Fugu-MT 論文翻訳(概要): Experimental Learning of Pure Quantum States using Sequential Single-Shot Measurement Outcomes

論文の概要: Experimental Learning of Pure Quantum States using Sequential Single-Shot Measurement Outcomes

arxiv url: http://arxiv.org/abs/2007.02537v1
Date: Mon, 6 Jul 2020 05:46:47 GMT
ステータス: 処理完了
システム内更新日: 2023-05-11 04:26:08.960236
Title: Experimental Learning of Pure Quantum States using Sequential Single-Shot Measurement Outcomes
Title（参考訳）: 逐次単発計測結果を用いた純量子状態の実験的学習
Authors: Sang Min Lee, Hee Su Park, Jinhyoung Lee, Jaewan Kim, and Jeongho Bang
Abstract要約: 未知の純量子状態を正確に同定するための機械学習手法を実験的に実装した。単発計測学習と呼ばれるこの方法は、状態学習と再現において$epsilon = O(N-1)$の理論的最適精度を達成する。
参考スコア（独自算出の注目度）: 5.521324490427243
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We experimentally implement a machine-learning method for accurately identifying unknown pure quantum states. The method, called single-shot measurement learning, achieves the theoretical optimal accuracy for $\epsilon = O(N^{-1})$ in state learning and reproduction, where $\epsilon$ and $N$ denote the infidelity and number of state copies, without employing computationally demanding tomographic methods. This merit results from the inclusion of weighted randomness in the learning rule governing the exploration of diverse learning routes. We experimentally verify the advantages of our scheme by using a linear-optics setup to prepare and measure single-photon polarization qubits. The experimental results show highly accurate state learning and reproduction exhibiting infidelity of $O(N^{-0.983})$ down to $10^{-5}$, without estimation of the experimental parameters.
Abstract（参考訳）: 未知の純量子状態を正確に同定する機械学習手法を実験的に実装した。単発計測学習(single-shot measurement learning)と呼ばれるこの方法は、状態学習と再現における$\epsilon = o(n^{-1})$の理論的最適精度を達成する。このメリットは、多様な学習経路の探索を統括する学習規則に重み付きランダム性を含めることによって生じる。線形光学装置を用いて単一光子偏光量子ビットの作成と測定を行い,提案方式の利点を実験的に検証する。実験結果から, 実験パラメータを推定することなく, 精度の高い状態学習と再現により, 約$o(n^{-0.983})$を10^{-5}$に下げた。

関連論文リスト

Learning topological states from randomized measurements using variational tensor network tomography [0.4818215922729967]
量子状態の忠実な表現を学ぶことは、量子プロセッサ上で生成される多体状態の多様性を完全に特徴づけるのに不可欠である。本研究では,テンソルネットワーク上の変分最適化とランダムな計測手法を組み合わせたトモグラフィー手法の実装と検討を行う。我々は、実験により実現可能な量子スピン液体状態と同様に、表面符号の基底状態を学ぶ能力を示す。
論文参考訳（メタデータ） (2024-05-31T21:05:43Z)
CKD: Contrastive Knowledge Distillation from A Sample-wise Perspective [48.99488315273868]
本研究では,試料内およびサンプル間制約によるサンプルワイドアライメント問題として定式化できる,対照的な知識蒸留手法を提案する。本手法は, 数値を考慮し, 同一試料中のロジット差を最小化する。 CIFAR-100, ImageNet-1K, MS COCOの3つのデータセットについて総合的な実験を行った。
論文参考訳（メタデータ） (2024-04-22T11:52:40Z)
Simulating Gaussian boson sampling quantum computers [68.8204255655161]
実験的なガウスボソンサンプリングネットワークをシミュレートする最近の理論手法について概説する。主に、量子力学の位相空間表現を使用する手法に焦点を当てる。 GBSの理論、最近の実験、その他の手法についても概説する。
論文参考訳（メタデータ） (2023-08-02T02:03:31Z)
Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文参考訳（メタデータ） (2023-06-03T06:19:20Z)
Demonstration of machine-learning-enhanced Bayesian quantum state estimation [0.0]
機械学習を用いて自動調整を行うカスタム事前分布の定義手法を実験的に実現した。 MLで定義した事前分布は、ネット収束時間を減少させ、暗黙的および明示的な情報を事前分布に直接組み込む自然な方法を提供する。
論文参考訳（メタデータ） (2022-12-15T18:41:15Z)
Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文参考訳（メタデータ） (2022-12-12T15:06:32Z)
Optimised Bayesian system identification in quantum devices [3.72081359624651]
本研究では,未知パラメータを動的モデルで推定する閉ループベイズ学習アルゴリズムを提案する。シミュレーションキャリブレーションタスクと実験用シングルキュービットイオントラップシステムの両方でアルゴリズムの性能を実証する。
論文参考訳（メタデータ） (2022-11-16T18:12:46Z)
Agnostic Physics-Driven Deep Learning [82.89993762912795]
この研究は、物理系が勾配計算を使わずに統計的勾配学習を行えることを証明している。 Aeqpropでは、システムの詳細を知る必要はなく、プロシージャは外部操作に基づいている。 Aeqpropはまた、自然(生物)物理系において、真の勾配に基づく統計学習は、一般的な比較的単純なメカニズムによってもたらされることを証明している。
論文参考訳（メタデータ） (2022-05-30T12:02:53Z)
Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文参考訳（メタデータ） (2020-07-31T17:25:12Z)
Setting up experimental Bell test with reinforcement learning [0.0]
光学実験の自動設計が可能な強化学習と模擬焼鈍を組み合わせた手法を提案する。本稿では,ベル-CHSHの不等式に高い違反を許容する確率分布に適用することにより,本手法の妥当性について述べる。本手法はデバイス非依存の量子情報処理におけるフォトニック実験の有用性に肯定的な影響を与える可能性がある。
論文参考訳（メタデータ） (2020-05-04T17:52:10Z)

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。