム。 国立科学アカデミーの議事録、109(3)、2012年。10.1073/pnas.1111758109。
https:/ / doi.org/ 10.1073 / pnas.1111758109
[39]DavidPoulinとPawelWocjan。 熱量子ギブス状態からのサンプリングと量子コンピューターによる分配関数の評価物理学。 Rev. Lett。、103(22)、2009. 10.1103/PhysRevLett.103.220502。
https:/ / doi.org/ 10.1103 / PhysRevLett.103.220502
[40]マリオモッタら。 量子仮想時間発展を使用した量子コンピューター上の固有状態と熱状態の決定。 Nature Physics、16(2)、2020年。10.1038/s41567-019-0704-4。
https://doi.org/10.1038/s41567-019-0704-4
[41]フェルナンドGSLブランダンとマイケルJ.カストリアーノ。 有限の相関長は、量子熱状態の効率的な準備を意味します。 数理物理学におけるコミュニケーション、365(1)、2019年。10.1007/s00220-018-3150-8。
https://doi.org/10.1007/s00220-018-3150-8
[42] MichaelJ.KastoryanoとFernandoGSLBrandão。 量子ギブスサンプラー:通勤の場合。 数理物理学におけるコミュニケーション、344(3)、2016年。10.1007/s00220-016-2641-8。
https://doi.org/10.1007/s00220-016-2641-8
[43]JingxiangWuとTimothyH.Hsieh。 サーモフィールド二重状態による変分熱量子シミュレーション。 物理学。 Rev. Lett。、123(22)、2019. 10.1103/PhysRevLett.123.220502。
https:/ / doi.org/ 10.1103 / PhysRevLett.123.220502
[44] Anirban Chowdhury、Guang Hao Low、およびNathanWiebe。 量子ギブス状態を準備するための変分量子アルゴリズム。 arXiv、2020。URLhttps:/ / arxiv.org/ abs/2002.00055。
arXiv:2002.00055
[45]ADマクラクラン。 時間依存シュレディンガー方程式の変分解。 分子物理学、8(1)、1964年。10.1080/00268976400100041。
https:/ / doi.org/ 10.1080 / 00268976400100041
[46]HéctorAbrahametal。 Qiskit:量子コンピューティングのためのオープンソースフレームワーク。 2019. 10.5281/zenodo.2562110。
https:/ / doi.org/ 10.5281 / zenodo.2562110
[47] IBM Quantum、2021。URLhttps:/ / Quantum-computing.ibm.com/ services / docs / services /runtime/。
https:/ / Quantum-computing.ibm.com/ services / docs / services / runtime /
[48] Sergey Bravyi、Jay M. Gambetta、Antonio Mezzacapo、およびKristanTemme。 フェルミオンハミルトニアンをシミュレートするためにキュービットを先細りにします。 arXiv、2017年。URLhttps:/ / arxiv.org/ abs/1701.08213。
arXiv:1701.08213
[49] Abhinav Kandalaetal。 小分子および量子磁石用のハードウェア効率の高い変分量子固有値ソルバー。 Nature、549(7671):242–246、2017年10.1038月。23879/natureXNUMX。
https:/ / doi.org/ 10.1038 / nature23879
[50] Abhinav Kandala、Kristan Temme、Antonio D. Corcoles、Antonio Mezzacapo、Jerry M. Chow、およびJayM.Gambetta。 エラー軽減は、ノイズの多い量子プロセッサの計算範囲を拡張します。 Nature、567(7749):491–495、2019年10.1038月。41586/s019-1040-7-XNUMX。
https://doi.org/10.1038/s41586-019-1040-7
[51] Jonas M.Kübler、Andrew Arrasmith、Lukasz Cincio、およびPatrickJ.Coles。 測定のための適応オプティマイザ-質素な変分アルゴリズム。 Quantum、4:263、2020年2521月。ISSN327-10.22331X。 2020/q-05-11-263-XNUMX。
https://doi.org/10.22331/q-2020-05-11-263
によって引用
[1] Tobias Haug、Kishor Bharti、およびMS Kim、「パラメータ化された量子回路の容量と量子幾何学」、 arXiv:2102.01659.
[2] Johannes Jakob Meyer、「ノイズの多い中規模の量子アプリケーションにおけるフィッシャー情報量」、 arXiv:2103.15191.
[3] TobiasHaugとMSKim、「不毛の高原のない変分量子アルゴリズムの最適なトレーニング」、 arXiv:2104.14543.
[4] TobiasHaugとMSKim、「自然パラメータ化量子回路」、 arXiv:2107.14063.
[5] Martin Larocca、Nathan Ju、DiegoGarcía-Martín、Patrick J. Coles、およびM. Cerezo、「量子ニューラルネットワークにおける過剰パラメータ化の理論」、 arXiv:2109.11676.
[6] Christa Zoufal、David Sutter、およびStefan Woerner、「変分量子時間発展の誤差限界」、 arXiv:2108.00022.
[7] AnnaLopatnikovaおよびMinh-NgocTran、「変分ベイズ法の量子自然勾配」、 arXiv:2106.05807.
上記の引用は SAO / NASA ADS (最後に正常に更新された2021-10-23 12:31:38)。 すべての出版社が適切で完全な引用データを提供するわけではないため、リストは不完全な場合があります。
On Crossrefの被引用サービス 作品の引用に関するデータは見つかりませんでした(最後の試行2021-10-23 12:31:36)。
この論文は、 Creative Commons Attribution 4.0 International(CC BY 4.0) ライセンス。 著作権は、著者やその機関などの元の著作権者にあります。
PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。