Jet: Fast quantum circuit simulations with parallel task-based tensor-network contraction
我们引入了一个新的开源软件库Jet，它使用基于任务的并行性来获得量子线路的经典张量网络模拟的加速。这些加速是由于i）通过将张量网络模拟映射到基于任务的框架而引入的增加的并行性，ii）在张量网络收缩任务之间重用共享工作的新方法，以及iii）张量网络在所有可用硬件上的并发收缩。我们证明了我们的方法的优势，通过基准测试我们的代码对其他模拟器的几个梧桐-53和高斯玻色子采样（GBS）的霸权电路。我们还首次提供并比较了Sycamore-53和GBS霸权电路的张量网络模拟的理论性能估计。
2022-04-30 quant-ph
Approximate simulation of complex quantum circuits using sparse tensors
DEVCOM Army Research Laboratory（美国陆军研发司令部陆军研究实验室）
本文提出利用稀疏张量高效近似模拟复杂量子电路，通过高效算法提升量子模拟效率。
2026-02-03 quant-ph
Classical simulation of quantum algorithms using the tensor product representation
利用密度矩阵重整化群中的张量积表示，我们证明了Grover算法的一个量子线路，它具有单量子比特幺正门、广义Toffoli门和投影测量，可以用经典计算机有效地模拟.用几十个量子比特来模拟量子线路是可能的。
2005-05-23 quant-ph
Functional Tensor-Train Chebyshev Method for Multidimensional Quantum Dynamics Simulations
多维量子动力学的有效模拟方法对于量子效应很重要的化学系统的理论研究是必不可少的，例如那些涉及质子或电子构型重排的化学系统。在这里，我们介绍了严格的核量子动力学模拟的泛函张量列车切比雪夫（FTTC）方法。FTTC本质上是应用于初始状态的切比雪夫传播方案，以连续模拟张量序列格式表示。我们证明了FTTC的能力，适用于模拟质子量子动力学的氢键DNA碱基对的50维模型。
2021-12-15 quant-ph
Survey on Computational Applications of Tensor Network Simulations
本文综述了张量网络在机器学习、材料科学、量子化学等领域的计算应用，梳理了不同张量网络类别与应用的对应关系及其性能表现，旨在为非专业人士提供高层次导览。
2024-08-09 quant-ph
Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale
量子线路的数值模拟是在近期量子协处理器上开发、验证和验证量子-经典混合算法的不可或缺的工具。亿级高性能计算（HPC）平台的出现为推动量子线路模拟的边界提供了新的机会。我们提出了一个现代化版本的张量网络量子虚拟机（TNQVM），它作为一个量子线路模拟后端的极限规模ACCURATOR（XACC）框架。新版本基于通用的可扩展张量网络处理库ExaTN，并提供多个可配置的量子线路模拟器，通过全张量网络收缩实现精确的量子线路模拟，或通过适当的张量因子分解实现近似的量子态表示。在必要时，随机噪声建模从真正的量子处理器被纳入模拟与Kraus张量的量子信道建模。通过结合可移植的XACC量子编程前端和可扩展的ExaTN数值后端，我们引入了一个端到端的虚拟量子开发环境，可以从笔记本电脑扩展到未来的exascale平台。我们报告我们的框架，其中包括演示的分布式执行，纳入量子退相干模型，和模拟的随机量子线路用于认证的量子霸权的谷歌梧桐超导架构的初始基准。
2021-04-21 quant-ph
Accelerating Quantum Tensor Network Simulations with Unified Path Variations and Non-Degenerate Batched Sampling
NVIDIA（英伟达）
本文提出统一路径变化和非退化批量采样方法，显著提升张量网络模拟效率，实现传统方法的10^8倍速度提升，尤其在非比例采样中表现突出。
2026-04-09 quant-ph
TensorCircuit-NG: A Universal, Composable, and Scalable Platform for Quantum Computing and Quantum Simulation
Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所）；Graduate School of China Academy of Engineering Physics（中国工程物理研究院研究生院）；School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）；Division of Chemistry and Chemical Engineering, California Institute of Technology（加州理工学院化学与化学工程系）；University of Chinese Academy of Sciences（中国科学院大学）；Future Research Lab, China Mobile Research Institute（中国移动研究院未来研究实验室）；School of Computer Science and Artificial Intelligence, Zhengzhou University（郑州大学计算机科学与人工智能学院）；Institute for Quantum Science and Technology, Shanghai University（上海大学量子科学与技术研究院）
TensorCircuit-NG通过统一的张量原生编程范式，实现了量子计算与人工智能的结合，支持端到端的量子机器学习和多体物理中的可微优化。
2026-02-15 quant-ph
Tensor Networks for Simulating Quantum Circuits on FPGAs
当今量子计算的大多数研究都是针对量子计算机的模拟而不是真正的量子计算机进行的。模拟量子计算机需要将对应于量子门的所有么正算符实现为张量。对于大量的量子位，为这些模拟执行张量乘法变得相当昂贵，因为$N$量子位门对应于$2^{N}$维张量。加速这种模拟的一种方式是使用现场可编程门阵列（FPGA）硬件来有效地计算矩阵乘法。虽然FPGA可以有效地执行张量乘法，但它们是存储器受限的，具有相对较小的块随机存取存储器。潜在地减少量子计算系统的存储器占用的一种方式是将其表示为张量网络;张量网络是用于表示张量的组成的形式体系，其中经济的张量收缩很容易识别。因此，我们探索张量网络作为一种手段，以减少量子计算系统的内存占用和广泛加速模拟这样的系统。
2021-08-15 cs.ET quant-ph
Simple heuristics for efficient parallel tensor contraction and quantum circuit simulation
张量网络是各种计算科学的主要构建模块，从多体理论和量子计算到概率和机器学习。在这里，我们提出了一个并行算法的张量网络使用概率图模型的收缩。我们的方法是基于图论中的$μ$ -树宽删除问题的启发式解决方案。我们将所得算法应用于随机量子线路的模拟，并讨论了一般张量网络收缩的扩展。
2020-05-01 cs.DM quant-ph
RosneT: A Block Tensor Algebra Library for Out-of-Core Quantum Computing Simulation
随着更强大的量子计算机的出现，对更大的量子模拟的需求已经增加。随着资源量随着目标系统的规模呈指数级增长，张量网络作为一个最佳框架出现，我们用张量因子分解表示量子态。随着张量网络的范围增加，需要HPC工具进行操作的中间张量的大小也会增加。中型电路的模拟不能适合本地存储器，张量的分布式收缩的解决方案是稀缺的。在这项工作中，我们提出了RosnetT，一个分布式的，核心外块张量代数库。我们使用PyCOMPSs编程模型将张量操作转换为COMPSs运行时处理的任务集合，目标是在现有和即将推出的Exascale超级计算机中执行。我们报告的结果验证我们的方法显示良好的可扩展性，在高达53量子位的量子线路的模拟。
2022-01-17 cs.DC quant-ph
Optimal Tree Tensor Network Operators for Tensor Network Simulations: Applications to Open Quantum Systems
提出基于二分图最小顶点覆盖的算法，自动构建最优树张量网络算符（TTNO），并高效模拟了自旋-玻色子模型和分子结等开放量子系统。
2024-08-28 physics.chem-ph quant-ph
TensorCircuit: a Quantum Software Framework for the NISQ Era
