TensorCircuit: ein Quantum-Software-Framework für die NISQ-Ära

TensorCircuit: ein Quantum-Software-Framework für die NISQ-Ära

Zeitstempel: 2. Februar 2023, 10:44 Uhr
Quellknoten: 1935846

Shi-Xin Zhang1, Jonathan Allcock2, Zhou-Quan Wan1,3, Shuo Liu1,3, Jiace Sonne4, Ha Yu5, Xing-Han Yang1,6, Jiezhong Qiu1, Zhaofeng Ye1, Yu-Qin Chen1, Chee-Kong Lee7, Yi-Cong Zheng1, Shao-Kai Jian8, Hong Yao3, Chang-Yu Hsieh1, und Shengyu Zhang1

1Tencent Quantum Laboratory, Tencent, Shenzhen, Guangdong 518057, China
2Tencent Quantum Laboratory, Tencent, Hongkong, China
3Institute for Advanced Study, Tsinghua University, Peking 100084, China
4Abteilung für Chemie und Verfahrenstechnik, California Institute of Technology, Pasadena, CA 91125, USA
5Institut für Elektrotechnik und Computertechnik, McGill University, Quebec H3A 0E9, Kanada
6Shenzhen Mittelschule, Shenzhen, Guangdong 518025, China
7Tencent America, Palo Alto, Kalifornien 94306, USA
8Fakultät für Physik, Brandeis University, Waltham, Massachusetts 02453, USA

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

TensorCircuit ist ein Open-Source-Quantenschaltungssimulator, der auf Tensornetzwerkkontraktion basiert und auf Geschwindigkeit, Flexibilität und Codeeffizienz ausgelegt ist. TensorCircuit ist rein in Python geschrieben und baut auf branchenüblichen Frameworks für maschinelles Lernen auf. TensorCircuit unterstützt automatische Differenzierung, Just-in-Time-Kompilierung, vektorisierte Parallelität und Hardwarebeschleunigung. Diese Funktionen ermöglichen es TensorCircuit, größere und komplexere Quantenschaltkreise als bestehende Simulatoren zu simulieren, und eignen sich besonders für Variationsalgorithmen, die auf parametrisierten Quantenschaltkreisen basieren. TensorCircuit ermöglicht eine Beschleunigung um Größenordnungen für verschiedene Quantensimulationsaufgaben im Vergleich zu anderer gängiger Quantensoftware und kann bis zu 600 Qubits mit moderater Schaltungstiefe und niedrigdimensionaler Konnektivität simulieren. Mit seiner Zeit- und Platzeffizienz, seiner flexiblen und erweiterbaren Architektur und seiner kompakten, benutzerfreundlichen API wurde TensorCircuit entwickelt, um das Design, die Simulation und die Analyse von Quantenalgorithmen in der Ära von Noisy Intermediate-Scale Quantum (NISQ) zu erleichtern.

Populäre Zusammenfassung

In diesem Whitepaper stellen wir TensorCircuit vor: ein Quantum-Software-Framework für die NISQ-Ära.

TensorCircuit ist ein Open-Source-Framework für die Quantensimulation in Python, das auf Geschwindigkeit, Flexibilität und Eleganz ausgelegt ist. Die Simulation basiert auf einer fortschrittlichen Tensor-Netzwerk-Engine und wird mit den beliebten TensorFlow-, JAX- und PyTorch-Frameworks für maschinelles Lernen auf agnostische Weise vom Backend implementiert. TensorCircuit ist mit modernen technischen Paradigmen des maschinellen Lernens kompatibel – automatische Differenzierung, Just-in-Time-Kompilierung, vektorisierte Parallelität und GPU-Beschleunigung – wodurch es sich besonders für die Simulation von Variationsalgorithmen auf der Grundlage parametrisierter Quantenschaltkreise eignet.

► BibTeX-Daten

► Referenzen

[1] Michael A. Nielsen und Isaac L. Chuang. „Quantenberechnung und Quanteninformation: Ausgabe zum 10-jährigen Jubiläum“. Cambridge University Press. USA (2011). 10. Auflage.

