TensorCircuit : un cadre logiciel quantique pour l'ère NISQ

TensorCircuit : un cadre logiciel quantique pour l'ère NISQ

Horodatage: 2 février 2023 10:44
Nœud source: 1935846

Shi Xin Zhang1, Jonathan Allcock2, Zhou Quan Wan1,3, Shuo Liu1,3, Jiace Soleil4, Hao 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, et Shengyu Zhang1

1Laboratoire Tencent Quantum, Tencent, Shenzhen, Guangdong 518057, Chine
2Laboratoire Tencent Quantum, Tencent, Hong Kong, Chine
3Institut d'études avancées, Université Tsinghua, Pékin 100084, Chine
4Division de chimie et de génie chimique, California Institute of Technology, Pasadena, CA 91125, États-Unis
5Département de génie électrique et informatique, Université McGill, Québec H3A 0E9 , Canada
6École secondaire de Shenzhen, Shenzhen, Guangdong 518025, Chine
7Tencent America, Palo Alto, Californie 94306, États-Unis
8Département de physique, Université Brandeis, Waltham, Massachusetts 02453, États-Unis

Vous trouvez cet article intéressant ou souhaitez en discuter? Scite ou laisse un commentaire sur SciRate.

Abstract

TensorCircuit est un simulateur de circuit quantique open source basé sur la contraction d'un réseau de tenseurs, conçu pour la vitesse, la flexibilité et l'efficacité du code. Écrit uniquement en Python et construit sur des cadres d'apprentissage automatique standard, TensorCircuit prend en charge la différenciation automatique, la compilation juste-à-temps, le parallélisme vectorisé et l'accélération matérielle. Ces fonctionnalités permettent à TensorCircuit de simuler des circuits quantiques plus grands et plus complexes que les simulateurs existants, et sont particulièrement adaptés aux algorithmes variationnels basés sur des circuits quantiques paramétrés. TensorCircuit permet d'accélérer des ordres de grandeur pour diverses tâches de simulation quantique par rapport à d'autres logiciels quantiques courants, et peut simuler jusqu'à 600 qubits avec une profondeur de circuit modérée et une connectivité de faible dimension. Avec son efficacité temporelle et spatiale, son architecture flexible et extensible et son API compacte et conviviale, TensorCircuit a été conçu pour faciliter la conception, la simulation et l'analyse d'algorithmes quantiques à l'ère Noisy Intermediate-Scale Quantum (NISQ).

Résumé populaire

Dans cet article, nous présentons TensorCircuit : un cadre logiciel quantique pour l'ère NISQ.

TensorCircuit est un framework de simulation quantique open source en Python conçu pour la vitesse, la flexibilité et l'élégance. La simulation est alimentée par un moteur de réseau de tenseurs avancé et est implémentée avec les frameworks d'apprentissage automatique populaires TensorFlow, JAX et PyTorch de manière indépendante du backend. TensorCircuit est compatible avec les paradigmes modernes d'ingénierie d'apprentissage automatique - différenciation automatique, compilation juste-à-temps, parallélisme vectorisé et accélération GPU - ce qui le rend particulièrement adapté à la simulation d'algorithmes variationnels basés sur des circuits quantiques paramétrés.

► Données BibTeX

► Références

Michael A. Nielsen et Isaac L. Chuang. "Calcul quantique et information quantique: édition du 10e anniversaire". La presse de l'Universite de Cambridge. États-Unis (2011). 10e édition.

Martín Abadi, Paul Barham, Jianmin Chen, Zhifeng Chen, Andy Davis, Jeffrey Dean, Matthieu Devin, Sanjay Ghemawat, Geoffrey Irving, Michael Isard, et al. "Tensorflow : un système pour l'apprentissage automatique à grande échelle". Au 12e symposium USENIX sur la conception et la mise en œuvre des systèmes d'exploitation (OSDI 16). Pages 265–283. (2016).
https://​/​doi.org/​10.48550/​arXiv.1605.08695