TensorCircuit是一个基于张量网络收缩的开源量子线路模拟器，旨在提高速度，灵活性和代码效率。TensorCircuit完全用Python编写，构建在行业标准机器学习框架之上，支持自动区分，即时编译，向量化并行和硬件加速。这些特性使TensorCircuit能够模拟比现有模拟器更大、更复杂的量子线路，特别适用于基于参数化量子线路的变分算法。与其他常见的量子软件相比，TensorCircuit能够为各种量子模拟任务提供数量级的加速，并且可以模拟多达600个量子位，具有中等的电路深度和低维连接性。凭借其时间和空间效率，灵活和可扩展的架构以及紧凑，用户友好的API，TensorCircuit已经建立，以促进噪声中间尺度量子（NISQ）时代量子算法的设计，模拟和分析。
2023-01-27 physics.comp-ph quant-ph
Tensor Network States with Low-Rank Tensors
张量网络用于有效地近似强关联量子多体系统的状态。更一般地，张量网络近似可以允许降低在$N$中从指数到多项式的阶- $N$张量上操作的成本，并且这已经成为机器学习的流行方法。我们引入了对构成张量网络的张量施加低秩约束的想法。通过这种修改，可以在保持高精度的同时大大降低网络优化的时间和空间复杂度。我们详细介绍了树张量网络状态（TTNS）和投影纠缠对状态的想法。用低秩TTNS对Cayley树上的自旋模型进行了模拟，研究了秩约束对表达能力的影响。我们发现，选择张量秩$r$的键尺寸$m$的顺序，是足以获得高精度的基态近似，并大大优于标准的TTNS计算。因此，低秩张量网络是在大数据集上模拟量子物质和机器学习的一条有前途的途径。
2022-05-30 cond-mat.str-el quant-ph
Quantum simulation with hybrid tensor networks
张量网络理论和量子模拟分别是理解量子多体物理的关键经典方法和量子计算方法。在这里，我们介绍了混合张量网络的框架，其构建块由可测量的量子态和经典可收缩张量组成，继承了它们在多体波函数的有效表示中的独特特征。以混合树张量网络为例，我们证明了使用量子计算机的有效量子模拟，其尺寸明显小于目标系统的尺寸。我们数值基准我们的方法来寻找基态的一维和二维自旋系统的$8\times 8$和$9\times 8$量子位的操作只作用于$8+1$和$9+1$量子位，~。我们的方法揭示了与中等规模的量子计算机模拟的大型实际问题，在化学，量子多体物理，量子场论，量子引力思想实验的潜在应用。
2021-09-01 hep-th quant-ph
Simulating topological tensor networks with Majorana qubits
实现物质的拓扑量子相是凝聚态物理和量子信息科学面临的一个关键挑战。在这项工作中，我们证明了在这个方向上的进展，可以通过结合张量网络理论与马约拉纳设备技术的概念。以拓扑双半子弦网相位为例，利用张量网络对拓扑相位的表示比格点哈密顿量对拓扑相位的描述要简单得多的事实.定义张量网络的构建块被定制为通过电容耦合的马约拉纳束缚态的简单单元来实现。在考虑的情况下，这产生了一个非常简单的合成双半离子弦网的蓝图，人们可能会乐观地认为，所需的设备技术将很快可用。我们的研究结果表明，通过介观量子器件实现张量网络结构开辟了一个强大的新途径，实现和量子模拟的合成拓扑量子物质。
2019-03-15 cond-mat.mes-hall quant-ph
Quantum Circuit Simulation by SGEMM Emulation on Tensor Cores and Automatic Precision Selection
本文提出利用输入张量指数范围统计自动选择TF32或FP16张量核心执行GEMM，在保持SGEMM精度的同时将量子电路模拟吞吐量最高提升1.86倍。
2023-07-10 cs.DC quant-ph
Quantum-based Molecular Dynamics Simulations Using Tensor Cores
张量核以及张量处理单元代表了一种新形式的硬件加速，专门为人工智能应用中的深度神经网络计算而设计。张量核提供了非凡的计算速度和能效，但需要注意的是，它们是为仅使用低精度浮点运算的张量收缩（矩阵-矩阵乘法）而设计的。尽管如此，我们展示了如何张量核心可以应用于高效率的挑战性和数值敏感的问题，基于量子的玻恩-奥本海默分子动力学，这需要高度精确的电子结构优化和保守力的评价。原子间力是根据从广义深度神经网络获得的电子结构实时计算的，其中计算结构自然地利用了张量核心的卓越处理能力，并允许在单个Nvidia A100 GPU的张量核心上实现超过100 Tflops的高性能。稳定的分子动力学轨迹生成使用扩展的拉格朗日玻恩-奥本海默分子动力学，它结合了计算效率与长期稳定性的框架，即使当使用近似的电荷弛豫和力的评估是有限的精度由低精度张量核心浮点运算所造成的数值噪声条件。还提出了一种正则系综模拟方案，其中计算力中的额外数值噪声被吸收到类Langevin动力学中。
