Fugu-MT 論文翻訳(概要): On the experimental feasibility of quantum state reconstruction via machine learning

論文の概要: On the experimental feasibility of quantum state reconstruction via machine learning

arxiv url: http://arxiv.org/abs/2012.09432v1
Date: Thu, 17 Dec 2020 07:51:47 GMT
ステータス: 処理完了
システム内更新日: 2021-05-02 07:35:13.584494
Title: On the experimental feasibility of quantum state reconstruction via machine learning
Title（参考訳）: 機械学習による量子状態再構成の実験的実現可能性について
Authors: Sanjaya Lohani, Thomas A. Searles, Brian T. Kirby, and Ryan T. Glasser
Abstract要約: 最大4量子ビットのシステムに対する機械学習に基づく量子状態再構成手法の資源スケーリングを決定する。高次元システムのトモグラフィで遭遇する可能性が高い低カウント体制におけるシステム性能を検討する。 ibm q量子コンピュータ上で量子状態再構成手法を実装し,結果を確認した。
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: We determine the resource scaling of machine learning-based quantum state reconstruction methods, in terms of both inference and training, for systems of up to four qubits. Further, we examine system performance in the low-count regime, likely to be encountered in the tomography of high-dimensional systems. Finally, we implement our quantum state reconstruction method on a IBM Q quantum computer and confirm our results.
Abstract（参考訳）: 最大4量子ビットのシステムに対して、推論とトレーニングの両方の観点から機械学習に基づく量子状態再構成手法のリソーススケーリングを決定する。さらに,高次元システムのトモグラフィーで発生する可能性のある低カウント状態におけるシステム性能について検討した。最後に、IBM Q量子コンピュータに量子状態再構成法を実装し、その結果を確認した。

関連論文リスト

Experimental demonstration of reconstructing quantum states with generative models [0.44600863117978684]
本稿では,プログラム可能な超伝導トランスモン量子ビットの配列を用いたニューラルネットワーク生成モデルに基づく量子状態の再構成実験を行った。本研究は、複雑な量子デバイスを検証・特徴化するための機械学習技術を活用した興味深い可能性について実験的に示すものである。
論文参考訳（メタデータ） (2024-07-21T09:44:05Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
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)
Reconstructing complex states of a 20-qubit quantum simulator [0.6646556786265893]
本稿では, 量子状態の多角化を効果的に再現する手法を示す。我々は,ニューラルネットワークの量子状態表現に基づく手法と比較して,状態再構成の品質と収束の高速化を観察する。本研究は,多体量子系のクエンチダイナミクスによって生成される複素状態の効率的な実験的評価への道を開くものである。
論文参考訳（メタデータ） (2022-08-09T15:52:20Z)
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)
Dimension-adaptive machine-learning-based quantum state reconstruction [0.0]
我々は、m$ qubitsのみをトレーニングした機械学習ベースの再構成システムを用いて、$mgeq n$のシステムで量子状態再構成を行うアプローチを提案する。我々は,1,2,3量子ビットのランダムサンプリングシステムに対して,少なくとも1つの追加量子ビットを含むシステムにのみ訓練された機械学習ベースの手法を用いて量子状態再構成を行う手法を実証した。
論文参考訳（メタデータ） (2022-05-11T23:46:32Z)
From geometry to coherent dissipative dynamics in quantum mechanics [68.8204255655161]
有限レベル系の場合、対応する接触マスター方程式で示される。 2レベル系の量子崩壊をコヒーレントかつ連続的な過程として記述する。
論文参考訳（メタデータ） (2021-07-29T18:27:38Z)
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)
Bidirectional information flow quantum state tomography [0.0]
双方向Gated Recurrent Unit Neural Network (BiGRU) に基づく量子状態トモグラフィー法を提案する。この方法では、これらの量子状態を再構成し、高い忠実度を得るために、より少ない測定サンプルを使用できる。
論文参考訳（メタデータ） (2021-03-31T02:57:27Z)
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)
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)

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。