Loading...
机构名称:
¥ 3.0

在过去的三十年中,使用量子计算机估算分子哈密顿量的基态能量的成本已显著降低。然而,人们很少关注估算其他可观测量相对于所述基态的期望值,而这对于许多工业应用来说非常重要。在这项工作中,我们提出了一种新颖的期望值估计 (EVE) 量子算法,该算法可用于估算任意可观测量相对于系统任何本征态的期望值。具体来说,我们考虑了两种 EVE 变体:基于标准量子相位估计的 std-EVE 和利用量子信号处理 (QSP) 技术的 QSP-EVE。我们对这两种变体都进行了严格的误差分析,并最小化了 QSP-EVE 的单个相位因子数量。这些误差分析使我们能够在各种分子系统和可观测量中为 std-EVE 和 QSP-EVE 生成常数因子量子资源估计。对于所考虑的系统,我们表明 QSP-EVE 可将 (Toffoli) 门数减少多达三个数量级,并将量子位宽度减少多达 25%,而标准 EVE 则可实现。虽然估计的资源数量对于第一代容错量子计算机来说仍然太高(对于所考虑的示例,大约在 10 14 到 10 19 个 Toffoli 门之间),但我们的估计对于期望值估计和现代 QSP 技术的应用而言都是同类中的首例。

分子可观测量的容错量子计算

分子可观测量的容错量子计算PDF文件第1页

分子可观测量的容错量子计算PDF文件第2页

分子可观测量的容错量子计算PDF文件第3页

分子可观测量的容错量子计算PDF文件第4页

分子可观测量的容错量子计算PDF文件第5页

相关文件推荐

2023 年
¥1.0
2020 年
¥19.0
2020 年
¥3.0
2023 年
¥1.0
2024 年
¥4.0
2020 年
¥2.0
2020 年
¥5.0
2021 年
¥2.0
2022 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2024 年
¥5.0
2023 年
¥1.0
2021 年
¥1.0
2020 年
¥3.0
2022 年
¥2.0
2022 年
¥3.0
2021 年
¥9.0
2023 年
¥1.0
2022 年
¥8.0
2023 年
¥3.0
2023 年
¥1.0
2023 年
¥1.0
2023 年
¥3.0
2023 年
¥2.0
2023 年
¥1.0
2022 年
¥3.0
2024 年
¥6.0