2021-09-10 physics.comp-ph quant-ph
Importance of Diagonal Gates in Tensor Network Simulations
在这项工作中，我们提出了两种技术，极大地提高了基于张量网络的量子线路模拟的性能。这些技术在QTensor包中实现，并使用量子近似优化算法（QAOA）电路进行基准测试。这些技术使我们能够增加可以模拟的QAOA电路的深度和大小。特别是，我们将QAOA深度从2增加到5，QAOA电路的大小从180增加到244量子位。此外，我们将模拟速度提高了1000万倍。我们的工作提供了重要的见解，各种技术可以大大加快电路的模拟。
2021-06-29 cs.DS quant-ph
Tensor-Train Split Operator KSL (TT-SOKSL) Method for Quantum Dynamics Simulations
量子反应动力学的数值精确模拟，包括激发电子态的非绝热效应，对于获得超快化学反应性的基本见解和分子光谱的严格解释是必不可少的。在这里，我们介绍了张量列分裂算子KSL（TT-SOKSL）方法的量子模拟在张量列（TT）/矩阵乘积态（MPS）表示。与张量-训练分裂算子傅立叶变换（TT-SOFT）方法一样，TT-SOKSL使用时间演化算子的Trotter展开将量子态作为张量训练进行传播。然而，Trotter展开的指数算子是使用秩自适应TT-KSL方案来应用的，而不是像TT-SOFT中那样使用缩放和平方方法。我们证明了TT-SOKSL的准确性和效率，适用于模拟的视紫红质中的视网膜发色团的光致异构化，包括非绝热动力学在一个圆锥形的交叉点的势能面。量子演化是在全维中描述的一个依赖于时间的波包根据两个状态的25维模型哈密顿。我们发现，TT-SOKSL收敛速度比TT-SOFT张量列车表示的最大允许的内存要求，更好地保持规范的时间演变的状态。与基于TT-KSL方法的相应模拟相比，TT-SOKSL具有利用多维张量训练傅立叶变换的线性缩放来避免构造矩阵乘积状态拉普拉斯算子的需要的优点。
2022-05-18 physics.chem-ph quant-ph
Efficient simulation of Grassmann Tensor Product States
最近，Grassmann-tensor-entanglement重整化群（GTERG）方法被提出作为研究强关联玻色子/费米子系统的通用变分方法。然而，这种简单的变分方法的缺点是，具有大的内维数$D$的一般格拉斯曼张量积态（GTPS）将包含大量的变分参数，很难通过通常的最小化程序确定。在本文中，我们首先介绍了一个标准形式的GTPS显着简化的表示。然后，我们描述了一个简单的时间演化算法，有效地更新GTPS的费米子相干态表示的基础上，并显示所有的算法开发通常的张量积态（TPS）可以实现GTPS以类似的方式。最后，我们研究了环境对GTERG方法的影响，并提出了一种简单的方法，以进一步提高其精度。我们通过研究一个简单的二维自由费米子系统的蜂窝晶格，包括非临界和临界的情况下，证明我们的算法。
2013-09-24 cond-mat.str-el quant-ph
Classical simulation of quantum many-body systems with a tree tensor network
我们展示了如何有效地模拟一个具有树结构的量子多体系统，当它的纠缠是有界的任何二分分裂沿树的边缘。这是通过将用于时间演化的{ \em时间演化块抽取}模拟算法从一维晶格扩展到树图，同时用{\em树张量网络}替换{ \em矩阵乘积状态}来实现的。作为一个应用，我们表明，任何单向量子计算的树图可以有效地模拟与经典的计算机。
2006-02-12 cond-mat.str-el quant-ph
Tensor networks for frustrated systems: emergence of order from simplex entanglement