[2] Martín Abadi, Paul Barham, Jianmin Chen, Zhifeng Chen, Andy Davis, Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Geoffrey Irving, Michael Isard, et al. „Tensorflow: Ein System für groß angelegtes maschinelles Lernen“. Im 12. USENIX-Symposium über Betriebssystemdesign und -implementierung (OSDI 16). Seiten 265–283. (2016).
https://​/​doi.org/​10.48550/​arXiv.1605.08695

[3] James Bradbury, Roy Frostig, Peter Hawkins, Matthew James Johnson, Chris Leary, Dougal Maclaurin, George Necula, Adam Paszke, Jake VanderPlas, Skye Wanderman-Milne und Qiao Zhang. „JAX: Zusammensetzbare Transformationen von Python+NumPy-Programmen“. http://​/​github.com/​google/​jax (2018).
http: // github.com/ google / jax

[4] Adam Paszke, Sam Gross, Francisco Massa, Adam Lerer, James Bradbury, Gregory Chanan, Trevor Killeen, Zeming Lin, Natalia Gimelshein, Luca Antiga, Alban Desmaison, Andreas Kopf, Edward Yang, Zachary DeVito, Martin Raison, Alykhan Tejani, Sasank Chilamkurthy , Benoit Steiner, Lu Fang, Junjie Bai und Soumith Chintala. „Pytorch: Eine Hochleistungs-Deep-Learning-Bibliothek im imperativen Stil“. In Fortschritte bei neuronalen Informationsverarbeitungssystemen. Band 32. (2019).
https://​/​doi.org/​10.48550/​arXiv.1912.01703

[5] Johnnie Grey. „Cotengra“. https://​/​github.com/​jcmgray/​cotengra (2020).
https: // github.com/jcmgray/cotengra

[6] Johnnie Gray und Stefanos Kourtis. „Hyperoptimierte Tensornetzwerkkontraktion“. Quantum 5, 410 (2021).
https:/​/​doi.org/​10.22331/​q-2021-03-15-410

[7] John Preskill. „Quantencomputing in der nisq-Ära und darüber hinaus“. Quantum 2, 79 (2018).
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[8] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong-Chuan Kwek, und Alán Aspuru-Guzik. "Rauschende Quantenalgorithmen im mittleren Maßstab". Reviews of Modern Physics 94, 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004

[9] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio und Patrick J. Coles. „Variative Quantenalgorithmen“. Nature Reviews Physics 3, 625–644 (2021).
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

[10] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik und Jeremy L O’brien. "Ein Variationseigenwertlöser auf einem photonischen Quantenprozessor". Naturkommunikation 5, 4213 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

[11] Edward Farhi, Jeffrey Goldstone und Sam Gutmann. "Ein quantennaher Optimierungsalgorithmus". arXiv eprint (2014) arXiv:1411.4028.
arXiv: 1411.4028

[12] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow und Jay M Gambetta. „Hardwareeffizienter Variations-Quanten-Eigenlöser für kleine Moleküle und Quantenmagnete“. Natur 549, 242–246 (2017).
https: / / doi.org/ 10.1038 / nature23879

[13] Jarrod R. McClean, Sergio Boixo, Vadim N. Smelyanskiy, Ryan Babbush und Hartmut Neven. „Karge Plateaus in Trainingslandschaften für quantenneuronale Netze“. Nature Communications 9, 4812 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[14] Eric R. Anschütz. „Kritische Punkte in quantengenerativen Modellen“. arXiv eprint (2021) arXiv:2109.06957.
arXiv: 2109.06957

[15] MH Yung, Jorge Casanova, Antonio Mezzacapo, Jarrod Mcclean, Lucas Lamata, Alan Aspuru-Guzik und Enrique Solano. „Vom Transistor zum Trapped-Ion-Computer für die Quantenchemie“. Wissenschaftliche Berichte 4, 3589 (2014).
https: / / doi.org/ 10.1038 / srep03589

