基于谱张量训练的开放量子系统准数值模拟
机器人学
2025-04-04 v3
摘要
量子计算中的相干性是主要瓶颈。相干性源于量子固有涨落、热涨落以及执行测量和准备过程的外部场噪声。给定内在噪声和外在噪声的指定彩色噪声谱后，本文提出一种数值方法——量子加速随机算子评估（Q-ASPEN），用于求解存在内在噪声和外在噪声情况下的时间依赖噪声平均化简化密度矩阵。Q-ASPEN 具有任意准确性，可用于估算量子计算容错所需的资源。我们采用谱张量训练（spectral tensor trains），该方法将张量网络和伪谱方法的优势相结合，作为求解量子松弛问题的变分假设，并使用通常用于训练神经网络的方法进行优化。在 Q-ASPEN 中，谱张量训练使得能够以数十个量子水平进行准确计算。我们对 Q-ASPEN 在内有内在噪声的自旋-簇模型以及在有外在噪声的 32 链长量子链上进行基准测试。在我们的基准测试中，Q-ASPEN 的内存开销在系统规模一旦大于基函数数量后便呈线性比例增长。
引用
@article{arxiv.2407.11326,
title = {HEROS: Hierarchical Exploration with Online Subregion Updating for 3D Environment Coverage},
author = {Shijun Long and Ying Li and Chenming Wu and Bin Xu and Wei Fan},
journal= {arXiv preprint arXiv:2407.11326},
year = {2025}
}