줄리앙 가콘1,2, 크리스타 주팔1,3, 주세페 카를레오2, 스테판 워너1
1IBM Quantum, IBM Research – Zurich, CH-8803 Rüschlikon, 스위스
2물리학 연구소, École Polytechnique Fédérale de Lausanne(EPFL), CH-1015 Lausanne, Switzerland
3이론 물리학 연구소, ETH Zurich, CH-8092 Zürich, Switzerland
이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.
추상
QFIM(Quantum Fisher Information Matrix)은 Quantum Natural Gradient Descent 및 Variational Quantum Imaginary Time Evolution과 같은 유망한 알고리즘의 중심 메트릭입니다. 그러나 $d$ 매개변수가 있는 모델에 대한 전체 QFIM을 계산하는 것은 계산 비용이 많이 들고 일반적으로 $mathcal{O}(d^2)$ 함수 평가가 필요합니다. 고차원 매개변수 공간에서 이러한 증가하는 비용을 해결하기 위해 동시 섭동 확률론적 근사법을 사용하여 일정한 비용으로 QFIM을 근사화할 것을 제안합니다. 우리는 결과 알고리즘을 제시하고 이를 성공적으로 적용하여 Hamiltonian ground state를 준비하고 Variational Quantum Boltzmann Machines를 훈련시킵니다.
► BibTeX 데이터
► 참고 문헌
[1] Alán Aspuru-Guzik, Anthony D. Dutoi, Peter J. Love, Martin Head-Gordon. 분자 에너지의 시뮬레이션된 양자 계산. Science, 309 (5741): 1704–1707, 2005년 10.1126월. 1113479/science.XNUMX.
https : / /doi.org/10.1126/ science.1113479
[2] Alberto Peruzzo et al. 광자 양자 프로세서의 변형 고유값 솔버. Nature Communications, 5: 4213, 2014년 10.1038월. 5213/ ncommsXNUMX.
https : / /doi.org/ 10.1038 / ncomms5213
[3] Mari Carmen Bañuls et al. 양자 기술 내에서 격자 게이지 이론을 시뮬레이션합니다. European Physical Journal D, 74(8): 165, 2020년 10.1140월. 2020/ epjd/ e100571-8-XNUMX.
https : / /doi.org/10.1140/epjd/e2020-100571-8
[4] Alejandro Perdomo-Ortiz, Neil Dickson, Marshall Drew-Brook, Geordie Rose, Alán Aspuru-Guzik. 양자 어닐링에 의한 격자 단백질 모델의 저에너지 구조 찾기. Scientific Reports, 2: 571, 2012년 10.1038월. 00571/ srepXNUMX.
https : / /doi.org/ 10.1038 / srep00571
[5] Mark Fingerhuth, Tomáš Babej, Christopher Ing. 격자 단백질 폴딩에 대한 하드 및 소프트 제약 조건이 있는 양자 교대 연산자 ansatz. arXiv, 2018년 1810.13411월. URL https:// / arxiv.org/ abs/ XNUMX.
arXiv : 1810.13411
[6] Anton Robert, Panagiotis Kl. Barkoutsos, Stefan Woerner 및 Ivano Tavernelli. 단백질 폴딩을 위한 자원 효율적인 양자 알고리즘. npj Quantum Information, 7(1): 38, 2021년 2056월. ISSN 6387-10.1038. 41534/ s021-00368-4-XNUMX.
https://doi.org/10.1038/s41534-021-00368-4
[7] 에드워드 파리, 제프리 골드스톤, 샘 거트만. 양자 근사 최적화 알고리즘. arXiv, 2014년 1411.4028월. URL https:// / arxiv.org/ abs/ XNUMX.
arXiv : 1411.4028
[8] Austin Gilliam, Stefan Woerner, Constantin Gonciulea. 제약이 있는 다항식 이진 최적화를 위한 Grover 적응 검색. arXiv, 2019년 1912.04088월. URL https:// / 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 및 Stefan Woerner. 거래 정산에 적용된 혼합 이진 최적화를 위한 양자 알고리즘. arXiv, 2019년 1910.05788월. URL https:// / 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, S. Woerner. 양자 강화 시뮬레이션 기반 최적화. 2020년 IEEE QCE(양자 컴퓨팅 및 엔지니어링에 관한 국제 회의), 페이지 47–55, 2020. 10.1109/ QCE49297.2020.00017.