[16] Ulrich Schollwöck. „Die Dichtematrix-Renormalisierungsgruppe im Zeitalter der Matrixproduktzustände“. Annals of Physics 326, 96–192 (2011).
https: / / doi.org/ 10.1016 / j.aop.2010.09.012

[17] Yann LeCun, Yoshua Bengio und Geoffrey Hinton. "Tiefes Lernen". Natur 521, 436–444 (2015).
https: / / doi.org/ 10.1038 / nature14539

[18] Michael Bartholomew-Biggs, Steven Brown, Bruce Christianson und Laurence Dixon. „Automatische Differenzierung von Algorithmen“. J. Comput. Appl. Mathematik. 124, 171–190 (2000).
https:/​/​doi.org/​10.1016/​S0377-0427(00)00422-2

[19] Atılım Güneş Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul, Jeffrey Mark Siskind, Atilim Gunes Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul und Jeffrey Mark Siskind. "Automatische Differenzierung beim maschinellen Lernen: Eine Umfrage". J. Mach. Lernen. Auflösung 18, 1–43 (2018).
https://​/​doi.org/​10.48550/​arXiv.1502.05767

[20] Jun Li, Xiaodong Yang, Xinhua Peng und Chang-Pu Sun. „Hybrider quantenklassischer Ansatz zur quantenoptimalen Steuerung“. Phys. Rev. Lett. 118, 150503 (2017).
https://doi.org/ 10.1103/PhysRevLett.118.150503

[21] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac und Nathan Killoran. „Auswertung analytischer Gradienten auf Quantenhardware“. Phys. Rev. A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[22] MD SAJID ANIS et al. „Qiskit: Ein Open-Source-Framework für Quantencomputer“. https://​/​github.com/​qiskit (2021).
https://​/​github.com/​qiskit

[23] Cirq-Entwickler. „Kirq“. https://​/​github.com/​quantumlib/​Cirq (2021).
https: / / github.com/quantumlib / Cirq

[24] Damian S. Steiger, Thomas Häner und Matthias Troyer. „ProjectQ: ein Open-Source-Software-Framework für Quantencomputing“. Quantum 2, 49 (2018).
https:/​/​doi.org/​10.22331/​q-2018-01-31-49

[25] Huawei HiQ-Team. „Huawei HiQ: Ein Hochleistungs-Quantencomputing-Simulator und Programmier-Framework“. http://​/​hiq.huaweicloud.com.
http://​/​hiq.huaweicloud.com

[26] Krysta Svore, Alan Geller, Matthias Troyer, John Azariah, Christopher Granade, Bettina Heim, Vadym Kliuchnikov, Mariia Mykhailova, Andres Paz und Martin Roetteler. „Q# ermöglicht skalierbares Quantencomputing und Entwicklung mit High-Level-DSL“. In Proceedings of the Real World Domain Specific Languages ​​Workshop 2018. Seiten 1–10. (2018).
https: / / doi.org/ 10.1145 / 3183895.3183901

[27] Stavros Efthymiou, Sergi Ramos-Calderer, Carlos Bravo-Prieto, Adrián Pérez-Salinas, Diego García-Martín, Artur Garcia-Saez, José Ignacio Latorre und Stefano Carrazza. „Qibo: ein Framework für die Quantensimulation mit Hardwarebeschleunigung“. Quantenwissenschaft und -technologie 7, 015018 (2022).
https:/​/​doi.org/​10.1088/​2058-9565/​ac39f5

[28] Yasunari Suzuki, Yoshiaki Kawase, Yuya Masumura, Yuria Hiraga, Masahiro Nakadai, Jiabao Chen, Ken M. Nakanishi, Kosuke Mitarai, Ryosuke Imai, Shiro Tamiya, Takahiro Yamamoto, Tennin Yan, Toru Kawakubo, Yuya O. Nakagawa, Yohei Ibe, Youyuan Zhang, Hirotsugu Yamashita, Hikaru Yoshimura, Akihiro Hayashi und Keisuke Fujii. „Qulacs: ein schneller und vielseitiger Quantenschaltungssimulator für Forschungszwecke“. Quantum 5, 559 (2021).
https:/​/​doi.org/​10.22331/​q-2021-10-06-559