James Bradbury, Roy Frostig, Peter Hawkins, Matthew James Johnson, Chris Leary, Dougal Maclaurin, George Necula, Adam Paszke, Jake VanderPlas, Skye Wanderman-Milne et Qiao Zhang. « JAX : transformations composables de programmes Python+NumPy ». http://​/​github.com/​google/​jax (2018).
http: / / github.com/ google / jax

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 et Soumith Chintala. "Pytorch : une bibliothèque d'apprentissage en profondeur hautes performances de style impératif". Dans les progrès des systèmes de traitement de l'information neuronale. Tome 32. (2019).
https://​/​doi.org/​10.48550/​arXiv.1912.01703

Johnnie Gray. "Cotengra". https://​/​github.com/​jcmgray/​cotengra (2020).
https: / / github.com/ jcmgray / cotengra

Johnnie Gray et Stefanos Kourtis. « Contraction du réseau de tenseurs hyper-optimisé ». Quantique 5, 410 (2021).
https:/​/​doi.org/​10.22331/​q-2021-03-15-410

John Preskill. "L'informatique quantique à l'ère nisq et au-delà". Quantique 2, 79 (2018).
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

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, et Alán Aspuru-Guzik. "Algorithmes quantiques d'échelle intermédiaire bruyants". Avis sur la physique moderne 94, 015004 (2022).
https: / / doi.org/ 10.1103 / RevModPhys.94.015004

M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio et Patrick J. Coles. « Algorithmes quantiques variationnels ». Nature Reviews Physics 3, 625–644 (2021).
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik et Jeremy L O'brien. "Un solveur de valeurs propres variationnel sur un processeur quantique photonique". Nature communications 5, 4213 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

Edward Farhi, Jeffrey Goldstone et Sam Gutmann. "Un algorithme d'optimisation approchée quantique". arXiv eprint (2014) arXiv:1411.4028.
arXiv: 1411.4028

Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow et Jay M Gambetta. "Solveur propre quantique variationnel à efficacité matérielle pour les petites molécules et les aimants quantiques". Nature 549, 242–246 (2017).
https: / / doi.org/ 10.1038 / nature23879

Jarrod R. McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush et Hartmut Neven. "Plateaux stériles dans les paysages d'entraînement des réseaux de neurones quantiques". Nature Communications 9, 4812 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

Eric R. Anschuetz. "Points critiques dans les modèles génératifs quantiques". arXiv eprint (2021) arXiv:2109.06957.
arXiv: 2109.06957

MH Yung, Jorge Casanova, Antonio Mezzacapo, Jarrod Mcclean, Lucas Lamata, Alan Aspuru-Guzik et Enrique Solano. « Du transistor aux ordinateurs à ions piégés pour la chimie quantique ». Rapports scientifiques 4, 3589 (2014).
https: / / doi.org/ 10.1038 / srep03589

Ulrich Schollwöck. "Le groupe de renormalisation de la matrice de densité à l'âge des états de produit matriciel". Annals of Physics 326, 96–192 (2011).
https: / / doi.org/ 10.1016 / j.aop.2010.09.012

Yann LeCun, Yoshua Bengio et Geoffrey Hinton. "L'apprentissage en profondeur". Nature 521, 436–444 (2015).
https: / / doi.org/ 10.1038 / nature14539

Michael Bartholomew-Biggs, Steven Brown, Bruce Christianson et Laurence Dixon. "Différenciation automatique des algorithmes". J. Comput. Appl. Mathématiques. 124, 171–190 (2000).
https:/​/​doi.org/​10.1016/​S0377-0427(00)00422-2

Atılım Güneş Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul, Jeffrey Mark Siskind, Atilim Gunes Baydin, Barak A. Pearlmutter, Alexey Andreyevich Radul et Jeffrey Mark Siskind. "Différenciation automatique dans l'apprentissage automatique : une enquête". J.Mach. Apprendre. Rés. 18, 1–43 (2018).
https://​/​doi.org/​10.48550/​arXiv.1502.05767

Jun Li, Xiaodong Yang, Xinhua Peng et Chang-Pu Sun. "Approche hybride quantique-classique du contrôle optimal quantique". Phys. Rév. Lett. 118, 150503 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.118.150503

Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac et Nathan Killoran. "Évaluer les gradients analytiques sur le matériel quantique". Phys. Rév. A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

MD SAJID ANIS et al. « Qiskit : Un framework open-source pour l'informatique quantique ». https://​/​github.com/​qiskit (2021).
https://​/​github.com/​qiskit

Développeurs Cirq. "Cirq". https:/​/​github.com/​quantumlib/​Cirq (2021).
https: / / github.com/ quantumlib / Cirq

Damian S. Steiger, Thomas Häner et Matthias Troyer. "ProjectQ: un cadre logiciel open source pour l'informatique quantique". Quantique 2, 49 (2018).
https:/​/​doi.org/​10.22331/​q-2018-01-31-49

Équipe Huawei HiQ. "Huawei HiQ : un simulateur informatique quantique haute performance et un cadre de programmation". http://​/​hiq.huaweicloud.com.
http://​/​hiq.huaweicloud.com

Krysta Svore, Alan Geller, Matthias Troyer, John Azariah, Christopher Granade, Bettina Heim, Vadym Kliuchnikov, Mariia Mykhailova, Andres Paz et Martin Roetteler. "Q # permettant l'informatique quantique évolutive et le développement avec un DSL de haut niveau". Dans Actes de l'atelier sur les langues spécifiques au domaine du monde réel 2018. Pages 1–10. (2018).
https: / / doi.org/ 10.1145 / 3183895.3183901

Stavros Efthymiou, Sergi Ramos-Calderer, Carlos Bravo-Prieto, Adrián Pérez-Salinas, Diego García-Martín, Artur Garcia-Saez, José Ignacio Latorre et Stefano Carrazza. "Qibo: un cadre pour la simulation quantique avec accélération matérielle". Science et technologie quantiques 7, 015018 (2022).
https:/​/​doi.org/​10.1088/​2058-9565/​ac39f5

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 et Keisuke Fujii. « Qulacs : un simulateur de circuit quantique rapide et polyvalent à des fins de recherche ». Quantique 5, 559 (2021).
https:/​/​doi.org/​10.22331/​q-2021-10-06-559

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 et Masoud Mohseni . "Tensorflow quantum: Un cadre logiciel pour l'apprentissage automatique quantique". arXiv eprint (2020) arXiv:2003.02989.
arXiv: 2003.02989

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 et Nathan Killoran. "Pennylane : différenciation automatique des calculs hybrides quantiques-classiques". arXiv eprint (2018) arXiv:1811.04968.
arXiv: 1811.04968

"Pagaie quantique". https:/​/​github.com/​PaddlePaddle/​Quantum (2020).
https:/​/​github.com/​PaddlePaddle/​Quantique

Développeur MindQuantum. "Mindquantum, version 0.5.0". https://​/​gitee.com/​mindspore/​mindquantum (2021).
https://​/​gitee.com/​mindspore/​mindquantum

Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe et Seth Lloyd. "Apprentissage automatique quantique". Nature 549, 195-202 (2017).
https: / / doi.org/ 10.1038 / nature23474

Igor L Markov et Yaoyun Shi. "Simuler le calcul quantique en contractant des réseaux de tenseurs". SIAM Journal on Computing 38, 963–981 (2008).
https: / / doi.org/ 10.1137 / 050644756

John Brennan, Momme Allalen, David Brayford, Kenneth Hanley, Luigi Iapichino, Lee J. O'Riordan, Myles Doyle et Niall Moran. "Simulation de circuits de réseau tenseur à l'exascale". arXiv eprint (2021) arXiv:2110.09894.
arXiv: 2110.09894

Eli A. Meirom, Haggai Maron, Shie Mannor et Gal Chechik. "Optimisation de la contraction du réseau de tenseurs à l'aide de l'apprentissage par renforcement". arXiv eprint (2022) arXiv:2204.09052.
arXiv: 2204.09052

Román Orús. "Une introduction pratique aux réseaux de tenseurs : États de produits matriciels et états de paires intriqués projetés". Annales de physique 349, 117-158 (2014).
https: / / doi.org/ 10.1016 / j.aop.2014.06.013

