論文の概要: Machine learning pipeline for quantum state estimation with incomplete
measurements
- arxiv url: http://arxiv.org/abs/2012.03104v1
- Date: Sat, 5 Dec 2020 19:02:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-22 00:46:07.672167
- Title: Machine learning pipeline for quantum state estimation with incomplete
measurements
- Title(参考訳): 不完全測定による量子状態推定のための機械学習パイプライン
- Authors: Onur Danaci, Sanjaya Lohani, Brian T. Kirby, Ryan T. Glasser
- Abstract要約: 2量子系は通常、36の射影測定を高忠実度トモグラフィー推定に用いている。
36の測定のオーバーコンプリート性は、測定結果の欠落に対する推定手順の堅牢性を示している。
私たちは、計算、ノイズ化、状態推定のために、積み重ねられた機械学習モデルのパイプラインを作成します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Two-qubit systems typically employ 36 projective measurements for
high-fidelity tomographic estimation. The overcomplete nature of the 36
measurements suggests possible robustness of the estimation procedure to
missing measurements. In this paper, we explore the resilience of
machine-learning-based quantum state estimation techniques to missing
measurements by creating a pipeline of stacked machine learning models for
imputation, denoising, and state estimation. When applied to simulated
noiseless and noisy projective measurement data for both pure and mixed states,
we demonstrate quantum state estimation from partial measurement results that
outperforms previously developed machine-learning-based methods in
reconstruction fidelity and several conventional methods in terms of resource
scaling. Notably, our developed model does not require training a separate
model for each missing measurement, making it potentially applicable to quantum
state estimation of large quantum systems where preprocessing is
computationally infeasible due to the exponential scaling of quantum system
dimension.
- Abstract(参考訳): 2量子系は通常36の射影測定を高忠実度トモグラフィー推定に用いている。
36の測定のオーバーコンプリート性は、測定結果の欠落に対する推定手順の堅牢性を示している。
本稿では, 重ね合わせ機械学習モデルのパイプラインを作成し, 重畳化, 分別化, 状態推定を行い, 機械学習に基づく量子状態推定手法の欠測測定へのレジリエンスについて検討する。
純粋状態と混合状態の両方の無騒音・無騒音投影計測データに適用した場合,従来開発された再現性における機械学習手法と,資源スケーリングの観点からの従来手法を上回っていた部分的測定結果から,量子状態推定を実証する。
特に,我々が開発したモデルでは,各計測値の異なるモデルを学習する必要はなく,量子システム次元の指数関数的スケーリングにより計算処理が不可能となる大規模量子システムの量子状態推定に応用できる可能性がある。
関連論文リスト
- Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳(メタデータ) (2023-11-07T04:35:03Z) - Error Mitigated Metasurface-Based Randomized Measurement Schemes [3.3759361084668433]
ランダム化測定による量子状態の特性の推定は、量子情報科学の重要な部分となっている。
本稿では,光量子ビットのランダム化計測に準曲面を利用する革新的な手法を設計する。
量子状態特性のロバストかつ資源効率の高い推定を行う上で, 準曲面に基づくランダム化測定手法の可能性を示す。
論文 参考訳(メタデータ) (2023-08-17T03:07:24Z) - Single Qubit State Estimation on NISQ Devices with Limited Resources and
SIC-POVMs [0.0]
量子処理ユニットにおける量子ビットの量子状態を直接測定することなく推定する問題を考察する。
フィンランドの技術研究センターの量子コンピュータとIBMの量子コンピュータを用いて回路を実装しテストする。
論文 参考訳(メタデータ) (2023-08-15T09:27:52Z) - Transition Role of Entangled Data in Quantum Machine Learning [51.6526011493678]
エンタングルメントは量子コンピューティングを強化するリソースとして機能する。
最近の進歩は量子力学の学習に対する肯定的な影響を浮き彫りにした。
我々は、絡み合ったデータを用いて量子力学を学習するための量子no-free-lunch(NFL)定理を確立する。
論文 参考訳(メタデータ) (2023-06-06T08:06:43Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳(メタデータ) (2022-10-03T09:32:28Z) - 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) - Deep learning of quantum entanglement from incomplete measurements [0.2493740042317776]
ニューラルネットワークを用いることで、量子状態の完全な記述を必要とせずに、絡み合いの度合いを定量化できることを実証する。
提案手法は,不完全な局所的な測定値を用いて,量子相関の直接量子化を可能にする。
我々は,様々な測定シナリオからデータを受け取り,ある程度,測定装置から独立して実行する畳み込みネットワーク入力に基づく手法を導出する。
論文 参考訳(メタデータ) (2022-05-03T12:55:39Z) - Importance sampling of randomized measurements for probing entanglement [0.0]
ランダム化計測プロトコルと重要サンプリングを組み合わせることで、より大きな量子系における絡み合いを特徴づけることができることを示す。
量子状態の部分的情報を用いて、機械学習とテンソルネットワークを用いて、統計的誤差の劇的な低減を求める。
論文 参考訳(メタデータ) (2021-02-26T14:55:53Z) - State preparation and measurement in a quantum simulation of the O(3)
sigma model [65.01359242860215]
我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。
本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。
非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
論文 参考訳(メタデータ) (2020-06-28T23:44:12Z) - Machine learning assisted quantum state estimation [0.0]
我々は、量子状態の再構築に機械学習技術を利用する一般的な量子状態トモグラフィーフレームワークを構築した。
幅広い純粋および混合入力状態に対して,本手法が機能的に等価な再構成状態を生成することをシミュレーションにより実証する。
我々は,機械学習と量子状態推定の分野を組み合わせることで,トモグラフィに基づく量子実験を大幅に改善し,高速化することが期待できる。
論文 参考訳(メタデータ) (2020-03-06T21:12:27Z) - 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。