[29] Michael Broughton, Guillaume Verdon, Trevor McCourt, Antonio J. Martinez, Jae Hyeon Yoo, Sergei V. Isakov, Philip Massey, Ramin Halavati, Murphy Yuezhen Niu, Alexander Zlokapa, Evan Peters, Owen Lockwood, Andrea Skolik, Sofiene Jerbi, Vedran Dunjko , Martin Leib, Michael Streif, David Von Dollen, Hongxiang Chen, Shuxiang Cao, Roeland Wiersema, Hsin-Yuan Huang, Jarrod R. McClean, Ryan Babbush, Sergio Boixo, Dave Bacon, Alan K. Ho, Hartmut Neven und Masoud Mohseni . „Tensorflow-Quanten: Ein Software-Framework für Quantenmaschinenlernen“. arXiv eprint (2020) arXiv:2003.02989.
arXiv: 2003.02989

[30] Ville Bergholm, Josh Izaac, Maria Schuld, Christian Gogolin, M. Sohaib Alam, Shahnawaz Ahmed, Juan Miguel Arrazola, Carsten Blank, Alain Delgado, Soran Jahangiri, Keri McKiernan, Johannes Jakob Meyer, Zeyue Niu, Antal Száva und Nathan Killoran. „Pennylane: Automatische Differenzierung hybrider quantenklassischer Berechnungen“. arXiv eprint (2018) arXiv:1811.04968.
arXiv: 1811.04968

[31] „Paddelquant“. https:/​/​github.com/​PaddlePaddle/​Quantum (2020).
https://​/​github.com/​PaddlePaddle/​Quantum

[32] MindQuantum-Entwickler. „Mindquantum, Version 0.5.0“. https://​/​gitee.com/​mindspore/​mindquantum (2021).
https://​/​gitee.com/​mindspore/​mindquantum

[33] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe und Seth Lloyd. „Quantenmaschinelles Lernen“. Natur 549, 195–202 (2017).
https: / / doi.org/ 10.1038 / nature23474

[34] Igor L. Markov und Yaoyun Shi. "Simulation von Quantenberechnungen durch Kontraktion von Tensornetzwerken". SIAM Journal on Computing 38, 963–981 (2008).
https: / / doi.org/ 10.1137 / 050644756

[35] John Brennan, Momme Allalen, David Brayford, Kenneth Hanley, Luigi Iapichino, Lee J. O'Riordan, Myles Doyle und Niall Moran. „Simulation von Tensornetzwerkschaltungen im Examaßstab“. arXiv eprint (2021) arXiv:2110.09894.
arXiv: 2110.09894

[36] Eli A. Meirom, Haggai Maron, Shie Mannor und Gal Chechik. „Optimierung der Tensornetzwerkkontraktion durch Verstärkungslernen“. arXiv eprint (2022) arXiv:2204.09052.
arXiv: 2204.09052

[37] Roman Orús. "Eine praktische Einführung in Tensornetzwerke: Matrixproduktzustände und projizierte verschränkte Paarzustände". Annalen der Physik 349, 117–158 (2014).
https: / / doi.org/ 10.1016 / j.aop.2014.06.013

