論文の概要: Gaussian boson sampling with partial distinguishability

• arxiv url: http://arxiv.org/abs/2105.09583v3
• Date: Tue, 8 Mar 2022 10:13:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-30 07:27:47.151516
• Title: Gaussian boson sampling with partial distinguishability
• Title（参考訳）: 部分的識別性を有するガウスボゾンサンプリング
• Authors: Junheng Shi and Tim Byrnes
• Abstract要約: 本稿では,仮想モードと識別不可能性に基づくアプローチを用いて,部分的な識別可能性を持つGBSについて検討する。 GBSにおける量子超越性の境界は, 偏微分可能性によってさらに推し進めることができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian boson sampling (GBS) allows for a way to demonstrate quantum supremacy with the relatively modest experimental resources of squeezed light sources, linear optics, and photon detection. In a realistic experimental setting, numerous effects can modify the complexity of the sampling, in particular loss, partial distinguishability of the photons, and the use of threshold detectors rather than photon counting detectors. In this paper, we investigate GBS with partial distinguishability using an approach based on virtual modes and indistinguishability efficiency. We develop a model using these concepts and derive the probabilities of measuring a specific output pattern from partially distinguishable and lossy GBS for both types of detectors. In the case of threshold detectors, the probability as calculated by the Torontonian is a special case under our framework. By analyzing the expressions of these probabilities we propose an efficient auxiliary classical simulation algorithm which can be used to calculate the probabilities. Our model and the auxiliary algorithm provide foundations for an approximation method for the probability calculation and simulation algorithms not only compatible with existing state-of-the-art simulation algorithms for ideal GBS but also reduce their complexities exponentially depending on the indistinguishability. Using the approximation method and the simulation algorithms we show how the boundary of quantum supremacy in GBS can be pushed further by partial distinguishability.
• Abstract（参考訳）: gaussian boson sampling (gbs) は、絞った光源、線形光学、光子検出といった比較的控えめな実験資源で量子超越性を示すことができる。 現実的な実験環境では、多くの効果がサンプリングの複雑さ、特に損失、光子の部分的識別性、および光子計数検出器ではなくしきい値検出器の使用を変化させることができる。 本稿では,仮想モードと非識別性効率に基づくアプローチを用いて,部分識別性を有するgbについて検討する。 我々は,これらの概念を用いたモデルを開発し,両検出器の特定出力パターンを部分的に識別可能かつ損失の少ないgbsから測定する確率を導出する。 しきい値検出器の場合、トロントニアンによって計算された確率は、我々の枠組みの下で特別な場合である。 これらの確率の表現を解析することにより,確率を計算できる効率的な補助古典シミュレーションアルゴリズムを提案する。 本モデルと補助アルゴリズムは、既存の理想gbsの最先端シミュレーションアルゴリズムと互換性のある確率計算とシミュレーションアルゴリズムの近似法の基礎を提供するとともに、識別可能性に応じてその複雑さを指数関数的に減少させる。 近似法とシミュレーションアルゴリズムを用いて, GBSにおける量子超越性の境界を, 偏微分可能性によってさらに推し進めることができることを示す。

関連論文リスト

• Realistic photon-number resolution in Gaussian boson sampling [0.0]
  ガウスボソンサンプリング(英: Gaussian boson sample、GBS)は、非普遍的な量子計算のモデルであり、現在の技術の量子超越性を証明していると主張している。 一般検出器や光計測技術に応用可能なGBSスキームにおける光計測確率分布を導出する。
  論文  参考訳（メタデータ） (2024-03-05T18:20:59Z)
• Gaussian Boson Sampling to Accelerate NP-Complete Vertex-Minor Graph Classification [0.9935277311162707]
  2つのグラフが互いに小さいかどうかを決定するNP完全問題に対するハイブリッド量子古典アルゴリズムを提案する。 ワンショット分類精度と入力スクイーズ量とのトレーディングが可能なグラフ埋め込みを見つける。 本稿では,グラフスペクトルに基づく新しい古典的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-05T21:24:11Z)
• Gaussian boson sampling validation via detector binning [0.0]
  本稿では,GBS実験を統計的に検証するに適した量として,双対検出器の確率分布を提案する。 それぞれの特性関数との接続を利用して,そのような分布の計算方法を示す。 また、すべての可能な干渉ネットワーク上でHaar平均化を行うとき、双対検出器の確率分布がどのように振る舞うかを示す。
  論文  参考訳（メタデータ） (2023-10-27T12:55:52Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Sample efficient graph classification using binary Gaussian boson sampling [0.0]
  本稿では,グラフ構造化データを用いた機械学習タスクにおける量子アルゴリズムの変形について述べる。 我々の装置は、光子数分解検出器とは対照的に、バイナリ(光/光)検出器のみを必要とする。
  論文  参考訳（メタデータ） (2023-01-03T17:23:43Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Generating Functions and Automatic Differentiation for Photon-Number-Resolved Simulations with Multimode Gaussian States [0.0]
  多重モードガウス状態の光子統計をシミュレートする単純で汎用的な方法を示す。 光子数分布、累積確率、モーメント、および光子統計の因子モーメントの生成関数を導出する。 機械学習フレームワークPyTorchを自動微分に使用することにより、数値的な結果が得られる。
  論文  参考訳（メタデータ） (2022-09-12T15:39:46Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Sinkhorn Natural Gradient for Generative Models [125.89871274202439]
  本研究では,シンクホーンの発散による確率空間上の最も急降下法として機能するシンクホーン自然勾配(SiNG)アルゴリズムを提案する。 本稿では,SiNG の主要成分であるシンクホーン情報行列 (SIM) が明示的な表現を持ち,対数的スケールの複雑さを正確に評価できることを示す。 本実験では,SiNGと最先端のSGD型解法を定量的に比較し,その有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-11-09T02:51:17Z)
• Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
  我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。 本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
  論文  参考訳（メタデータ） (2020-05-22T22:30:52Z)

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。