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 et John M. Martinis. "La suprématie quantique à l'aide d'un processeur supraconducteur programmable". Nature 574, 505–510 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1666-5

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 et Jian-Wei Pan. "Fort avantage de calcul quantique en utilisant un processeur quantique supraconducteur". Phys. Rév. Lett. 127, 180501 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.180501

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 et Junjie Wu. "Simulateur de circuit quantique à usage général avec états projetés de paires intriquées et frontière de suprématie quantique". Phys. Rév. Lett. 123, 190501 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.123.190501

Feng Pan et Pan Zhang. "Simulation de circuits quantiques à l'aide de la méthode du réseau tenseur par lots". Phys. Rév. Lett. 128, 030501 (2022).
https: / / doi.org/ 10.1103 / PhysRevLett.128.030501

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 et Dexun Chen. « Combler le fossé de la « suprématie quantique » ». Dans Actes de la Conférence internationale sur le calcul haute performance, la mise en réseau, le stockage et l'analyse. ACM (2021).
https: / / doi.org/ 10.1145 / 3458817.3487399

Cupjin Huang, Fang Zhang, Michael Newman, Junjie Cai, Xun Gao, Zhengxiong Tian, ​​Junyin Wu, Haihong Xu, Huanjun Yu, Bo Yuan, Mario Szegedy, Yaoyun Shi et Jianxin Chen. "Simulation classique des circuits de suprématie quantique". arXiv eprint (2020) arXiv:2005.06787.
arXiv: 2005.06787

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 et Dexun Chen. "Redéfinir la base de référence de la suprématie quantique avec un supercalculateur sunway de nouvelle génération". arXiv eprint (2021) arXiv:2111.01066.
arXiv: 2111.01066

Feng Pan, Keyang Chen et Pan Zhang. "Résoudre le problème d'échantillonnage des circuits de suprématie quantique du sycomore". arXiv eprint (2021) arXiv:2111.03011.
https: / / doi.org/ 10.1103 / PhysRevLett.129.090502
arXiv: 2111.03011

Chase Roberts, Ashley Milsted, Martin Ganahl, Adam Zalcman, Bruce Fontaine, Yijian Zou, Jack Hidary, Guifre Vidal et Stefan Leichenauer. "Tensornetwork: Une bibliothèque pour la physique et l'apprentissage automatique". arXiv eprint (2019) arXiv:1905.01330.
arXiv: 1905.01330

Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang et Hong Yao. "Recherche d'architecture quantique différentiable". Sci quantique. Technol. 7, 045023 (2022).
https://​/​doi.org/​10.1088/​2058-9565/​ac87cd

Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang et Hong Yao. "Recherche d'architecture quantique basée sur des prédicteurs neuronaux". Apprentissage automatique : science et technologie 2, 045027 (2021).
https://​/​doi.org/​10.1088/​2632-2153/​ac28dd

Shi-Xin Zhang, Zhou-Quan Wan, Chee-Kong Lee, Chang-Yu Hsieh, Shengyu Zhang et Hong Yao. "Eigensolver hybride quantique-neural variationnel". Lettres d'examen physique 128, 120502 (2022).
https: / / doi.org/ 10.1103 / PhysRevLett.128.120502

Shi-Xin Zhang, Zhou-Quan Wan, Chang-Yu Hsieh, Hong Yao et Shengyu Zhang. "Atténuation des erreurs hybride quantique-neurale variationnelle". arXiv eprint (2021) arXiv:2112.10380.
arXiv: 2112.10380

Shuo Liu, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang et Hong Yao. "Sondage de la localisation à plusieurs corps par vqe à l'état excité". arXiv eprint (2021) arXiv:2111.13719.
arXiv: 2111.13719

Shuo Liu, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang et Hong Yao. "Cristal de temps discret activé par une localisation à plusieurs corps" (2022). arXiv:2208.02866.
arXiv: 2208.02866

Yu-Qin Chen, Shi-Xin Zhang, Chang-Yu Hsieh et Shengyu Zhang. "Un algorithme de recherche d'état fondamental non hermitien amélioré par une boîte à outils variationnelle". arXiv eprint (2022) arXiv:2210.09007.
arXiv: 2210.09007

Alastair Kay. « Tutoriel sur le package quantikz ». arXiv eprint (2018) arXiv:1809.03842.
arXiv: 1809.03842

Matteo Hessel, David Budden, Fabio Viola, Mihaela Rosca, Eren Sezener et Tom Hennigan. « Optax : transformation et optimisation de gradient composable, en jax ! (2020).