[38] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C. Bardin, Rami Barends, Rupak Biswas, Sergio Boixo, Fernando GSLSL Brandao, David A. Buell, Brian Burkett, Yu Chen, Zijun Chen, Ben Chiaro, Roberto Collins, William Courtney, Andrew Dunsworth, Edward Farhi, Brooks Foxen, Austin Fowler, Craig Gidney, Marissa Giustina, Rob Graff, Keith Guerin, Steve Habegger, Matthew P. Harrigan, Michael J. Hartmann, Alan Ho, Markus Hoffmann, Trent Huang, Travis S. Humble, Sergei V. Isakov, Evan Jeffrey, Zhang Jiang, Dvir Kafri, Kostyantyn Kechedzhi, Julian Kelly, Paul V. Klimov, Sergey Knysh, Alexander Korotkov, Fedor Kostritsa, David Landhuis, Mike Lindmark, Erik Lucero, Dmitry Lyakh, Salvatore Mandrà, Jarrod R. McClean, Matthew McEwen, Anthony Megrant, Xiao Mi, Kristel Michielsen, Masoud Mohseni, Josh Mutus, Ofer Naaman, Matthew Neeley, Charles Neill, Murphy Yuezhen Niu, Eric Ostby, Andre Petukhov, John C. Platt, Chris Quintana, Eleanor G. Rieffel, Pedram Roushan, Nicholas C. Rubin, Daniel San k, Kevin J. Satzinger, Vadim Smelyanskiy, Kevin J. Sung, Matthew D. Trevithick, Amit Vainsencher, Benjamin Villalonga, Theodore White, Z. Jamie Yao, Ping Yeh, Adam Zalcman, Hartmut Neven und John M. Martinis. „Quantenüberlegenheit mit einem programmierbaren supraleitenden Prozessor“. Natur 574, 505–510 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1666-5

[39] Yulin Wu, Wan-Su Bao, Sirui Cao, Fusheng Chen, Ming-Cheng Chen, Xiawei Chen, Tung-Hsun Chung, Hui Deng, Yajie Du, Daojin Fan, Ming Gong, Cheng Guo, Chu Guo, Shaojun Guo, Lianchen Han , Linyin Hong, He-Liang Huang, Yong-Heng Huo, Liping Li, Na Li, Shaowei Li, Yuan Li, Futian Liang, Chun Lin, Jin Lin, Haoran Qian, Dan Qiao, Hao Rong, Hong Su, Lihua Sun, Liangyuan Wang, Shiyu Wang, Dachao Wu, Yu Xu, Kai Yan, Weifeng Yang, Yang Yang, Yangsen Ye, Jianghan Yin, Chong Ying, Jiale Yu, Chen Zha, Cha Zhang, Haibin Zhang, Kaili Zhang, Yiming Zhang, Han Zhao , Youwei Zhao, Liang Zhou, Qingling Zhu, Chao-Yang Lu, Cheng-Zhi Peng, Xiaobo Zhu und Jian-Wei Pan. „Starker Quantencomputervorteil mit einem supraleitenden Quantenprozessor“. Phys. Rev. Lett. 127, 180501 (2021).
https://doi.org/ 10.1103/PhysRevLett.127.180501

[40] Chu Guo, Yong Liu, Min Xiong, Shichuan Xue, Xiang Fu, Anqi Huang, Xiaogang Qiang, Ping Xu, Junhua Liu, Shenggen Zheng, He-Liang Huang, Mingtang Deng, Dario Poletti, Wan-Su Bao und Junjie Wu. "Allzweck-Quantenschaltungssimulator mit projizierten Zuständen verschränkter Paare und der Grenze der Quantenüberlegenheit". Phys. Rev. Lett. 123, 190501 (2019).
https://doi.org/ 10.1103/PhysRevLett.123.190501

[41] Feng Pan und Pan Zhang. „Simulation von Quantenschaltkreisen mit der Big-Batch-Tensor-Netzwerk-Methode“. Phys. Rev. Lett. 128, 030501 (2022).
https://doi.org/ 10.1103/PhysRevLett.128.030501

[42] Yong (Alexander) Liu, Xin (Lucy) Liu, Fang (Nancy) Li, Haohuan Fu, Yuling Yang, Jiawei Song, Pengpeng Zhao, Zhen Wang, Dajia Peng, Huarong Chen, Chu Guo, Heliang Huang, Wenzhao Wu und Dexun Chen. „Schließung der „Quantenüberlegenheit“-Lücke“. In Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis. ACM (2021).
https: / / doi.org/ 10.1145 / 3458817.3487399

[43] Cupjin Huang, Fang Zhang, Michael Newman, Junjie Cai, Xun Gao, Zhengxiong Tian, ​​Junyin Wu, Haihong Xu, Huanjun Yu, Bo Yuan, Mario Szegedy, Yaoyun Shi und Jianxin Chen. „Klassische Simulation von Quantenüberlegenheitsschaltungen“. arXiv eprint (2020) arXiv:2005.06787.
arXiv: 2005.06787

