論文の概要: Graph Picture of Linear Quantum Networks and Entanglement
- arxiv url: http://arxiv.org/abs/2101.00392v3
- Date: Tue, 21 Dec 2021 10:42:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 01:54:18.759847
- Title: Graph Picture of Linear Quantum Networks and Entanglement
- Title(参考訳): 線形量子ネットワークのグラフ画像と絡み合い
- Authors: Seungbeom Chin, Yong-Su Kim, and Sangmin Lee
- Abstract要約: 線形量子ネットワーク(LQN)は、様々なマルチパーティントの絡み合った状態を生成するために区別不可能性を利用する。
特定の絡み合った状態を持つ適切なLQNを考案したり、粒子とモード数の増加として与えられたLQNの絡み合った状態を計算することは困難である。
本研究では,任意のLQNをグラフにマッピングすることで,LQNを解析・設計し,多部交絡を生成する強力なツールを提供する。
- 参考スコア(独自算出の注目度): 6.471031681646444
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The indistinguishability of quantum particles is widely used as a resource
for the generation of entanglement. Linear quantum networks (LQNs), in which
identical particles linearly evolve to arrive at multimode detectors, exploit
the indistinguishability to generate various multipartite entangled states by
the proper control of transformation operators. However, it is challenging to
devise a suitable LQN that carries a specific entangled state or compute the
possible entangled state in a given LQN as the particle and mode number
increase. This research presents a mapping process of arbitrary LQNs to graphs,
which provides a powerful tool for analyzing and designing LQNs to generate
multipartite entanglement. We also introduce the perfect matching diagram (PM
diagram), which is a refined directed graph that includes all the essential
information on the entanglement generation by an LQN. The PM diagram furnishes
rigorous criteria for the entanglement of an LQN and solid guidelines for
designing suitable LQNs for the genuine entanglement. Based on the structure of
PM diagrams, we compose LQNs for fundamental $N$-partite genuinely entangled
states.
- Abstract(参考訳): 量子粒子の識別不能性は、絡み合いの発生の資源として広く用いられている。
線形量子ネットワーク(LQN)は、同一粒子が線形に発展してマルチモード検出器に到達し、変換演算子の適切な制御により様々な多部共役状態を生成する不明瞭性を利用する。
しかし、特定の絡み合い状態を持つ適切なlqnを考案するか、粒子とモード番号が増加するにつれて所定のlqnにおける絡み合い状態を計算することは困難である。
本研究では,任意のLQNをグラフにマッピングすることで,LQNを解析・設計し,多部交絡を生成する強力なツールを提供する。
また、LQNによる絡み合い生成に関するすべての重要な情報を含む改良された有向グラフである完全マッチング図(PM図)も導入する。
PM図は、LQNの絡み合いに関する厳格な基準と、真の絡み合いに適したLQNを設計するための固いガイドラインを提供する。
PMダイアグラムの構造に基づいて、本質的な$N$-partite状態に対してLQNを構成する。
関連論文リスト
- Unleashing the Expressive Power of Pulse-Based Quantum Neural Networks [0.51795041186793]
ノイズ中間スケール量子(NISQ)デバイスに基づく量子機械学習(QML)は、限られた量子リソースの最適利用を必要とする。
ゲートベースのQMLモデルは、ソフトウェアエンジニアにとって便利であるが、その表現性は有限コヒーレンス時間内での許容回路深さによって制限される。
パルスベースのモデルでは、同じコヒーレンス時間内に「無限に」深い量子ニューラルネットワークを構築することができる。
論文 参考訳(メタデータ) (2024-02-05T10:47:46Z) - Calibrating the role of entanglement in variational quantum circuits [0.7232471205719458]
エンタングルメント(Entanglement)は、量子コンピューティングの重要な性質であり、古典的なものとは分離している。
2つの変分量子アルゴリズムの動作における絡み合いの役割を系統的に検討する。
QAOAを用いて解いたMAX-CUT問題に対して,絡み合い関数としての忠実度は層数に大きく依存することがわかった。
QNNの場合、高いテスト精度のトレーニング回路は高い絡み合いによって支えられ、強制的な絡み合いの制限はテスト精度の急激な低下をもたらす。
論文 参考訳(メタデータ) (2023-10-16T23:36:40Z) - Multipartite Entanglement in Quantum Networks using Subgraph
Complementations [10.483535574476477]
絡み合った状態は量子コンピューティングの構成要素である。
ノイズレス量子ネットワーク上でグラフ状態を分散する新しい手法を提案する。
本研究では,量子ビット数,古典的通信用ビット数,EPRペアの利用量の改善について述べる。
論文 参考訳(メタデータ) (2023-08-25T23:03:25Z) - Scaling Limits of Quantum Repeater Networks [62.75241407271626]
量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。
量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。
本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
論文 参考訳(メタデータ) (2023-05-15T14:57:01Z) - Delegated variational quantum algorithms based on quantum homomorphic
encryption [69.50567607858659]
変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。
クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。
量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
論文 参考訳(メタデータ) (2023-01-25T07:00:13Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - Theoretical Guarantees for Permutation-Equivariant Quantum Neural
Networks [0.0]
等変量子ニューラルネットワーク(QNN)の構築方法を示す。
我々は、不毛の高原に苦しめられず、すぐに過度なパラメータ化に達し、少量のデータからよく一般化されることを証明した。
我々の研究は、同変QNNに対する最初の理論的保証を提供し、GQMLの極端なパワーとポテンシャルを示している。
論文 参考訳(メタデータ) (2022-10-18T16:35:44Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳(メタデータ) (2022-04-18T21:45:13Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。
本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。
今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文 参考訳(メタデータ) (2022-02-19T02:56:47Z) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳(メタデータ) (2020-07-24T06:34:34Z)
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。