我们考虑了一个挫挫反铁磁三角晶格哈密顿量，并表明其退化基态的流形的性质是由一种新型的张量网络。这些张量网络不是基于辅助的最大纠缠对，而是基于三角形的W型单形。反铁磁三角形挫折，然后与辅助W-状态相反，铁磁秩序出现从收缩的GHZ样三角形单形。我们进一步讨论了各种单形的向外纠缠能力。这种分析表明，从定义张量网络的单形上的纠缠分类中，出现了不同的宏观有序类型。
2013-12-03 cond-mat.str-el hep-th quant-ph
Quantum Circuit Simulation with Fast Tensor Decision Diagram
针对量子线路模拟中基于数组的张量存在冗余的问题，提出结合张量级决策图、Tetris秩简化算法和边中心数据结构的开源框架，在多类基准线路上实现了显著的模拟速度提升。
2024-01-21 cs.DS cs.ET quant-ph
Quantum Geometric Tensor (Fubini-Study Metric) in Simple Quantum System: A pedagogical Introduction
几何量子力学是一种新的和有前景的方法，其动机是相信我们的世界最终是几何的。其核心是一个称为量子几何张量（或Fubini-Study度量）的量，它是一个复张量，实部作为度量“量子距离”的黎曼度量，虚部是贝里曲率。在对基本形式进行物理介绍之后，我们说明了它在绝热和非绝热系统中的物理意义。
2013-04-05 math-ph math.MP quant-ph
Efficient 2D Tensor Network Simulation of Quantum Systems
量子系统的模拟是具有挑战性的，由于状态空间的指数大小。张量网络为量子态提供了一个系统的可改进的近似。2D张量网络，如投影纠缠对态（PEPS），非常适合物理系统和量子电路的关键类别。然而，PEPS网络的直接收缩具有指数成本，而近似算法需要使用大张量的计算。我们提出了新的可扩展的算法和基于PEPS的方法的软件抽象，加速收缩和重构张量子网络的瓶颈操作。我们采用随机SVD与隐式矩阵，以减少成本和内存占用渐近。此外，我们开发了一个分布式内存的PEPS库和研究的精度和效率的替代算法的PEPS收缩和进化的Stampede2超级计算机。我们还模拟了一个流行的近期量子算法，变分量子本征解算器（VQE），和基准虚时间演化（ITE），计算哈密顿的基态。
2020-09-03 cs.DC physics.comp-ph quant-ph
Efficient Application of Tensor Network Operators to Tensor Network States Through Successive Deterministic Compression
Technical University of Munich（慕尼黑工业大学）；California Institute of Technology（加州理工学院）
本文提出了一种基于Cholesky分解的张量网络压缩方法，用于高效应用树状张量网络算子，通过实验验证其在复杂树状结构中的优越性能。
2026-10-01 cond-mat.str-el physics.chem-ph quant-ph
YASTN: Yet another symmetric tensor networks; A Python library for abelian symmetric tensor network calculations
本文提出开源张量网络Python库YASTN，其核心为基于稀疏块结构的阿贝尔对称张量，支持矩阵乘积态和投影纠缠对态算法，结合PyTorch后端实现自动微分与GPU加速，在寻找基态和模拟Hubbard模型热态等任务中展现出显著的性能提升。
2024-05-20 cond-mat.str-el physics.comp-ph quant-ph
Quantum Machine Learning Tensor Network States
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院）
张量网络算法寻求最小化相关性以压缩表示量子态的经典数据。张量网络算法和类似的工具--称为张量网络方法--形成了用于模拟多体物理的现代数值方法的支柱，并在机器学习中有更广泛的应用。寻找和收缩张量网络状态是一项计算任务，量子计算机可以用来加速。我们提出了一个量子算法，返回一个经典的描述秩- $r$张量网络状态满足面积法和近似的特征向量给定的黑盒访问一个酉矩阵。我们的工作在几种当代方法之间建立了桥梁，包括张量网络，变分量子本征求解器（VQE），量子近似优化（QAOA）和量子计算。
2020-09-12 cond-mat.dis-nn cond-mat.str-el cs.LG