[44] Xin Liu, Chu Guo, Yong Liu, Yuling Yang, Jiawei Song, Jie Gao, Zhen Wang, Wenzhao Wu, Dajia Peng, Pengpeng Zhao, Fang Li, He-Liang Huang, Haohuan Fu und Dexun Chen. „Neudefinition der Quantenüberlegenheitsbasis mit einem Sunway-Supercomputer der neuen Generation“. arXiv eprint (2021) arXiv:2111.01066.
arXiv: 2111.01066

[45] Feng Pan, Keyang Chen und Pan Zhang. "Lösung des Abtastproblems der Platanen-Quantenüberlegenheitsschaltungen". arXiv eprint (2021) arXiv:2111.03011.
https://doi.org/ 10.1103/PhysRevLett.129.090502
arXiv: 2111.03011

[46] Chase Roberts, Ashley Milsted, Martin Ganahl, Adam Zalcman, Bruce Fontaine, Yijian Zou, Jack Hidary, Guifre Vidal und Stefan Leichenauer. „Tensornetwork: Eine Bibliothek für Physik und maschinelles Lernen“. arXiv eprint (2019) arXiv:1905.01330.
arXiv: 1905.01330

[47] Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao. „Unterscheidbare Quantenarchitektursuche“. Quantenwissenschaft. Technologie 7, 045023 (2022).
https://​/​doi.org/​10.1088/​2058-9565/​ac87cd

[48] Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao. „Neuralprädiktorbasierte Quantenarchitektursuche“. Maschinelles Lernen: Wissenschaft und Technologie 2, 045027 (2021).
https://​/​doi.org/​10.1088/​2632-2153/​ac28dd

[49] Shi-Xin Zhang, Zhou-Quan Wan, Chee-Kong Lee, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao. „Variationeller quantenneuraler Hybrid-Eigenlöser“. Physical Review Letters 128, 120502 (2022).
https://doi.org/ 10.1103/PhysRevLett.128.120502

[50] Shi-Xin Zhang, Zhou-Quan Wan, Chang-Yu Hsieh, Hong Yao und Shengyu Zhang. „Variative quantenneuronale hybride Fehlerminderung“. arXiv eprint (2021) arXiv:2112.10380.
arXiv: 2112.10380

[51] Shuo Liu, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao. "Untersuchung der Vielkörperlokalisierung durch vqe im angeregten Zustand". arXiv eprint (2021) arXiv:2111.13719.
arXiv: 2111.13719

[52] Shuo Liu, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao. „Diskreter Zeitkristall ermöglicht durch starke Vielkörperlokalisierung“ (2022). arXiv:2208.02866.
arXiv: 2208.02866

[53] Yu-Qin Chen, Shi-Xin Zhang, Chang-Yu Hsieh und Shengyu Zhang. "Ein nicht-hermitescher Grundzustands-Suchalgorithmus, der durch eine Variations-Toolbox erweitert wurde". arXiv eprint (2022) arXiv:2210.09007.
arXiv: 2210.09007

[54] Alastair Kay. „Tutorial zum quantikz-Paket“. arXiv eprint (2018) arXiv:1809.03842.
arXiv: 1809.03842

[55] Matteo Hessel, David Budden, Fabio Viola, Mihaela Rosca, Eren Sezener und Tom Hennigan. „Optax: Zusammensetzbare Gradiententransformation und -optimierung in jax!“ (2020).

[56] Yaodong Li, Xiao Chen und Matthew PA Fisher. "Quanten-Zeno-Effekt und der Vielkörper-Verschränkungsübergang". Phys. Rev. B 98, 205136 (2018).
https://doi.org/ 10.1103/PhysRevB.98.205136

[57] Amos Chan, Rahul M. Nandkishore, Michael Pretko und Graeme Smith. „Einheitlich-projektive Verschränkungsdynamik“. Phys. Rev. B 99, 224307 (2019).
https://doi.org/ 10.1103/PhysRevB.99.224307