https : / / doi.org/ 10.1109 / QCE49297.2020.00017
[11] DJ Egger et al. 금융을 위한 양자 컴퓨팅: 최첨단 및 미래 전망. IEEE Transactions on Quantum Engineering, 1: 1–24, 2020. 10.1109/ TQE.2020.3030314.
https : / / doi.org/ 10.1109 / TQE.2020.3030314
[12] JS Otterbach et al. 하이브리드 양자 컴퓨터의 비지도 머신 러닝. arXiv, 2017년 1712.05771월. URL https:// / arxiv.org/ abs/ XNUMX.
arXiv : 1712.05771
[13] Vojtěch Havlíček et al. 양자 강화 기능 공간을 통한 지도 학습. Nature, 567 (7747): 209–212, 2019년 10.1038월. 41586/ s019-0980-2-XNUMX.
https://doi.org/10.1038/s41586-019-0980-2
[14] 마리아 슐드. 양자 기계 학습 모델은 커널 방법입니다. arXiv, 2021년 2101.11020월. URL https:// / arxiv.org/ abs/ XNUMX.
arXiv : 2101.11020
[15] Nikolaj Moll et al. 단기 양자 장치에서 변형 알고리즘을 사용한 양자 최적화. 양자 과학 및 기술, 3(3): 030503, 2018년 10.1088월. 2058/ 9565-822/ aabXNUMX.
https : / /doi.org/ 10.1088 / 2058-9565 / aab822
[16] Sam McArdle et al. 가상 시간 진화의 변형 ansatz 기반 양자 시뮬레이션. npj Quantum Information, 5(1), 2019년 2056월. ISSN 6387-10.1038. 41534/ s019-0187-2-XNUMX.
https://doi.org/10.1038/s41534-019-0187-2
[17] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li 및 Simon C. Benjamin. 변이 양자 시뮬레이션 이론. Quantum, 3: 191, 2019년 2521월. ISSN 327-10.22331X. 2019/ q-10-07-191-XNUMX.
https://doi.org/10.22331/q-2019-10-07-191
[18] Christa Zoufal, Aurélien Lucchi, Stefan Woerner. 변형 양자 볼츠만 기계. 양자 기계 지능, 3: 7, 2020. ISSN 2524-4914. 10.1007/ s42484-020-00033-7.
https://doi.org/10.1007/s42484-020-00033-7
[19] 마츠이 타쿠. 양자 통계 역학 및 Feller semigroup. 양자 확률 통신, 1998. 10.1142/ 9789812816054_0004.
https : / /dodo.org/ 10.1142 / 9789812816054_0004
[20] Masoud Khalkhali와 Matilde Marcolli. 비가환 기하학으로의 초대. World Scientific, 2008. 10.1142/ 6422.
https : / /doi.org/ 10.1142 / 6422
[21] J. Eisert, M. Friesdorf 및 C. Gogolin. 평형에서 벗어난 양자 다체 시스템. Nature Physics, 11(2), 2015. 10.1038/ nphys3215.
https : / /doi.org/ 10.1038 / nphys3215
[22] Fernando GSL Brandão et al. Quantum SDP Solvers: 양자 학습에 대한 대규모 속도 향상, 최적성 및 적용. arXiv, 2017. URL https:// / arxiv.org/ abs/ 1710.02581.
arXiv : 1710.02581
[23] Mohammad H. Amin, Evgeny Andriyash, Jason Rolfe, Bohdan Kulchytskyy 및 Roger Melko. 양자 볼츠만 기계. 물리. X, 8, 2018. 10.1103/ PhysRevX.8.021050.
https : / /doi.org/10.1103/ PhysRevX.8.021050
[24] 제임스 스톡스, 조시 아이작, 네이선 킬로런, 주세페 칼레오. 양자 자연 그라데이션. Quantum, 4: 269, 2020년 2521월. ISSN 327-10.22331X. 2020/ q-05-25-269-XNUMX.
https://doi.org/10.22331/q-2020-05-25-269
[25] S. 아마리와 SC 더글라스. 왜 자연스러운 그라데이션인가? In Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP '98(Cat. No.98CH36181), 2권, 1213–1216 vol.2, 1998. 10.1109/ ICASSP.1998.675489
https:// / doi.org/ 10.1109/ ICASSP.1998.675489
[26] JC 스폴. 동시 섭동 기울기 근사를 사용한 다변수 확률적 근사. IEEE Transactions on Automatic Control, 37(3): 332–341, 1992. 10.1109/ 9.119632.