Yaodong Li, Xiao Chen et Matthew PA Fisher. "Effet zeno quantique et transition d'intrication à plusieurs corps". Phys. Rév. B 98, 205136 (2018).
https: / / doi.org/ 10.1103 / PhysRevB.98.205136

Amos Chan, Rahul M. Nandkishore, Michael Pretko et Graeme Smith. "Dynamique d'intrication unitaire-projective". Phys. Rév. B 99, 224307 (2019).
https: / / doi.org/ 10.1103 / PhysRevB.99.224307

Brian Skinner, Jonathan Ruhman et Adam Nahum. "Transitions de phase induites par la mesure dans la dynamique de l'intrication". Phys. Rév. X 9, 031009 (2019).
https: / / doi.org/ 10.1103 / PhysRevX.9.031009

Yaodong Li, Xiao Chen et Matthew PA Fisher. "Transition d'intrication basée sur la mesure dans les circuits quantiques hybrides". Phys. Rév. B 100, 134306 (2019).
https: / / doi.org/ 10.1103 / PhysRevB.100.134306

Shuo Liu, Ming-Rui Li, Shi-Xin Zhang, Shao-Kai Jian et Hong Yao. "Mise à l'échelle universelle kpz dans les circuits quantiques hybrides bruyants". arXiv eprint (2022) arXiv:2212.03901.
arXiv: 2212.03901

Johnnie Gray. "quimb: un package python pour les informations quantiques et les calculs à plusieurs corps". Journal of Open Source Software 3, 819 (2018).
https: / / doi.org/ 10.21105 / joss.00819

Steven R. Blanc. "Formulation de matrice de densité pour les groupes de renormalisation quantique". Phys. Rév. Lett. 69, 2863–2866 (1992).
https: / / doi.org/ 10.1103 / PhysRevLett.69.2863

Daniel G. a. Smith et Johnnie Gray. "opt_einsum - un package python pour optimiser l'ordre de contraction des expressions de type einsum". Journal of Open Source Software 3, 753 (2018).
https: / / doi.org/ 10.21105 / joss.00753

James Stokes, Josh Izaac, Nathan Killoran et Giuseppe Carleo. « Gradient naturel quantique ». Quantique 4, 269 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-25-269

Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li et Simon C Benjamin. « Théorie de la simulation quantique variationnelle ». Quantique 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin et Xiao Yuan. "Simulation quantique variationnelle des processus généraux". Phys. Rév. Lett. 125, 010501 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.010501

Sam McArdle, Suguru Endo, Alán Aspuru-Guzik, Simon C. Benjamin et Xiao Yuan. "Chimie computationnelle quantique". Rév. Mod. Phys. 92, 015003 (2020).
https: / / doi.org/ 10.1103 / RevModPhys.92.015003

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 et Alán Aspuru-Guzik. "La chimie quantique à l'ère de l'informatique quantique". Revues chimiques 119, 10856–10915 (2019).
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803

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 et Ryan Babbush. "Openfermion: Le package de structure électronique pour les ordinateurs quantiques". arXiv eprint (2017) arXiv:1710.07629.
arXiv: 1710.07629

Bernhard Jobst, Adam Smith et Frank Pollmann. "Mise à l'échelle à profondeur finie de circuits quantiques infinis pour des points critiques quantiques". Recherche d'examen physique 4, 033118 (2022).
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033118

Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles et M. Cerezo. « Théorie de la surparamétrisation dans les réseaux de neurones quantiques » (2021). arXiv:2109.11676.
arXiv: 2109.11676