[58] Brian Skinner, Jonathan Ruhman und Adam Nahum. "Messinduzierte Phasenübergänge in der Dynamik der Verschränkung". Phys. Rev. X 9, 031009 (2019).
https://doi.org/ 10.1103/PhysRevX.9.031009

[59] Yaodong Li, Xiao Chen und Matthew PA Fisher. „Messungsgetriebener Verschränkungsübergang in hybriden Quantenschaltkreisen“. Phys. Rev. B 100, 134306 (2019).
https://doi.org/ 10.1103/PhysRevB.100.134306

[60] Shuo Liu, Ming-Rui Li, Shi-Xin Zhang, Shao-Kai Jian und Hong Yao. "Universelle kpz-Skalierung in verrauschten Hybrid-Quantenschaltungen". arXiv eprint (2022) arXiv:2212.03901.
arXiv: 2212.03901

[61] Johnnie Grey. „quimb: Ein Python-Paket für Quanteninformation und Vielteilchenberechnungen“. Zeitschrift für Open-Source-Software 3, 819 (2018).
https: / / doi.org/ 10.21105 / joss.00819

[62] Steven R. Weiß. "Dichtematrixformulierung für Quantenrenormalisierungsgruppen". Phys. Rev. Lett. 69, 2863–2866 (1992).
https://doi.org/ 10.1103/PhysRevLett.69.2863

[63] Daniel G. a. Smith und Johnnie Gray. „opt_einsum – ein Python-Paket zur Optimierung der Kontraktionsreihenfolge für einsum-ähnliche Ausdrücke“. Zeitschrift für Open-Source-Software 3, 753 (2018).
https: / / doi.org/ 10.21105 / joss.00753

[64] James Stokes, Josh Izaac, Nathan Killoran und Giuseppe Carleo. „Quantennatürlicher Gradient“. Quantum 4, 269 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-25-269

[65] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li und Simon C. Benjamin. „Theorie der Variationsquantensimulation“. Quantum 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

[66] Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin und Xiao Yuan. „Variative Quantensimulation allgemeiner Prozesse“. Phys. Rev. Lett. 125, 010501 (2020).
https://doi.org/ 10.1103/PhysRevLett.125.010501

[67] Sam McArdle, Suguru Endo, Alán Aspuru-Guzik, Simon C. Benjamin und Xiao Yuan. „Quantencomputerchemie“. Rev. Mod. Phys. 92, 015003 (2020).
https: / / doi.org/ 10.1103 / RevModPhys.92.015003

[68] Yudong Cao, Jonathan Romero, Jonathan P. Olson, Matthias Degroote, Peter D. Johnson, Mária Kieferová, Ian D. Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya, Sukin Sim, Libor Veis und Alán Aspuru-Guzik. „Quantenchemie im Zeitalter des Quantencomputing“. Chemical Reviews 119, 10856–10915 (2019).
https: // doi.org/ 10.1021 / acs.chemrev.8b00803

[69] Jarrod R. McClean, Kevin J. Sung, Ian D. Kivlichan, Yudong Cao, Chengyu Dai, E. Schuyler Fried, Craig Gidney, Brendan Gimby, Pranav Gokhale, Thomas Häner, Tarini Hardikar, Vojtěch Havlíček, Oscar Higgott, Cupjin Huang, Josh Izaac, Zhang Jiang, Xinle Liu, Sam McArdle, Matthew Neeley, Thomas O'Brien, Bryan O'Gorman, Isil Ozfidan, Maxwell D. Radin, Jhonathan Romero, Nicholas Rubin, Nicolas PD Sawaya, Kanav Setia, Sukin Sim, Damian S. Steiger, Mark Steudtner, Qiming Sun, Wei Sun, Daochen Wang, Fang Zhang und Ryan Babbush. „Openfermion: Das elektronische Strukturpaket für Quantencomputer“. arXiv eprint (2017) arXiv:1710.07629.
arXiv: 1710.07629

[70] Bernhard Jobst, Adam Smith und Frank Pollmann. „Finite-Tiefe-Skalierung unendlicher Quantenschaltkreise für quantenkritische Punkte“. Physical Review Research 4, 033118 (2022).
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033118

