The eigenvalue density of a matrix plays an important role in various types of scientific computing such as electronic-structure calculations. In this paper, we propose a quantum algorithm for computing the eigenvalue density in a given interval. Our quantum algorithm is based on a method that approximates the eigenvalue counts by applying the numerical contour integral and the stochastic trace estimator applied to a matrix involving resolvent matrices. As components of our algorithm, the HHL solver is applied to an augmented linear system of the resolvent matrices, and the quantum Fourier transform (QFT) is adopted to represent the operation of the numerical contour integral. To reduce the size of the augmented system, we exploit a certain symmetry of the numerical integration. We also introduce a permutation formed by CNOT gates to make the augmented system solution consistent with the QFT input. The eigenvalue count in a given interval is derived as the probability of observing a bit pattern in a fraction of the qubits of the output state.


翻译:在电子结构计算等各类科学计算中,矩阵的外观值密度在电子结构计算等不同类型科学计算中起着重要作用。在本文中,我们提出在一定间隔内计算外观值密度的量子算法。我们的量子算法基于一种方法,该方法通过应用数值等离子元集成和与溶解矩阵的矩阵应用的随机微量估计值值值值值值来接近外观值值。作为我们算法的组成部分,HHL解算法应用到一个增强的分辨率矩阵的线性系统中,而量子 Fourier变换(QFT)则被采用来代表数字等离子集成的操作。为了缩小扩展系统的大小,我们利用了数字整合的某种对称。我们还采用了由CNOT门形成的对等法,以使增强的系统解算法与QFT输入一致。在一定间隔内生成的外观值值值值值值值作为在输出状态的一小部分中观测某种微模式的概率。

0
下载
关闭预览

相关内容

【2022新书】经典与量子计算导论,392页pdf
专知会员服务
70+阅读 · 2022年1月17日
【硬核书】树与网络上的概率,716页pdf
专知会员服务
72+阅读 · 2021年12月8日
专知会员服务
41+阅读 · 2021年4月2日
专知会员服务
84+阅读 · 2020年12月5日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
【硬核书】树与网络上的概率,716页pdf
专知
23+阅读 · 2021年12月8日
PLANET+SAC代码实现和解读
CreateAMind
3+阅读 · 2019年7月24日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关资讯
【硬核书】树与网络上的概率,716页pdf
专知
23+阅读 · 2021年12月8日
PLANET+SAC代码实现和解读
CreateAMind
3+阅读 · 2019年7月24日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员