Navin Khaneja, Timo Reiss, Cindie Kehlet, Thomas Schulte-Herbrüggen et Steffen J. Glaser. "Contrôle optimal de la dynamique de spin couplée : conception de séquences d'impulsions RMN par des algorithmes de montée de gradient". Journal de résonance magnétique 172, 296–305 (2005).
https: / / doi.org/ 10.1016 / j.jmr.2004.11.004

Xiaotong Ni, Hui-Hai Zhao, Lei Wang, Feng Wu et Jianxin Chen. "Intégration d'un dispositif de processeur quantique et optimisation du contrôle dans un cadre basé sur le gradient". npj Quantique Inf. 8, 106 (2022).
https:/​/​doi.org/​10.1038/​s41534-022-00614-3

Guifré Vidal. "Simulation classique efficace de calculs quantiques légèrement intriqués". Phys. Rév. Lett. 91, 147902 (2003).
https: / / doi.org/ 10.1103 / PhysRevLett.91.147902

Yiqing Zhou, E. Miles Stoudenmire et Xavier Waintal. « Qu'est-ce qui limite la simulation des ordinateurs quantiques ? ». Phys. Rév. X 10, 041038 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.041038

JC Spall. "Approximation stochastique adaptative par la méthode des perturbations simultanées". Transactions IEEE sur le contrôle automatique 45, 1839–1853 (2000).
https: / / doi.org/ 10.1109 / TAC.2000.880982

Mateusz Ostaszewski, Edward Grant et Marcello Benedetti. « Optimisation de la structure des circuits quantiques paramétrés ». Quantique 5, 391 (2021).
https:/​/​doi.org/​10.22331/​q-2021-01-28-391

IA Luchnikov, A. Ryzhov, SN Filippov et H. Ouerdane. « QGOpt : optimisation riemannienne pour les technologies quantiques ». Physique SciPost. 10, 79 (2021).
https: / / doi.org/ 10.21468 / SciPostPhys.10.3.079

Cité par

[1] Shuo Liu, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang et Hong Yao, "Sondage de la localisation à plusieurs corps par VQE à l'état excité", arXiv: 2111.13719, (2021).

[2] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, ​​Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao et Gui-Lu Long, "Near-Term Quantum Computing Techniques: Variational Quantum Algorithms, Atténuation des erreurs, compilation de circuits, analyse comparative et simulation classique », arXiv: 2211.08737, (2022).

[3] Chee Kong Lee, Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang et Liang Shi, "Simulations quantiques variationnelles des propriétés dynamiques à température finie via la dynamique des champs thermiques", arXiv: 2206.05571, (2022).

[4] Yu-Cheng Chen, Yu-Qin Chen, Alice Hu, Chang-Yu Hsieh et Shengyu Zhang, "Simulation quantique variationnelle du contrôle Lyapunov en temps imaginaire pour accélérer la préparation de l'état fondamental", arXiv: 2112.11782, (2021).

[5] Haimeng Zhao, "Apprentissage fédéré quantique non IID avec une complexité de communication unique", arXiv: 2209.00768, (2022).

[6] Weitang Li, Jiajun Ren, Sainan Huai, Tianqi Cai, Zhigang Shuai et Shengyu Zhang, "Efficient Quantum Simulation of Electron-Phonon Systems by Variational Basis State Encoder", arXiv: 2301.01442, (2023).

Les citations ci-dessus proviennent de SAO / NASA ADS (dernière mise à jour réussie 2023-02-03 03:51:06). La liste peut être incomplète car tous les éditeurs ne fournissent pas de données de citation appropriées et complètes.

On Le service cité par Crossref aucune donnée sur la citation des œuvres n'a été trouvée (dernière tentative 2023-02-03 03:51:05).

Cet article est publié dans Quantum sous le Creative Commons Attribution 4.0 International (CC BY 4.0) Licence. Le droit d'auteur reste la propriété des détenteurs d'origine tels que les auteurs ou leurs institutions.

Horodatage:

Plus de Journal quantique