比较经典与量子基态制备启发式方法
量子物理
2024-01-11 v1
摘要
量子计算的一个有前景领域是量子系统的模拟，特别是基态能量估计(GSEE)任务。基态制备(GSP)是GSEE算法中的关键组成部分，而诸如Hartree-Fock态制备等经典方法被广泛使用。然而，在某些情况下，这类经典方法的效率会随着系统规模的增大而指数级下降。在本研究中，我们探讨了在这些情况下，量子启发式GSP方法能否相比Hartree-Fock方法提高重叠值。此外，我们通过探索重叠改进与GSP算法T门相关资源成本之间的权衡，仔细研究了GSEE算法的性能增益。我们的发现表明，对于计算上可承受的中等尺寸强关联系统，量子启发式GSP已经可以加速GSEE任务。这些结果表明，量子启发式GSP有潜力显著降低GSEE算法的运行时间需求，从而增强其在量子硬件上实现的适用性。
引用
@article{arxiv.2401.05306,
title = {Comparing Classical and Quantum Ground State Preparation Heuristics},
author = {Katerina Gratsea and Jakob S. Kottmann and Peter D. Johnson and Alexander A. Kunitsa},
journal= {arXiv preprint arXiv:2401.05306},
year = {2024}
}
备注
11 pages, 5 figures, 5 tables