論文の概要: Computer-inspired Quantum Experiments
- arxiv url: http://arxiv.org/abs/2002.09970v1
- Date: Sun, 23 Feb 2020 18:59:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 09:10:03.488863
- Title: Computer-inspired Quantum Experiments
- Title（参考訳）: コンピュータによる量子実験
- Authors: Mario Krenn, Manuel Erhard, Anton Zeilinger
- Abstract要約: 多くの分野において、コンピュータにインスパイアされた設計プロセスは、逆設計としても知られ、科学者の能力を高めている。
我々は、トポロジ的最適化、進化戦略、ディープラーニング、強化学習、自動推論に基づく、非常に多様な計算アプローチに遭遇する。
- 参考スコア（独自算出の注目度）: 1.2891210250935146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The design of new devices and experiments in science and engineering has
historically relied on the intuitions of human experts. This credo, however,
has changed. In many disciplines, computer-inspired design processes, also
known as inverse-design, have augmented the capability of scientists. Here we
visit different fields of physics in which computer-inspired designs are
applied. We will meet vastly diverse computational approaches based on
topological optimization, evolutionary strategies, deep learning, reinforcement
learning or automated reasoning. Then we draw our attention specifically on
quantum physics. In the quest for designing new quantum experiments, we face
two challenges: First, quantum phenomena are unintuitive. Second, the number of
possible configurations of quantum experiments explodes combinatorially. To
overcome these challenges, physicists began to use algorithms for
computer-designed quantum experiments. We focus on the most mature and
\textit{practical} approaches that scientists used to find new complex quantum
experiments, which experimentalists subsequently have realized in the
laboratories. The underlying idea is a highly-efficient topological search,
which allows for scientific interpretability. In that way, some of the
computer-designs have led to the discovery of new scientific concepts and ideas
-- demonstrating how computer algorithm can genuinely contribute to science by
providing unexpected inspirations. We discuss several extensions and
alternatives based on optimization and machine learning techniques, with the
potential of accelerating the discovery of practical computer-inspired
experiments or concepts in the future. Finally, we discuss what we can learn
from the different approaches in the fields of physics, and raise several
fascinating possibilities for future research.
- Abstract（参考訳）: 科学と工学における新しいデバイスと実験の設計は、歴史的に人間の専門家の直観に依存してきた。
しかし、この信条は変わった。
多くの分野において、コンピュータにインスパイアされた設計プロセスは逆設計としても知られ、科学者の能力を高めている。
ここでは、コンピュータにインスパイアされたデザインが適用される様々な物理分野を訪ねる。
我々は、トポロジ的最適化、進化戦略、ディープラーニング、強化学習、自動推論に基づく、非常に多様な計算アプローチに遭遇する。
次に、特に量子物理学に注意を向ける。
新しい量子実験を設計するにあたっては、まず、量子現象は直感的ではないという2つの課題に直面します。
第二に、量子実験の可能な構成の数は組合せ的に爆発する。
これらの課題を克服するために、物理学者はコンピュータ設計の量子実験にアルゴリズムを使い始めた。
我々は、科学者が新しい複雑な量子実験を見つけるのに使った最も成熟した、そして、実践的なアプローチに焦点をあてる。
基本的な考え方は、科学的な解釈を可能にする、高効率なトポロジカル探索である。
このようにして、コンピュータ設計の一部は、予期せぬインスピレーションを提供することで、コンピュータアルゴリズムが科学に真に貢献する方法を示す、新しい科学的概念とアイデアの発見につながった。
最適化と機械学習技術に基づくいくつかの拡張や代替技術について論じ、将来、実用的なコンピュータによる実験や概念の発見を加速する可能性がある。
最後に、物理学の分野で異なるアプローチから何が学べるかについて議論し、将来の研究にいくつかの興味深い可能性をもたらす。
関連論文リスト
- The QUATRO Application Suite: Quantum Computing for Models of Human
Cognition [49.038807589598285]
量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。
我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
論文 参考訳（メタデータ） (2023-09-01T17:34:53Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Digital Discovery of a Scientific Concept at the Core of Experimental
Quantum Optics [1.2891210250935146]
我々は、驚くべき特性を持つ新しい多光子量子干渉であるハロを提示する。
我々の原稿は、人工知能が物理学における新しい実行可能な概念の科学的発見のインスピレーションの源となることを実証している。
論文 参考訳（メタデータ） (2022-10-18T16:45:33Z) - Digital Discovery of 100 diverse Quantum Experiments with PyTheus [0.4517077427559345]
PyTheusは、量子光学のためのオープンソースのデジタル発見フレームワークである。
様々な課題を解決するために、現代の量子研究所から幅広い実験機器を使用できる。
これには、高度に絡み合った量子状態、量子計測スキーム、量子通信プロトコル、多粒子量子ゲートの発見が含まれる。
論文 参考訳（メタデータ） (2022-10-18T16:45:32Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。
このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
論文 参考訳（メタデータ） (2021-01-21T20:10:38Z) - Scientific intuition inspired by machine learning generated hypotheses [2.294014185517203]
私たちは、機械学習モデル自体が得る洞察と知識に焦点を移します。
決定木では, 化学や物理から, ビッグデータから人間の解釈可能な洞察を抽出するために, 勾配増進法を適用した。
数値を超える能力は、機械学習を使って概念理解の発見を加速する扉を開く。
論文 参考訳（メタデータ） (2020-10-27T12:12:12Z) - Quantum Computing Methods for Supervised Learning [0.08594140167290096]
小型の量子コンピュータと量子アニールが製造され、既に商業的に販売されている。
我々は、教師付き機械学習問題への応用を探求する前に、量子コンピューティングの背景と重要な結果を要約する。
論文 参考訳（メタデータ） (2020-06-22T06:34:42Z) - Conceptual understanding through efficient inverse-design of quantum
optical experiments [1.1470070927586016]
我々は、概念レベルで科学に貢献できる説明可能なAIアルゴリズムであるThesusを提示する。
本稿では,アルゴリズムを用いた量子光学実験の解釈可能な表現を提案する。
光技術の進歩が期待される量子光学において、いくつかの重要なオープンな問題を解く。
論文 参考訳（メタデータ） (2020-05-13T17:33:02Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。