Fugu-MT 論文翻訳(概要): Quantum Learnability is Arbitrarily Distillable

論文の概要: Quantum Learnability is Arbitrarily Distillable

arxiv url: http://arxiv.org/abs/2104.09520v1
Date: Mon, 19 Apr 2021 18:00:02 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 04:42:50.071005
Title: Quantum Learnability is Arbitrarily Distillable
Title（参考訳）: 量子学習能力は任意に蒸留可能である
Authors: Joe H. Jenne, David R. M. Arvidsson-Shukur
Abstract要約: 量子学習は、量子状態の測定から未知のパラメータを推定する。いくつかのシナリオでは、情報をできるだけ少ない状態に集中させることが有利である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Quantum learning (in metrology and machine learning) involves estimating unknown parameters from measurements of quantum states. The quantum Fisher information matrix can bound the average amount of information learnt about the unknown parameters per experimental trial. In several scenarios, it is advantageous to concentrate information in as few states as possible. Here, we present two "go-go" theorems proving that negativity, a narrower nonclassicality concept than noncommutation, enables unbounded and lossless distillation of Fisher information about multiple parameters in quantum learning.
Abstract（参考訳）: 量子学習(metrology and machine learning)は、量子状態の測定から未知のパラメータを推定する。量子フィッシャー情報行列は、実験ごとに未知のパラメータについて学習した平均情報量に結合することができる。いくつかのシナリオでは、情報をできるだけ少ない状態に集中することが有利である。ここでは,非可換性よりも狭い非古典性概念であるネガティビティ(negativity)が,量子学習において複数のパラメータに関するフィッシャー情報の非有界・無損失蒸留を可能にすることを証明した2つの「ゴーゴー」定理を示す。

関連論文リスト

Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文参考訳（メタデータ） (2024-05-31T16:43:20Z)
Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文参考訳（メタデータ） (2023-06-29T18:00:01Z)
Direct measurement of quantum Fisher information [5.067521928161945]
断熱摂動理論では、ベリー曲率は一般化力と関係しており、量子計量テンソルはエネルギーゆらぎと結びついている。本稿では、まず、エネルギーゆらぎと量子フィッシャー情報とのリンクを導出する代替手法を採用する。 2レベルシステムにおける断熱摂動に基づく量子フィッシャー情報の直接抽出を数値的に検証する。
論文参考訳（メタデータ） (2022-08-05T13:07:31Z)
Scalable approach to many-body localization via quantum data [69.3939291118954]
多体局在は、量子多体物理学の非常に難しい現象である。計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
論文参考訳（メタデータ） (2022-02-17T19:00:09Z)
Quantum Fisher information from randomized measurements [0.0]
量子フィッシャー情報(QFI)は、多くの領域における基本的な関心の量である。密度行列の測定を用いて、QFIに収束する下界を構築する。結合量子ビットと集合スピンからなる量子系におけるこの手法の応用例を2つ提示する。
論文参考訳（メタデータ） (2021-05-27T14:16:14Z)
Quantifying Unknown Entanglement by Neural Networks [1.6629141734354616]
ニューラルネットワークは未知の絡み合いを定量化するために訓練され、ニューラルネットワークの入力特徴は、ターゲットの量子状態を局所的に測定した結果統計データである。その結果、トレーニングするニューラルネットワークは、未知の量子状態の定量化に非常に優れた性能を持つことがわかった。
論文参考訳（メタデータ） (2021-04-26T12:50:25Z)
Quantum information spreading in a disordered quantum walk [50.591267188664666]
量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
論文参考訳（メタデータ） (2020-10-20T20:03:19Z)
No Free Lunch for Quantum Machine Learning [0.0]
量子学習アルゴリズムの量子リスクは、ペアとユニタリの平均的な入力状態と出力状態によってトレーニングされる。
論文参考訳（メタデータ） (2020-03-31T11:19:41Z)
Quantum Fisher information measurement and verification of the quantum Cram\'er-Rao bound in a solid-state qubit [11.87072483257275]
固体スピン系の位相推定において,量子クラムエルラオ境界近傍の飽和を実験的に実証した。これは、位相推定における実験的不確実性と関連する量子フィッシャー情報の独立測定を比較することで達成される。
論文参考訳（メタデータ） (2020-03-18T17:51:06Z)
Entropic Uncertainty Relations and the Quantum-to-Classical transition [77.34726150561087]
我々は、不確実性関係の分析を通して見られるように、量子-古典的遷移にいくつかの光を当てることを目指している。エントロピックな不確実性関係を用いて、2つの適切に定義された量の系を同時に作成できることを、マクロ計測のモデルに含めることによってのみ示す。
論文参考訳（メタデータ） (2020-03-04T14:01:17Z)
Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。