Forscher erzielen eine 30%-Fehlerreduktion in Quantensimulationen durch verteilte Tensornetzwerke über mehrere kleinere Prozessoren, was Fortschritte in der Materialwissenschaft und bei der Arzneimittelentdeckung ermöglicht.
@informaq-de.bsky.social
@informaq-de.bsky.socialForscher erzielen eine 30%-Fehlerreduktion in Quantensimulationen durch verteilte Tensornetzwerke über mehrere kleinere Prozessoren, was Fortschritte in der Materialwissenschaft und bei der Arzneimittelentdeckung ermöglicht.
@informaq-de.bsky.socialEin neuartiger Sweep-Algorithmus reduziert Fehler der dynamischen Erwartungswert-Schätzung um 2-3 Größenordnungen durch gemeinsame Optimierung von Zustand- und Observable-Approximationen und verbessert die Effizienz der Quantensimulation.
@informaq-de.bsky.socialNeuartige Monte-Carlo-Methode für Quantensimulation ersetzt Kürzungsfehler durch auswertbare statistische Fehler, übertrifft standardmäßige TEBD-Ansätze in verschränkungsreichen Systemen und bewahrt unverzerrte Erwartungswerte.
@informaq-de.bsky.socialEin neuartiger Algorithmus kombiniert Belief Propagation mit DMRG und ermöglicht die Grundzustandsberechnung auf beliebigen Gittern und in höheren Dimensionen mit einer Fidelität von 0,9-0,99 durch effiziente Tensornetzwerk-Kontraktionen.