論文の概要: Classifying global state preparation via deep reinforcement learning

• arxiv url: http://arxiv.org/abs/2005.12759v1
• Date: Tue, 26 May 2020 14:28:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 07:32:17.181953
• Title: Classifying global state preparation via deep reinforcement learning
• Title（参考訳）: 深層強化学習による世界国家準備の分類
• Authors: Tobias Haug, Wai-Keong Mok, Jia-Bin You, Wenzu Zhang, Ching Eng Png, Leong-Chuan Kwek
• Abstract要約: 我々は、深い強化学習を伴う連続した状態のセットを準備することで、グローバルな量子制御を実証する。 応用として、複素多層窒素空孔中心における電子スピンの任意の重ね合わせ状態を生成する。 提案手法は, 短期量子コンピュータ, 量子センシングデバイス, 量子シミュレーションの制御の改善に有効である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum information processing often requires the preparation of arbitrary quantum states, such as all the states on the Bloch sphere for two-level systems. While numerical optimization can prepare individual target states, they lack the ability to find general solutions that work for a large class of states in more complicated quantum systems. Here, we demonstrate global quantum control by preparing a continuous set of states with deep reinforcement learning. The protocols are represented using neural networks, which automatically groups the protocols into similar types, which could be useful for finding classes of protocols and extracting physical insights. As application, we generate arbitrary superposition states for the electron spin in complex multi-level nitrogen-vacancy centers, revealing classes of protocols characterized by specific preparation timescales. Our method could help improve control of near-term quantum computers, quantum sensing devices and quantum simulations.
• Abstract（参考訳）: 量子情報処理は、しばしば2レベルシステムのためのブロッホ球上の全ての状態のような任意の量子状態の準備を必要とする。 数値最適化は個々の対象状態を作成することができるが、より複雑な量子システムにおいて大きな種類の状態に対して有効な一般的な解を見つけることができない。 ここでは,深層強化学習を伴う連続的な状態セットを準備することにより,グローバル量子制御を実証する。 プロトコルはニューラルネットワークを使って表現され、プロトコルを自動的に類似の型にグループ化し、プロトコルのクラスを見つけ、物理的洞察を抽出するのに役立ちます。 応用として, 複素多レベル窒素空洞中心において電子スピンの任意の重ね合わせ状態を生成し, 特定の調製時間スケールで特徴づけられるプロトコルのクラスを明らかにする。 本手法は,短期量子コンピュータ,量子センシングデバイス,量子シミュレーションの制御の改善に有効である。

関連論文リスト

• Mixed-Dimensional Qudit State Preparation Using Edge-Weighted Decision Diagrams [3.393749500700096]
  量子コンピュータは難解な問題を解く可能性がある。 このポテンシャルを利用するための重要な要素の1つは、多値系(qudit)のために量子状態を効率的に準備する能力である。 本稿では,混合次元系に着目した量子状態生成法について検討する。
  論文  参考訳（メタデータ） (2024-06-05T18:00:01Z)
• Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
  No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。 我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。 得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。 この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
  論文  参考訳（メタデータ） (2024-05-12T09:05:13Z)
• Measuring Arbitrary Physical Properties in Analog Quantum Simulation [0.5999777817331317]
  アナログ量子シミュレーションにおける中心的な課題は、実験で生成された量子状態の望ましい物理的性質を特徴づけることである。 本稿では,汎用量子力学のエルゴード特性を利用したスケーラブルなプロトコルの提案と解析を行う。 我々のプロトコルは、制限された制御性を克服し、短期量子技術の汎用性と実用性を高めることをエキサイティングに約束する。
  論文  参考訳（メタデータ） (2022-12-05T19:00:01Z)
• Mimicking states with limited resources: passing quantum quiz via global control [0.0]
  未知の量子状態の性質を高速にシミュレーションするプロトコルを提案し,解析し,最適化する。 我々のプロトコルは、量子的識別と断熱のショートカットに共通する特徴を持ち、断熱事故を避けることができる。
  論文  参考訳（メタデータ） (2022-08-17T23:18:02Z)
• Adaptive Quantum State Tomography with Active Learning [0.0]
  本稿では,能動学習を用いた量子状態トモグラフィーの効率的なスキームを提案し,実装する。 本手法は, 1次元のXXZモデルと運動的に制約されたスピン鎖の基底状態だけでなく, 様々なエンタングルメントの程度で異なるマルチキュービット状態の再構成を行う。 提案手法は,量子多体システムにおける物理的洞察を得るとともに,量子デバイスをベンチマークし,特徴付けるためにも有効である。
  論文  参考訳（メタデータ） (2022-03-29T16:23:10Z)
• Efficient Bipartite Entanglement Detection Scheme with a Quantum Adversarial Solver [89.80359585967642]
  パラメータ化量子回路で完了した2プレーヤゼロサムゲームとして,両部絡み検出を再構成する。 このプロトコルを線形光ネットワーク上で実験的に実装し、5量子量子純状態と2量子量子混合状態の両部絡み検出に有効であることを示す。
  論文  参考訳（メタデータ） (2022-03-15T09:46:45Z)
• Quantum teleportation using Ising anyons [11.59961756146332]
  我々はIsing anyonモデルに基づく量子テレポーテーションのための一般的な位相的に保護されたプロトコルを提案する。 我々のプロトコルは、局所的に区別可能な粒子の系からイジングオンの系への量子状態のテレポーテーションを自然に一般化する。
  論文  参考訳（メタデータ） (2022-01-28T04:06:20Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
  高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。 本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。 特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
  論文  参考訳（メタデータ） (2020-10-14T14:33:34Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。