論文の概要: Learning to Measure: Adaptive Informationally Complete Generalized
Measurements for Quantum Algorithms
- arxiv url: http://arxiv.org/abs/2104.00569v2
- Date: Fri, 3 Dec 2021 08:57:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 22:22:11.649037
- Title: Learning to Measure: Adaptive Informationally Complete Generalized
Measurements for Quantum Algorithms
- Title（参考訳）: 量子アルゴリズムのための適応的情報完全一般化計測の学習
- Authors: Guillermo Garc\'ia-P\'erez, Matteo A. C. Rossi, Boris Sokolov,
Francesco Tacchino, Panagiotis Kl. Barkoutsos, Guglielmo Mazzola, Ivano
Tavernelli and Sabrina Maniscalco
- Abstract要約: 本稿では,情報完全正の演算子値測定(POVM)をオンザフライで最適化するアルゴリズムを提案する。
分子ハミルトニアンの基底状態エネルギーの計算における変分量子固有解器の効率を改善することにより、その利点を示す。
さらに、他の量の関心を推測するために測定データを再利用できるため、アプローチの情報完全性は極めて有利である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many prominent quantum computing algorithms with applications in fields such
as chemistry and materials science require a large number of measurements,
which represents an important roadblock for future real-world use cases. We
introduce a novel approach to tackle this problem through an adaptive
measurement scheme. We present an algorithm that optimizes informationally
complete positive operator-valued measurements (POVMs) on the fly in order to
minimize the statistical fluctuations in the estimation of relevant cost
functions. We show its advantage by improving the efficiency of the variational
quantum eigensolver in calculating ground-state energies of molecular
Hamiltonians with extensive numerical simulations. Our results indicate that
the proposed method is competitive with state-of-the-art measurement-reduction
approaches in terms of efficiency. In addition, the informational completeness
of the approach offers a crucial advantage, as the measurement data can be
reused to infer other quantities of interest. We demonstrate the feasibility of
this prospect by reusing ground-state energy-estimation data to perform
high-fidelity reduced state tomography.
- Abstract（参考訳）: 化学や材料科学などの分野に応用された多くの著名な量子コンピューティングアルゴリズムは、将来の現実世界のユースケースにとって重要な障害となる多くの測定を必要とする。
適応的な測定手法によりこの問題に対処する新しい手法を提案する。
本稿では,コスト関数の推定における統計的変動を最小限に抑えるため,情報完全正の演算子値測定(POVM)をフライ時に最適化するアルゴリズムを提案する。
分子ハミルトニアンの基底状態エネルギーの計算における変分量子固有解器の効率を改善することにより、その利点を示す。
提案手法は, 最先端の計測還元手法と効率の面で競合することを示す。
さらに、他の量の関心を推測するために測定データを再利用できるため、アプローチの情報完全性は極めて有利である。
地中エネルギー推定データを再利用して高忠実度縮小状態トモグラフィーの実現可能性を示す。
関連論文リスト
- Harnessing quantum back-action for time-series processing [0.0]
量子機械学習プロトコルに弱い測定を組み込むことは、実行時間のスケーリングと全体的なパフォーマンスの両方に利点をもたらすことを示す。
この研究は、量子貯水池コンピューティングにおける弱い測定ベースのプロトコルの実装を促進するための包括的で実用的なレシピを提供する。
論文 参考訳（メタデータ） (2024-11-06T15:15:04Z) - Optimal Quantum Overlapping Tomography [2.555222031881788]
部分トモグラフィーは、複雑な量子システムを特徴づけるための有望なアプローチとして登場した。
本稿では,問題を斜め被覆モデルにマッピングすることで,最適な重なり合うトモグラフィのための統一フレームワークを提案する。
実用核スピンプロセッサにおける提案手法の有効性を実験的に検証した。
論文 参考訳（メタデータ） (2024-10-17T12:03:43Z) - Practical techniques for high precision measurements on near-term quantum hardware: a Case Study in Molecular Energy Estimation [0.0]
本稿では, 撮影オーバーヘッド, 回路オーバーヘッド, 計測ノイズ, 時間依存性測定ノイズを最小化する方法を示す。
これらの戦略は、より信頼性が高く正確な量子計算の道を開く。
論文 参考訳（メタデータ） (2024-09-04T09:52:14Z) - Estimating molecular thermal averages with the quantum equation of motion and informationally complete measurements [0.0]
変分量子固有解法(VQE)を用いて量子系の熱平均を計算する。
qEOMの欠点は、システムの基底状態にある多数の観測値の期待値を測定する必要があることである。
本研究では,情報完全正の演算子評価尺度(IC-POVM)による測定に着目し,測定オーバーヘッドの低減を実現する。
論文 参考訳（メタデータ） (2024-06-06T20:02:24Z) - Adaptive measurement strategy for quantum subspace methods [0.0]
本稿では,量子部分空間法に有用な適応計測最適化法を提案する。
提案手法は、まず古典的にシミュレート可能な状態の測定プロトコルを決定し、次に量子部分空間展開のプロトコルを適応的に更新する。
数値実験として,分子の励起状態シミュレーションを行い,測定回数を桁違いに削減できることを示した。
論文 参考訳（メタデータ） (2023-11-14T04:00:59Z) - Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳（メタデータ） (2023-11-07T04:35:03Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - Accurate melting point prediction through autonomous physics-informed
learning [52.217497897835344]
NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。
固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
論文 参考訳（メタデータ） (2023-06-23T07:53:09Z) - Guaranteed efficient energy estimation of quantum many-body Hamiltonians using ShadowGrouping [49.36226952764697]
量子多体系のエネルギーの推定は、様々な研究分野におけるパラダイム的な課題である。
本研究の目的は,全測定予算から最も高い証明可能な精度が得られる単一キュービット計測による最適戦略を見出すことである。
私たちはShadowGroupingと呼ばれる実用的で効率的な見積もり戦略を開発します。
論文 参考訳（メタデータ） (2023-01-09T14:41:07Z) - 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) - Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。
これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。
その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文 参考訳（メタデータ） (2021-04-19T00:41:43Z)
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。