論文の概要: From observations to complexity of quantum states via unsupervised learning

• arxiv url: http://arxiv.org/abs/2102.11328v3
• Date: Wed, 27 Jul 2022 13:00:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 05:31:26.610630
• Title: From observations to complexity of quantum states via unsupervised learning
• Title（参考訳）: 教師なし学習による量子状態の観測から複雑性へ
• Authors: Markus Schmitt and Zala Lenar\v{c}i\v{c}
• Abstract要約: 自動エンコーダニューラルネットワークを用いた教師なし学習を用いて、時間進化状態の局所的複雑さを検出する。 我々のアプローチは、(ノイズの多い)量子シミュレータから得られたデータに対して理想的な診断ツールである。
• 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: The vast complexity is a daunting property of generic quantum states that poses a significant challenge for theoretical treatment, especially in non-equilibrium setups. Therefore, it is vital to recognize states which are locally less complex and thus describable with (classical) effective theories. We use unsupervised learning with autoencoder neural networks to detect the local complexity of time-evolved states by determining the minimal number of parameters needed to reproduce local observations. The latter can be used as a probe of thermalization, to assign the local complexity of density matrices in open setups and for the reconstruction of underlying Hamiltonian operators. Our approach is an ideal diagnostics tool for data obtained from (noisy) quantum simulators because it requires only practically accessible local observations.
• Abstract（参考訳）: 膨大な複雑性は、一般量子状態の恐ろしい性質であり、理論的な処理、特に非平衡状態において大きな課題となる。 したがって、局所的にあまり複雑ではなく、したがって(古典的な)実効理論で説明可能な状態を認識することは不可欠である。 オートエンコーダニューラルネットワークを用いた教師なし学習を用いて,局所観測の再現に必要な最小パラメータ数を決定することにより,時間発展状態の局所的複雑度を検出する。 後者は熱化のプローブとして、密度行列の局所的な複雑性を開なセットアップで割り当てたり、基礎となるハミルトニアン作用素の再構成に使うことができる。 我々のアプローチは、(ノイズの多い)量子シミュレータから得られたデータに対して理想的な診断ツールである。

関連論文リスト

• The complexity of entanglement embezzlement [0.0]
  プロセスの任意の精度を実現する状態列を用いて,エンベゾルメントの回路複雑性について検討する。 以上の結果から,回路の複雑度は完全なエンベゾルメントの物理的障害となることが示唆された。
  論文  参考訳（メタデータ） (2024-10-24T18:00:33Z)
• Bounding the Sample Fluctuation for Pure States Certification with Local Random Measurement [4.923287660970805]
  ランダム化計測技術の最近の進歩は、この分野に新たな洞察をもたらした。 ランダム局所ハール測定により純粋量子状態の証明を行うスキームの基本特性について検討する。 その結果,演算子の複雑性と量子アルゴリズムの効率との本質的な相互作用が明らかになり,長距離絡み付き純粋状態の局所的認証の障害となった。
  論文  参考訳（メタデータ） (2024-10-22T02:26:44Z)
• Observation of disorder-free localization and efficient disorder averaging on a quantum processor [117.33878347943316]
  我々は、量子並列性を利用して、量子プロセッサ上で効率的な手順を実装し、すべての障害実現を効率的にサンプリングする。 1次元と2次元の量子多体ダイナミクスにおいて、乱れのない局所化を観察する。
  論文  参考訳（メタデータ） (2024-10-09T05:28:14Z)
• Emergence of global receptive fields capturing multipartite quantum correlations [0.565473932498362]
  量子物理学において、波動関数レベルで明確に定義された構造を持つ単純なデータでさえ、非常に複雑な相関によって特徴づけられる。 量子統計学を学習しながら、ニューラルネットワークの重み空間をモニタリングすることで、複雑な多部パターンに関する物理的直観を発達させることができることを示す。 この結果から,非局所パターンを用いたデータ処理のための畳み込みニューラルネットワークの構築について,新たな知見が得られた。
  論文  参考訳（メタデータ） (2024-08-23T12:45:40Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Detection of Beyond-Quantum Non-locality based on Standard Local Quantum Observables [46.03321798937856]
  デバイス独立検出は、量子外非局所状態と標準量子状態とを区別できないことを示す。 本稿では, 局所観測値に基づくデバイス依存検出を行い, 量子状態以外の非局所状態と標準量子状態とを区別する。
  論文  参考訳（メタデータ） (2023-01-10T20:19:34Z)
• Real-Time Krylov Theory for Quantum Computing Algorithms [0.0]
  リアルタイム進化によって生成された部分空間を用いた新しいアプローチは、固有状態情報抽出の効率性を示している。 本稿では,量子ハードウェア上で固有値を抽出する,コンパクトかつ効率的なリアルタイムアルゴリズムである変分量子位相推定法(VQPE)を開発した。 強相関系に対する電子構造予測などの量子計算の基本問題への応用について論じる。
  論文  参考訳（メタデータ） (2022-08-01T18:00:48Z)
• 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)
• Quantum Causal Unravelling [44.356294905844834]
  我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。 我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
  論文  参考訳（メタデータ） (2021-09-27T16:28:06Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Entanglement Structure Detection via Machine Learning [0.0]
  本研究では,絡み合いと深さを同時に予測するための機械学習に基づく効率的な手法を提案する。 特に、学習した分類器は、ノイズGHZ状態に対する絡み合いや深さ境界を検出することができる。
  論文  参考訳（メタデータ） (2020-12-01T14:37:56Z)

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。