論文の概要: Learning from physics experiments, with quantum computers: Applications in muon spectroscopy

• arxiv url: http://arxiv.org/abs/2012.06602v1
• Date: Fri, 11 Dec 2020 19:11:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 03:06:25.340282
• Title: Learning from physics experiments, with quantum computers: Applications in muon spectroscopy
• Title（参考訳）: 量子コンピュータを用いた物理実験から学ぶ:ミューオン分光法への応用
• Authors: Sam McArdle
• Abstract要約: 我々は、物理実験から得られたデータを分析し、量子シミュレーションアルゴリズムの新しいターゲットを考える。 我々は、このタスクが次世代の量子コンピュータに自然に適合することを示します。 量子アルゴリズムの古典的なエミュレーションを、29量子ビットのシステム上で使用し、実際の実験データを解析する。
• 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: Computational physics is an important tool for analysing, verifying, and -- at times -- replacing physical experiments. Nevertheless, simulating quantum systems and analysing quantum data has so far resisted an efficient classical treatment in full generality. While programmable quantum systems have been developed to address this challenge, the resources required for classically intractable problems still lie beyond our reach. In this work, we consider a new target for quantum simulation algorithms; analysing the data arising from physics experiments -- specifically, muon spectroscopy experiments. These experiments can be used to probe the quantum interactions present in condensed matter systems. However, fully analysing their results can require classical computational resources scaling exponentially with the simulated system size, which can limit our understanding of the studied system. We show that this task may be a natural fit for the coming generations of quantum computers. We use classical emulations of our quantum algorithm on systems of up to 29 qubits to analyse real experimental data, and to estimate both the near-term and error corrected resources required for our proposal. We find that our algorithm exhibits good noise resilience, stemming from our desire to extract global parameters from a fitted curve, rather than targeting any individual data point. In some respects, our resource estimates go further than some prior work in quantum simulation, by estimating the resources required to solve a complete task, rather than just to run a given circuit. Taking the overhead of observable measurement and calculating multiple datapoints into account, we find that significant challenges still remain if our algorithm is to become practical for analysing muon spectroscopy data.
• Abstract（参考訳）: Computational physics is an important tool for analysing, verifying, and -at times -- replacing physical experiments. Nevertheless, simulating quantum systems and analysing quantum data has so far resisted an efficient classical treatment in full generality. While programmable quantum systems have been developed to address this challenge, the resources required for classically intractable problems still lie beyond our reach. In this work, we consider a new target for quantum simulation algorithms; analysing the data arising from physics experiments -- specifically, muon spectroscopy experiments. これらの実験は凝縮物質系に存在する量子相互作用を探索するために用いられる。 しかし、それらの結果を完全に分析するには、シミュレーションされたシステムサイズで指数関数的にスケールする古典的な計算リソースが必要である。 我々は、このタスクが次世代の量子コンピュータに自然に適合することを示します。 我々は,29キュービットまでのシステム上で量子アルゴリズムの古典的エミュレーションを用いて実実験データを分析し,提案に必要な短期的および誤り訂正されたリソースを推定する。 我々のアルゴリズムは、個々のデータポイントをターゲットにするのではなく、適合した曲線からグローバルパラメータを抽出したいという願望から、優れたノイズ耐性を示す。 いくつかの点で、我々の資源推定は、与えられた回路を実行するだけでなく、完全なタスクを解くのに必要なリソースを見積もることによって、量子シミュレーションにおける以前の作業よりもさらに進んでいる。 観測可能な測定のオーバーヘッドを考慮し、複数のデータポイントを考慮すれば、アルゴリズムがミューオン分光データの解析に実用的になる場合、重要な課題が残ることが分かる。

関連論文リスト

• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Statistical Complexity of Quantum Learning [32.48879688084909]
  本稿では,情報理論を用いた量子学習の複雑さについて概説する。 データ複雑性、コピー複雑性、モデルの複雑さに重点を置いています。 我々は、教師なし学習と教師なし学習の両方に対処することで、量子学習と古典学習の違いを強調する。
  論文  参考訳（メタデータ） (2023-09-20T20:04:05Z)
• 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)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
  行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。 これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。 また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
  論文  参考訳（メタデータ） (2021-11-05T16:36:09Z)
• Variational Quantum Anomaly Detection: Unsupervised mapping of phase diagrams on a physical quantum computer [0.0]
  量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。 このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。 現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
  論文  参考訳（メタデータ） (2021-06-15T06:54:47Z)
• Quantum Algorithmic Measurement [0.32228025627337864]
  我々は,ブラックボックス量子アルゴリズムと対話プロトコルのハイブリッドである量子アルゴリズム計測(QUALM)の枠組みを定義する。 我々は、QUILMフレームワークを用いて量子多体物理学における2つの重要な実験問題を研究する。 我々の研究は、量子コンピュータが新しいタイプの指数的優位性、すなわち量子実験における資源の指数的節約をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2021-01-12T17:43:17Z)
• Density functionals and Kohn-Sham potentials with minimal wavefunction preparations on a quantum computer [0.0]
  量子コンピュータの潜在的な応用の1つは、量子化学システムを解くことである。 本稿では,十分に強力な量子コンピュータから,機械学習モデルとしての正確な機能を得る方法を示す。
  論文  参考訳（メタデータ） (2020-08-12T22:50:39Z)
• 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)
• Statistical Limits of Supervised Quantum Learning [90.0289160657379]
  精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。 より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
  論文  参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。