論文の概要: Highly accurate Gaussian process tomography with geometrical sets of coherent states

• arxiv url: http://arxiv.org/abs/2012.14177v1
• Date: Mon, 28 Dec 2020 10:40:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 01:58:54.943446
• Title: Highly accurate Gaussian process tomography with geometrical sets of coherent states
• Title（参考訳）: コヒーレント状態の幾何学的集合をもつ高精度ガウス過程トモグラフィ
• Authors: Yong Siah Teo, Kimin Park, Seongwook Shin, Hyunseok Jeong, Petr Marek
• Abstract要約: 単一モードガウス量子過程の再構成に最適に近い入力コヒーレント状態の集合を選択する戦略を提案する。 このような入力コヒーレント状態からのプロセス再構成は、最良なコヒーレント状態からのプロセス再構成と同程度に正確であることを示す。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a practical strategy for choosing sets of input coherent states that are near-optimal for reconstructing single-mode Gaussian quantum processes with output-state heterodyne measurements. We first derive analytical expressions for the mean squared-error that quantifies the reconstruction accuracy for general process tomography and large data. Using such expressions, upon relaxing the trace-preserving constraint, we introduce an error-reducing set of input coherent states that is independent of the measurement data or the unknown true process -- the geometrical set. We numerically show that process reconstruction from such input coherent states is nearly as accurate as that from the best possible set of coherent states chosen with the complete knowledge about the process. This allows us to efficiently characterize Gaussian processes even with reasonably low-energy coherent states. We numerically observe that the geometrical strategy without trace preservation beats all nonadaptive strategies for arbitrary trace-preserving Gaussian processes of typical parameter ranges so long as the displacement components are not too large.
• Abstract（参考訳）: 本稿では,出力状態ヘテロダイン測定による単一モードガウス量子過程の再構成に最適に近い入力コヒーレント状態の集合を選択するための実用的な戦略を提案する。 まず,一般プロセストモグラフィと大規模データの再構成精度を定量化する平均二乗誤差の解析式を導出する。 このような表現を用いることで、トレース保存制約を緩和し、測定データや未知の真のプロセスとは無関係な入力コヒーレント状態のエラー低減セット -- 幾何学的集合 -- を導入する。 このような入力コヒーレント状態からのプロセス再構成は、そのプロセスに関する完全な知識で選択されたコヒーレント状態の最良のセットと同じくらい正確であることを示す。 これにより、合理的に低エネルギーなコヒーレント状態であっても、ガウス過程を効率的に特徴づけることができる。 トレース保存を行わない幾何学的戦略は, 変位成分が大きすぎる場合を除き, 典型的なパラメータ範囲の任意のトレース保存ガウス過程に対する非適応的戦略のすべてを打ち負かすことを数値的に観察する。

関連論文リスト

• Efficient Hamiltonian, structure and trace distance learning of Gaussian states [2.949446809950691]
  同様の設定とサンプルの複雑さで、基礎となる相互作用グラフを学習できることが示される。 その結果、連続変数系に対する量子ハミルトン学習問題の状況は、より高度な状態にあることがわかった。
  論文  参考訳（メタデータ） (2024-11-05T15:07:20Z)
• Posterior Contraction Rates for Mat\'ern Gaussian Processes on Riemannian Manifolds [51.68005047958965]
  我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。 我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
  論文  参考訳（メタデータ） (2023-09-19T20:30:58Z)
• 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)
• Characterization of variational quantum algorithms using free fermions [0.0]
  我々はこれらの対称性と対象状態の局所性の間の相互作用を数値的に研究する。 解に収束するイテレーションの数は、システムサイズと線形にスケールする。
  論文  参考訳（メタデータ） (2022-06-13T18:11:16Z)
• Taming numerical errors in simulations of continuous variable non-Gaussian state preparation [1.2891210250935146]
  このようなシミュレーションの強力な手段は、フォック状態表現における数値計算である。 我々は,現在利用可能な数種類のコヒーレント変位演算子の計算方法の精度を解析した。 次に,2モード圧縮真空のコヒーレント変位とその後の光子計数測定に基づく非ガウス状態生成法の解析にこの手法を用いる。
  論文  参考訳（メタデータ） (2022-02-15T11:41:57Z)
• Pathwise Conditioning of Gaussian Processes [72.61885354624604]
  ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。 この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。 条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
  論文  参考訳（メタデータ） (2020-11-08T17:09:37Z)
• Local optimization on pure Gaussian state manifolds [63.76263875368856]
  ボソニックおよびフェルミオンガウス状態の幾何学に関する洞察を利用して、効率的な局所最適化アルゴリズムを開発する。 この手法は局所幾何学に適応した降下勾配の概念に基づいている。 提案手法を用いて、任意の混合ガウス状態の精製の絡み合いを計算するのにガウス浄化が十分であるという予想の数値的および解析的証拠を収集する。
  論文  参考訳（メタデータ） (2020-09-24T18:00:36Z)
• 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)
• Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
  高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。 分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
  論文  参考訳（メタデータ） (2020-02-21T14:03:16Z)
• Doubly Sparse Variational Gaussian Processes [14.209730729425502]
  我々は、状態空間モデルにはまだインジェクションポイントフレームワークが有効であり、さらなる計算とメモリの節約をもたらすことを示している。 この研究により、実験の1つで示されるように、深いガウス過程モデル内で状態空間の定式化が利用できるようになる。
  論文  参考訳（メタデータ） (2020-01-15T15:07:08Z)

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。