[71] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles und M. Cerezo. „Theorie der Überparametrisierung in quantenneuronalen Netzen“ (2021). arXiv:2109.11676.
arXiv: 2109.11676

[72] Navin Khaneja, Timo Reiss, Cindie Kehlet, Thomas Schulte-Herbrüggen und Steffen J. Glaser. "Optimale Kontrolle der gekoppelten Spindynamik: Design von NMR-Pulssequenzen durch Gradientenaufstiegsalgorithmen". Journal of Magnetic Resonance 172, 296–305 (2005).
https: / / doi.org/ 10.1016 / j.jmr.2004.11.004

[73] Xiaotong Ni, Hui-Hai Zhao, Lei Wang, Feng Wu und Jianxin Chen. "Integration von Quantenprozessorgeräten und Steuerungsoptimierung in einem Gradienten-basierten Framework". npj Quantum Inf. 8, 106 (2022).
https:/​/​doi.org/​10.1038/​s41534-022-00614-3

[74] Guifré Vidal. „Effiziente klassische Simulation leicht verschränkter Quantenrechnungen“. Phys. Rev. Lett. 91, 147902 (2003).
https://doi.org/ 10.1103/PhysRevLett.91.147902

[75] Yiqing Zhou, E. Miles Stoudenmire und Xavier Waintal. „Was schränkt die Simulation von Quantencomputern ein?“. Phys. Rev. X 10, 041038 (2020).
https://doi.org/ 10.1103/PhysRevX.10.041038

[76] JC Spall. "Adaptive stochastische Approximation durch die simultane Störungsmethode". IEEE-Transaktionen zur automatischen Steuerung 45, 1839–1853 (2000).
https: / / doi.org/ 10.1109 / TAC.2000.880982

[77] Mateusz Ostaszewski, Edward Grant und Marcello Benedetti. „Strukturoptimierung für parametrisierte Quantenschaltkreise“. Quantum 5, 391 (2021).
https:/​/​doi.org/​10.22331/​q-2021-01-28-391

[78] IA Luchnikov, A. Ryzhov, SN Filippov und H. Ouerdane. "QGOpt: Riemannsche Optimierung für Quantentechnologien". SciPost Phys. 10, 79 (2021).
https: / / doi.org/ 10.21468 / SciPostPhys.10.3.079

Zitiert von

[1] Shuo Liu, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao, „Sondieren der Vielkörperlokalisierung durch VQE im angeregten Zustand“, arXiv: 2111.13719, (2021).

[2] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, ​​Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao und Gui-Lu Long, „Near-Term Quantum Computing Techniques: Variational Quantum Algorithms, Fehlerminderung, Schaltungserstellung, Benchmarking und klassische Simulation“, arXiv: 2211.08737, (2022).

[3] Chee Kong Lee, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Liang Shi, „Variative Quantensimulationen von dynamischen Eigenschaften endlicher Temperaturen über Thermofelddynamik“, arXiv: 2206.05571, (2022).

[4] Yu-Cheng Chen, Yu-Qin Chen, Alice Hu, Chang-Yu Hsieh und Shengyu Zhang, „Variative Quantensimulation der imaginären Zeit-Lyapunov-Steuerung zur Beschleunigung der Grundzustandsvorbereitung“, arXiv: 2112.11782, (2021).

[5] Haimeng Zhao, „Nicht-IID Quantum Federated Learning mit One-Shot-Kommunikationskomplexität“, arXiv: 2209.00768, (2022).

[6] Weitang Li, Jiajun Ren, Sainan Huai, Tianqi Cai, Zhigang Shuai und Shengyu Zhang, „Effiziente Quantensimulation von Elektron-Phonon-Systemen durch Variationsbasis-Zustandscodierer“, arXiv: 2301.01442, (2023).

Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2023, 02:03:03 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.

On Der von Crossref zitierte Dienst Es wurden keine Daten zum Zitieren von Werken gefunden (letzter Versuch 2023-02-03 03:51:05).

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.

Zeitstempel:

Mehr von Quantenjournal