https : / /doi.org/ 10.1109 / 9.119632
[27] 멍 링야오와 제임스 C. 스폴. em 알고리즘에서 피셔 정보 행렬의 효율적인 계산. 2017년 제51회 정보 과학 및 시스템에 관한 연례 회의(CISS), 페이지 1–6, 2017. 10.1109/ CISS.2017.7926126.
https : / /doi.org/10.1109/ CISS.2017.7926126
[28] A. 코시. Methode generale pour la resolution des systemes d'equations simultanees. 씨알캐드. 과학 파리, 25: 536–538, 1847. 10.1017/ cbo9780511702396.063.
https : / /doi.org/ 10.1017 / cbo9780511702396.063
[29] JC 스폴. 함수 측정만을 사용하여 가속화된 36차 확률론적 최적화. 2년 1417월 1424차 IEEE 회의 결정 및 제어, 2권, 1997–10.1109 vol.1997.657661, 0191년 2216월. XNUMX/ CDC.XNUMX. ISSN: XNUMX-XNUMX.
https : / /doi.org/10.1109/CDC.1997.657661
[30] Yuan Yao, Pierre Cussenot, Alex Vigneron, Filippo M. Miatto. 광학 양자 회로에 대한 자연 기울기 최적화. arXiv, 2021년 2106.13660월. URL https:// / arxiv.org/ abs/ XNUMX.
arXiv : 2106.13660
[31] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac 및 Nathan Killoran. 양자 하드웨어에서 분석 기울기 평가. 물리. A, 99(3): 032331, 2019년 10.1103월. 99.032331/ PhysRevA.XNUMX.
https : / /doi.org/10.1103/ PhysRevA.99.032331
[32] 요하네스 야콥 마이어. 시끄러운 중간 규모 양자 응용 분야의 Fisher 정보. Quantum, 5: 539, 2021년 2521월. ISSN 327-10.22331X. 2021/ q-09-09-539-XNUMX.
https://doi.org/10.22331/q-2021-09-09-539
[33] 안드레아 마리, 토마스 R. 브롬리, 네이선 킬로런. 양자 하드웨어에서 기울기 및 고차 도함수 추정. 물리. A, 103(1): 012405, 2021년 10.1103월. 103.012405/ PhysRevA.XNUMX.
https : / /doi.org/10.1103/ PhysRevA.103.012405
[34] 해리 버먼, 리처드 클리브, 존 와트러스, 로날드 드 울프. 양자 지문. 물리. Lett., 87(16): 167902, Sep 2001. 10.1103/ PhysRevLett.87.167902.
https : / /doi.org/10.1103/ PhysRevLett.87.167902
[35] Lukasz Cincio, Yiğit Subaşı, Andrew T. Sonborger 및 Patrick J. Coles. 상태 중첩에 대한 양자 알고리즘을 학습합니다. arXiv, 2018년 1803.04114월. URL http:// / 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 및 P. Zoller. 국부적으로 무작위화된 측정 간의 통계적 상관관계: 다체 양자 상태에서 얽힘을 조사하기 위한 도구 상자. 물리. A, 99(5), 2019년 10.1103월. 99.052323/ PhysRevA.XNUMX.
https : / /doi.org/10.1103/ PhysRevA.99.052323
[37] Kristan Temme, Tobias J. Osborne, Karl Gerd H. Volbrecht, David Poulin, Frank Verstraete. 양자 메트로폴리스 샘플링. Nature, 471, 2011. 10.1038/ nature09770.
https : / /doi.org/ 10.1038 / nature09770
[38] 영만홍과 알란 아스푸루-구직. 양자-양자 메트로폴리스 알고리즘. 국립과학원 회보, 109(3), 2012. 10.1073/ pnas.1111758109.
https : / /doi.org/ 10.1073 / pnas.1111758109
[39] David Poulin과 Pawel Wocjan. 열 양자 깁스 상태에서 샘플링하고 양자 컴퓨터를 사용한 파티션 기능 평가. 물리. Lett., 103(22), 2009. 10.1103/ PhysRevLett.103.220502.
https : / /doi.org/10.1103/ PhysRevLett.103.220502
[40] Mario Motta 및 et al. 양자 가상 시간 진화를 사용하여 양자 컴퓨터에서 고유 상태 및 열 상태 결정. Nature Physics, 16(2), 2020. 10.1038/ s41567-019-0704-4.
