Buchumschlag

Low $T$-count preparation of nuclear eigenstates with tensor networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gibbs, Joe, Cincio, Lukasz, Sarma, Chandan, Holmes, Zoë, Stevenson, Paul
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Quantum Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploiting symmetries in nuclear Hamiltonians for ground state preparation
von: Gibbs, Joe, et al.
Veröffentlicht: (2024)

Deep Circuit Compression for Quantum Dynamics via Tensor Networks
von: Gibbs, Joe, et al.
Veröffentlicht: (2024)

Learning Circuits with Infinite Tensor Networks
von: Gibbs, Joe, et al.
Veröffentlicht: (2025)

Qubit-efficient variational algorithm for nuclear structure
von: Sarma, Chandan, et al.
Veröffentlicht: (2026)

Computing exact moments of local random quantum circuits via tensor networks
von: Braccia, Paolo, et al.
Veröffentlicht: (2024)

Dynamical simulation via quantum machine learning with provable generalization
von: Gibbs, Joe, et al.
Veröffentlicht: (2022)

High-fidelity dimer excitations using quantum hardware
von: Eassa, Norhan M., et al.
Veröffentlicht: (2023)

Quantum Convolutional Neural Networks are Effectively Classically Simulable
von: Bermejo, Pablo, et al.
Veröffentlicht: (2024)

The local characterization of global tensor network eigenstates
von: Rubio, José Garre, et al.
Veröffentlicht: (2026)

Quantum Circuit Pre-Synthesis: Learning Local Edits to Reduce $T$-count
von: Bosco, Daniele Lizzio, et al.
Veröffentlicht: (2026)

Spin-$s$ $U(1)$-eigenstate preparation
von: Harofteh, Nabi Zare, et al.
Veröffentlicht: (2026)

A low-circuit-depth quantum computing approach to the nuclear shell model
von: Sarma, Chandan, et al.
Veröffentlicht: (2025)

QFactor: A Domain-Specific Optimizer for Quantum Circuit Instantiation
von: Kukliansky, Alon, et al.
Veröffentlicht: (2023)

Quantum Simulation of Molecular Dynamics Processes -- A Benchmark Study Using Classical Simulator and Present-Day Quantum Hardware
von: Kuanysheva, Tamila, et al.
Veröffentlicht: (2025)

Leveraging Quantum Machine Learning Generalization to Significantly Speed-up Quantum Compilation
von: Kukliansky, Alon, et al.
Veröffentlicht: (2024)

Practical Black Box Hamiltonian Learning
von: Gu, Andi, et al.
Veröffentlicht: (2022)

Low-entropy arrays of microwave-shielded molecules prepared by interaction blockade
von: Karman, Tijs, et al.
Veröffentlicht: (2026)

Accurate, full-dimensional computations of thousands of complex vibrational eigenstates with tree tensor network states
von: Larsson, Henrik R., et al.
Veröffentlicht: (2026)

Large-scale simulations of Floquet physics on near-term quantum computers
von: Eckstein, Timo, et al.
Veröffentlicht: (2023)

Quantum computation with the eigenstate thermalization hypothesis instead of wavefunction preparation
von: Baker, Thomas E.
Veröffentlicht: (2025)

Improving the efficiency of learning-based error mitigation
von: Czarnik, Piotr, et al.
Veröffentlicht: (2022)

Resource-Efficient Simulations of Particle Scattering on a Digital Quantum Computer
von: Chai, Yahui, et al.
Veröffentlicht: (2025)

On the practical usefulness of the Hardware Efficient Ansatz
von: Leone, Lorenzo, et al.
Veröffentlicht: (2022)

Quantum computer-enabled receivers for optical communication
von: Crossman, John, et al.
Veröffentlicht: (2023)

Engineering multi-mode bosonic squeezed states using Monte-Carlo optimization
von: Shao, Jieqiu, et al.
Veröffentlicht: (2025)

Lindblad engineering for quantum Gibbs state preparation under the eigenstate thermalization hypothesis
von: Brunner, Eric, et al.
Veröffentlicht: (2024)

Assessing quantum dot SWAP gate fidelity using tensor network methods
von: Taylor, Jacob R., et al.
Veröffentlicht: (2023)

Efficient quantum state preparation of multivariate functions using tensor networks
von: Ballarin, Marco, et al.
Veröffentlicht: (2025)

Robust design under uncertainty in quantum error mitigation
von: Prodius, Maksym, et al.
Veröffentlicht: (2023)

Lie-algebraic classical simulations for quantum computing
von: Goh, Matthew L., et al.
Veröffentlicht: (2023)

Barren Plateaus in Variational Quantum Computing
von: Larocca, Martin, et al.
Veröffentlicht: (2024)

Dissipative preparation of injective tensor network states
von: Baruah, Drishti, et al.
Veröffentlicht: (2026)

Diabatic Quantum Annealing for the Frustrated Ring Model
von: Côté, Jeremy, et al.
Veröffentlicht: (2022)

TEPID-ADAPT: Adaptive variational method for simultaneous preparation of low-temperature Gibbs and low-lying eigenstates
von: Sambasivam, Bharath, et al.
Veröffentlicht: (2025)

The power and limitations of learning quantum dynamics incoherently
von: Jerbi, Sofiene, et al.
Veröffentlicht: (2023)

A semi-agnostic ansatz with variable structure for quantum machine learning
von: Bilkis, M., et al.
Veröffentlicht: (2021)

Nearly optimal quasienergy estimation and eigenstate preparation of time-periodic Hamiltonians by Sambe space formalism
von: Mizuta, Kaoru
Veröffentlicht: (2024)

Efficient Online Quantum Circuit Learning with No Upfront Training
von: O'Leary, Tom, et al.
Veröffentlicht: (2025)

Quantum state preparation with optimal T-count
von: Gosset, David, et al.
Veröffentlicht: (2024)

More buck-per-shot: Why learning trumps mitigation in noisy quantum sensing
von: Ijaz, Aroosa, et al.
Veröffentlicht: (2024)