用于模拟热平衡量子多体系统的可扩展量子算法对于预测有限温度下量子物质的性质非常重要。在这里,我们描述并测试了最小纠缠典型热态 (METTS) 算法的量子计算版本,我们采用自适应变分方法来执行所需的量子虚时间演化。我们将该算法命名为 AVQMETTS,它动态生成紧凑且针对特定问题的量子电路,适用于嘈杂的中尺度量子 (NISQ) 硬件。我们在状态向量模拟器上对 AVQMETTS 进行基准测试,并对一维和二维中的可积和不可积量子自旋模型进行热能计算,并展示了电路复杂性的近似线性系统尺寸缩放。我们进一步绘制了二维横向场 Ising 模型的有限温度相变线。最后,我们使用现象学噪声模型研究噪声对 AVQMETTS 计算的影响。
1 路易斯安那州立大学物理与天文系赫恩理论物理研究所,路易斯安那州巴吞鲁日 70803,美国 2 布鲁塞尔自由大学布鲁塞尔理工学院量子信息与通信中心 (QuIC),比利时 B-1050 3 ICFO-科学照片研究所,巴塞罗那科学技术研究所,Av.卡尔弗里德里希高斯 3,08860 卡斯特尔德费尔斯(巴塞罗那),西班牙。 4 代尔夫特理工大学 QuTech,Lorentzweg 1, 2628 CJ 代尔夫特,荷兰 5 NTT 基础研究实验室和 NTT 理论量子物理研究中心,NTT 公司,3-1 Morinosato-Wakamiya,厚木,神奈川县 243-0198,日本 6 路易斯安那州立大学计算与技术中心,路易斯安那州巴吞鲁日 803,美国(日期:2020 年 1 月 28 日)
摘要变分混合量子经典算法 (VHQCA) 是利用经典优化来最小化成本函数的近期算法,该算法可以在量子计算机上进行有效评估。最近,VHQCA 已被提出用于量子编译,其中目标幺正 U 被编译成短深度门序列 V。在这项工作中,我们报告了这些算法一种令人惊讶的噪声弹性形式。也就是说,我们发现尽管在成本评估电路中存在各种不相干噪声源,但人们经常会学习正确的门序列 V(即正确的变分参数)。我们的主要结果是严格的定理,指出最佳变分参数不受广泛噪声模型的影响,例如测量噪声、门噪声和泡利通道噪声。此外,我们在 IBM 噪声模拟器上的数值实现在编译量子傅里叶变换、Toffoli 门和 W 态准备时表现出弹性。因此,变分量子编译由于其稳定性,对于噪声较大的中型量子设备具有实际用途。最后,我们推测这种抗噪声能力可能是一种普遍现象,适用于其他 VHQCA,例如变分量子本征解算器。
来源:https://www.youtube.com/watch?v=fg00ln30ezg&t=607S&ab_channel=brd3d
洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主,由 Triad National Security, LLC 为美国能源部国家核安全局运营,合同编号为 89233218CNA000001。通过批准本文,出版商承认美国政府保留非独占的、免版税的许可,可以为了美国政府的目的出版或复制本文的已发表形式,或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利;但是,作为一个机构,实验室并不认可出版物的观点,也不保证其技术上的正确性。
在本补充材料中,我们提供了更多细节来支持正文中提出的结果。在 SM1 节中,我们回顾了当波导模式具有带隙时光子介导相互作用可调谐性的物理起源。然后,在 SM2 节中,我们总结了变分量子本征求解算法的关键步骤(SM2 A),描述了所考虑的目标模型的属性(SM2 B),解释了文献中通常使用的不同假设的结构(SM2 C),详细介绍了我们用于获得正文结果的优化协议(SM2 D),并评论了其他可能用于对我们的结果进行基准测试的品质因数(SM2 E)。最后,在 SM3 节中,我们讨论了用于获得正文图 3 的误差模型的细节。还请注意,用于重现手稿结果的所有代码都可以在 https://github.com/cristiantlopez/Variational-Waveguide-QED-Simulators 中找到。
变分量子算法 (VQA) 是经典神经网络 (NN) 的量子模拟。VQA 由参数化量子电路 (PQC) 组成,该电路由多层假设(更简单的 PQC,与 NN 层类似)组成,这些假设仅在参数选择上有所不同。先前的研究已将交替分层假设确定为近期量子计算中潜在的新标准假设。事实上,浅层交替分层 VQA 易于实现,并且已被证明既可训练又富有表现力。在这项工作中,我们引入了一种训练算法,可指数级降低此类 VQA 的训练成本。此外,我们的算法使用量子输入数据的经典阴影,因此可以在具有严格性能保证的经典计算机上运行。我们证明了使用我们的算法在寻找状态准备电路和量子自动编码器的示例问题中将训练成本提高了 2-3 个数量级。
变分量子算法 (VQA) 经典地优化参数化量子电路以解决计算任务,有望增进我们对量子多体系统的理解,并使用近期量子计算机改进机器学习算法。这类量子-经典混合算法面临的突出挑战是与其经典优化相关的量子纠缠和量子梯度的控制。这些量子梯度被称为贫瘠高原现象,在体积定律纠缠增长的情况下,它们可能会迅速消失,这对 VQA 的实际应用构成了严重障碍。受最近对随机电路中测量诱导纠缠转变研究的启发,我们研究了具有中间投影测量的变分量子电路中的纠缠转变。考虑 XXZ 模型的哈密顿变分拟定 (HVA) 和硬件高效拟定 (HEA),我们观察到随着测量率的增加,测量诱导的纠缠转变从体积定律到面积定律。此外,我们提供了证据表明,该转变属于随机酉电路的同一普适性类别。重要的是,该转变与经典优化中从严重到温和/无贫瘠高原的“景观转变”相吻合。我们的工作可能为通过在当前可用的量子硬件中结合中间测量协议来提高量子电路的可训练性提供一条途径。
摘要:我们提出了一种使用自适应变分量子动力学模拟方法计算多体实时格林函数的方法。实时格林函数涉及带有一个额外电子的量子态相对于基态波函数的时间演化,该波函数首先表示为状态向量的线性 - 线性组合。通过将各个状态向量的动态组合成线性组合,可以获得实时演化和格林函数。使用自适应协议使我们能够在运行模拟时即时生成紧凑的假设。为了提高光谱特征的收敛性,应用了 Pade 近似值来获得格林函数的傅里叶变换。我们在 IBM Q 量子计算机上演示了格林函数的评估。作为我们错误缓解策略的一部分,我们开发了一种分辨率增强方法,并成功地将其应用于来自实量子硬件的噪声数据。
变异量子算法(VQA)已成为一种有希望的近期技术,可以探索嘈杂的中间尺度量子(NISQ)设备上实用的量子优势。然而,由于反向传播的不可能和大量测量成本引起的参数训练过程效率低下,对VQA的大规模开发构成了巨大挑战。在这里,我们提出了一个参数并行分布的变分量子算法(PPD-VQA),以通过使用多个量子处理器进行参数并行训练来加速训练过程。为了在现实的噪声场景中维持PPD-VQA的高性能,提出了一种替代训练策略来减轻多个量子处理器之间噪声差异引起的加速度衰减,这是不可避免的共同的分布式VQA的常见问题。此外,还采用了梯度压缩来克服潜在的通信瓶颈。所达到的结果表明,PPD-VQA可以提供一个实用的解决方案,以协调多个量子处理器,以将多个量子处理器与大规模实词应用程序进行协调。