https://doi.org/10.1038/s41567-019-0704-4
[41] 페르난도 GSL 브란당과 마이클 J. 카스토리아노. 유한 상관 길이는 양자 열 상태의 효율적인 준비를 의미합니다. 수리물리학에서의 커뮤니케이션, 365(1), 2019. 10.1007/ s00220-018-3150-8.
https://doi.org/10.1007/s00220-018-3150-8
[42] Michael J. Kastoryano 및 Fernando GSL Brandão. Quantum Gibbs 샘플러: 통근 사례. 수리물리학에서의 커뮤니케이션, 344(3), 2016. 10.1007/ s00220-016-2641-8.
https://doi.org/10.1007/s00220-016-2641-8
[43] Jingxiang Wu 및 Timothy H. Hsieh. Thermofield Double States를 통한 변형 열 양자 시뮬레이션. 물리. Lett., 123(22), 2019. 10.1103/ PhysRevLett.123.220502.
https : / /doi.org/10.1103/ PhysRevLett.123.220502
[44] Anirban Chowdhury, Guang Hao Low 및 Nathan Wiebe. 양자 깁스 상태를 준비하기 위한 변형 양자 알고리즘. arXiv, 2020. URL https:// / arxiv.org/ abs/ 2002.00055.
arXiv : 2002.00055
[45] AD 맥라클란. 시간 종속 슈뢰딩거 방정식의 변형 솔루션입니다. 분자 물리학, 8(1), 1964. 10.1080/ 00268976400100041.
https : / /doi.org/ 10.1080 / 00268976400100041
[46] Héctor Abraham et al. Qiskit: 양자 컴퓨팅을 위한 오픈 소스 프레임워크. 2019. 10.5281/ zenodo.2562110.
https : / /doi.org/ 10.5281 / zenodo.2562110
[47] IBM Quantum, 2021. URL https:// / 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, Kristan Temme. 페르미온 해밀턴을 시뮬레이션하기 위해 큐비트를 줄입니다. arXiv, 2017. URL https:// / arxiv.org/ abs/ 1701.08213.
arXiv : 1701.08213
[49] Abhinav Kandala et al. 소분자 및 양자 자석을 위한 하드웨어 효율적인 변형 양자 고유 솔버입니다. Nature, 549 (7671): 242–246, 2017년 10.1038월. 23879/ natureXNUMX.
https : / /doi.org/ 10.1038 / nature23879
[50] Abhinav Kandala, Kristan Temme, Antonio D. Corcoles, Antonio Mezzacapo, Jerry M. Chow, Jay M. Gambetta. 오류 완화는 잡음이 많은 양자 프로세서의 계산 범위를 확장합니다. Nature, 567 (7749): 491–495, 2019년 10.1038월. 41586/ s019-1040-7-XNUMX.
https://doi.org/10.1038/s41586-019-1040-7
[51] 조나스 M. 퀴블러, 앤드류 아라스미스, 루카스 신시오, 패트릭 J. 콜스. 측정-절약 변형 알고리즘을 위한 적응형 최적화 도구. Quantum, 4: 263, 2020년 2521월. ISSN 327-10.22331X. 2020/ q-05-11-263-XNUMX.
https://doi.org/10.22331/q-2020-05-11-263
인용
[1] Tobias Haug, Kishor Bharti, MS Kim,“파라미터 화 된 양자 회로의 용량과 양자 기하학”, arXiv : 2102.01659.
[2] Johannes Jakob Meyer, "시끄러운 중간 규모 양자 응용 분야의 어부 정보", arXiv : 2103.15191.
[3] Tobias Haug와 MS Kim, "불모의 고원이 없는 변형 양자 알고리즘의 최적 훈련", arXiv : 2104.14543.
[4] Tobias Haug와 MS Kim, “자연 매개변수화된 양자 회로”, arXiv : 2107.14063.
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles 및 M. Cerezo, "양자 신경망의 과잉 매개변수화 이론", arXiv : 2109.11676.
[6] Christa Zoufal, David Sutter 및 Stefan Woerner, "변형 양자 시간 진화의 오류 범위", arXiv : 2108.00022.
[7] Anna Lopatnikova 및 Minh-Ngoc Tran, "변형 베이즈에 대한 양자 자연 그라데이션", arXiv : 2106.05807.
위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2021-10-23 12:31:38). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.
On Crossref의 인용 서비스 인용 작품에 대한 데이터가 없습니다 (최종 시도 2021-10-23 12:31:36).
이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.
PlatoAi. Web3 재창조. 데이터 인텔리전스 증폭.
액세스하려면 여기를 클릭하십시오.
