論文の概要: Creating and concentrating quantum resource states in noisy environments
using a quantum neural network
- arxiv url: http://arxiv.org/abs/2101.05994v1
- Date: Fri, 15 Jan 2021 07:18:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-15 03:03:04.525902
- Title: Creating and concentrating quantum resource states in noisy environments
using a quantum neural network
- Title（参考訳）: 量子ニューラルネットワークを用いた雑音環境における量子リソース状態の生成と濃縮
- Authors: Tanjung Krisnanda, Sanjib Ghosh, Tomasz Paterek, Timothy C. H. Liew
- Abstract要約: ランダムに結合したフェルミオンノードからなる駆動量子ネットワークに基づく汎用的な統一状態準備スキームを提供する。
提案手法はロバストであり,最大エンタングルド,NOON,W,クラスタ,不協和状態のほぼ完全な生成に利用できることを示す。
ノイズが駆動強度に匹敵するノイズの多いシステムでは、より大きなネットワークにより多くの状態を混合することで絡み合いを集中する方法を示す。
- 参考スコア（独自算出の注目度）: 2.834895018689047
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum information processing tasks require exotic quantum states as a
prerequisite. They are usually prepared with many different methods tailored to
the specific resource state. Here we provide a versatile unified state
preparation scheme based on a driven quantum network composed of
randomly-coupled fermionic nodes. The output of such a system is then
superposed with the help of linear mixing where weights and phases are trained
in order to obtain desired output quantum states. We explicitly show that our
method is robust and can be utilized to create almost perfect maximally
entangled, NOON, W, cluster, and discorded states. Furthermore, the treatment
includes energy decay in the system as well as dephasing and depolarization.
Under these noisy conditions we show that the target states are achieved with
high fidelity by tuning controllable parameters and providing sufficient
strength to the driving of the quantum network. Finally, in very noisy systems,
where noise is comparable to the driving strength, we show how to concentrate
entanglement by mixing more states in a larger network.
- Abstract（参考訳）: 量子情報処理タスクは、前提条件としてエキゾチックな量子状態を必要とする。
これらは通常、特定のリソース状態に合わせて多くの異なるメソッドで準備される。
ここではランダムに結合したフェルミオンノードからなる駆動量子ネットワークに基づく汎用的な統一状態準備スキームを提案する。
そのようなシステムの出力は、望ましい出力量子状態を得るために重みと位相を訓練する線形混合の助けによって重畳される。
我々は,本手法が頑健であり,ほぼ完全な最大絡み合い,NOON,W,クラスタ,不協和状態を生成するために利用できることを示す。
さらに、この処理には、システム内のエネルギー減衰と、脱落と脱分極が含まれる。
これらのノイズ条件下では、制御可能なパラメータを調整し、量子ネットワークの駆動に十分な強度を与えることにより、ターゲット状態が高い忠実度で達成されることを示す。
最後に、ノイズが駆動強度に匹敵する非常にノイズの多いシステムにおいて、より大きなネットワークにより多くの状態を混合することで絡み合いを集中する方法を示す。
関連論文リスト
- Unconditionally decoherence-free quantum error mitigation by density matrix vectorization [4.2630430280861376]
密度行列のベクトル化に基づく量子誤差緩和の新しいパラダイムを提案する。
提案手法は,情報符号化の方法を直接変更し,ノイズのない純状態に雑音の多い量子状態の密度行列をマッピングする。
我々のプロトコルは、ノイズモデルに関する知識、ノイズ強度を調整する能力、複雑な制御ユニタリのためのアンシラキュービットを必要としない。
論文 参考訳（メタデータ） (2024-05-13T09:55:05Z) - Locally purified density operators for noisy quantum circuits [17.38734393793605]
雑音量子回路から発生する混合状態は、局所精製密度演算子(LPDO)によって効率的に表現できることを示す。
N$ qubits の LPDO から 2 時間 N$ の大きさの凸対状態への写像を示し、仮想およびクラウス結合を管理する統一的な方法を導入する。
論文 参考訳（メタデータ） (2023-12-05T16:10:30Z) - Retrieving non-linear features from noisy quantum states [11.289924445850328]
本稿では,ノイズ状態から高次モーメントを抽出する実現可能性と効率について分析する。
まず、基礎となるノイズチャネルが可逆である場合に限り、このタスクを達成できる量子プロトコルが存在することを示す。
我々の研究は、量子ノイズが高次情報抽出にどのように影響するかを深く理解し、それに取り組むためのガイダンスを提供する。
論文 参考訳（メタデータ） (2023-09-20T15:28:18Z) - Influence of noise in entanglement-based quantum networks [0.0]
絡み合ったリソース状態が分散され、ノード間で格納される、絡み合いに基づく量子ネットワークについて考察する。
この過程におけるノイズの影響について検討し, 状態準備, 記憶, 測定における不完全性について考察する。
大規模ネットワークでは、高次元のクラスター状態が好適であり、ターゲット状態の忠実度が著しく高くなる。
論文 参考訳（メタデータ） (2023-05-05T18:00:06Z) - The power of noisy quantum states and the advantage of resource dilution [62.997667081978825]
絡み合った蒸留により、ノイズの多い量子状態が一重項に変換される。
エンタングルメント希釈は局所雑音に対する共有量子状態のレジリエンスを高めることができることを示す。
論文 参考訳（メタデータ） (2022-10-25T17:39:29Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳（メタデータ） (2022-04-26T09:52:02Z) - Beating the classical phase precision limit using a quantum neuromorphic
platform [2.4937400423177767]
位相測定は、古典的および量子的状態の両方において、科学の多くの分野において重要なタスクである。
ここでは、位相測定のための処理装置として、ランダムに結合された2レベルシステムの集合からなる量子ネットワークの使用を理論的にモデル化する。
我々は、標準量子極限、ハイゼンベルク極限などに続く位相精度スケーリングを実証する。
論文 参考訳（メタデータ） (2021-10-14T16:29:02Z) - Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。
EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文 参考訳（メタデータ） (2021-04-30T20:38:41Z) - Heterogeneous Multipartite Entanglement Purification for
Size-Constrained Quantum Devices [68.8204255655161]
不完全生成後の絡み合い資源の浄化は、量子アーキテクチャーでそれらを使用するための必要不可欠なステップである。
ここでは、過去20年間に探索された多国間国家の典型的浄化パラダイムから逸脱する。
ベル対のような小さな犠牲状態は、これらの同じ状態の余分なコピーよりも多粒子状態の浄化に有用であることがわかった。
論文 参考訳（メタデータ） (2020-11-23T19:00:00Z) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。