論文の概要: Neural network quantum state tomography in a two-qubit experiment

• arxiv url: http://arxiv.org/abs/2007.16185v3
• Date: Fri, 9 Oct 2020 14:53:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 12:33:41.165954
• Title: Neural network quantum state tomography in a two-qubit experiment
• Title（参考訳）: 2量子ビット実験におけるニューラルネットワーク量子状態トモグラフィ
• Authors: Marcel Neugebauer, Laurin Fischer, Alexander J\"ager, Stefanie Czischek, Selim Jochim, Matthias Weidem\"uller, Martin G\"arttner
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 52.77024349608834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the performance of efficient quantum state tomography methods based on neural network quantum states using measured data from a two-photon experiment. Machine learning inspired variational methods provide a promising route towards scalable state characterization for quantum simulators. While the power of these methods has been demonstrated on synthetic data, applications to real experimental data remain scarce. We benchmark and compare several such approaches by applying them to measured data from an experiment producing two-qubit entangled states. We find that in the presence of experimental imperfections and noise, confining the variational manifold to physical states, i.e. to positive semi-definite density matrices, greatly improves the quality of the reconstructed states but renders the learning procedure more demanding. Including additional, possibly unjustified, constraints, such as assuming pure states, facilitates learning, but also biases the estimator.
• Abstract（参考訳）: 2光子実験による測定データを用いて,ニューラルネットワーク量子状態に基づく効率的な量子状態トモグラフィ法の性能について検討した。 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。 これらの手法のパワーは合成データで実証されているが、実際の実験データへの応用は少ない。 2キュービットの絡み合った状態を生成する実験から得られたデータに適用して、これらのアプローチをベンチマークして比較する。 実験的な不完全性やノイズの存在下では、変分多様体を物理状態、すなわち正の半定密度行列に収束させ、再構成された状態の質を大幅に改善するが、学習手順をより要求する。 純粋状態の仮定のような追加的、おそらく不当な制約を含むと、学習が容易になるが、推定器にも偏りがある。

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)
• Benchmarking machine learning models for quantum state classification [0.0]
  本研究では, 励起状態から基底状態を判別することにより, 測定状態の分類モデルを開発する。 実量子デバイスに適用された複数の分類手法をベンチマークする。
  論文  参考訳（メタデータ） (2023-09-14T12:45:20Z)
• 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)
• Empirical Sample Complexity of Neural Network Mixed State Reconstruction [0.0]
  混合状態に対する異なる量子状態再構成技術の性能を数値的に検討する。 本稿では,分散低減手法を適用して,アルゴリズムの量子リソース要求を体系的に低減する方法を示す。
  論文  参考訳（メタデータ） (2023-07-04T17:42:43Z)
• Quantum Similarity Testing with Convolutional Neural Networks [4.540894342435848]
  制約データと雑音データを用いて未知の連続変数状態を比較する機械学習アルゴリズムを開発した。 我々のアプローチは、低次元状態表現に基づいて量子状態の類似性を評価する畳み込みニューラルネットワークに基づいている。
  論文  参考訳（メタデータ） (2022-11-03T09:24:23Z)
• Quantum state tomography with tensor train cross approximation [84.59270977313619]
  測定条件が最小限であるような状態に対して、完全な量子状態トモグラフィが実行可能であることを示す。 本手法は,非構造状態と局所測定のための最もよく知られたトモグラフィー法よりも指数関数的に少ない状態コピーを必要とする。
  論文  参考訳（メタデータ） (2022-07-13T17:56:28Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Efficient Quantum State Tracking in Noisy Environments [10.762101459838052]
  本稿では,光子の横方向空間モードに符号化された量子ドット系における行列励起勾配トモグラフィの実験的実装について述べる。 定常および進化状態における本手法の性能および環境騒音について検討し,すべての事例において95%程度の忠実度を求める。
  論文  参考訳（メタデータ） (2022-05-12T22:32:14Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)
• Direct estimation of quantum coherence by collective measurements [54.97898890263183]
  量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。 本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。 本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
  論文  参考訳（メタデータ） (2020-01-06T03:50:42Z)

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。