論文の概要: GraphStateVis: Interactive Visual Analysis of Qubit Graph States and
their Stabilizer Groups
- arxiv url: http://arxiv.org/abs/2105.12752v2
- Date: Mon, 22 Nov 2021 11:31:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 09:15:24.128953
- Title: GraphStateVis: Interactive Visual Analysis of Qubit Graph States and
their Stabilizer Groups
- Title（参考訳）: GraphStateVis:Qubit Graph Stateとその安定化器グループのインタラクティブビジュアル分析
- Authors: Matthias Miller and Daniel Miller
- Abstract要約: キュービットグラフ状態とその安定化器群を視覚的に解析するためのWebベースのアプリケーションであるGraphStateVisを紹介する。
ユーザは、安定作用素のパウリ重み分布を含むグラフ状態固有の特性を探索することができる。
本稿では,プロトタイプの性能を示すために,短期量子アルゴリズムの文脈におけるユースケースを提案する。
- 参考スコア（独自算出の注目度）: 1.332560004325655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fathoming out quantum state space is a challenging endeavor due to its
exponentially growing dimensionality. At the expense of being bound in its
expressiveness, the discrete and finite subspace of graph states is easier to
investigate via a pictorial framework accompanied with a theoretical toolkit
from the stabilizer formalism. Analyzing hand-drawn graphs is a tedious and
time-consuming task and imposes limitations to the problem sizes that can be
addressed. Similarly, algorithmic studies using adjacency matrices alone lack
the benefit of a visual representation of the states. We argue that applying
visual analytics to investigate graph states can be advantageous. To this end,
we introduce GraphStateVis, a web-based application for the visual analysis of
qubit graph states and their stabilizer groups. Our tool facilitates the
interactive construction of a graph through multiple components supported by
linking and brushing. The user can explore graph-state-specific properties,
including the Pauli-weight distribution of its stabilizer operators and noise
thresholds for entanglement criteria. We propose a use case in the context of
near-term quantum algorithms to illustrate the capabilities of our prototype.
We provide access to GraphStateVis as an open-source project and invite the
broader quantum computing and engineering communities to take advantage of this
tool and further boost its development.
- Abstract（参考訳）: 量子状態空間のファソムアウトは、その指数的に増加する次元性のために難しい取り組みである。
表現性に縛られることを犠牲にして、グラフ状態の離散部分空間と有限部分空間は、安定化形式による理論的なツールキットを伴う絵の枠組みを通してより容易に研究できる。
手書きグラフの分析は面倒で時間を要する作業であり、対処可能な問題のサイズに制限を課す。
同様に、隣接行列を用いたアルゴリズムの研究は、状態の視覚的表現の利点を欠いている。
グラフ状態の調査に視覚分析を適用することは有利である。
本稿では,量子ビットグラフ状態とその安定化群を視覚的に解析するための web ベースのアプリケーション graphstatevis を紹介する。
本ツールは,リンクとブラッシングをサポートする複数のコンポーネントによるグラフのインタラクティブな構築を容易にする。
ユーザは、安定作用素のパウリ重み分布や絡み合い基準のノイズ閾値など、グラフ状態固有の特性を探索することができる。
本稿では,プロトタイプの性能を示すために,短期量子アルゴリズムの文脈におけるユースケースを提案する。
オープンソースプロジェクトとしてGraphStateVisにアクセスし、より広範な量子コンピューティングとエンジニアリングコミュニティにこのツールを活用させ、開発をさらに促進させます。
関連論文リスト
- GC-Bench: An Open and Unified Benchmark for Graph Condensation [54.70801435138878]
我々は,グラフ凝縮の性能を解析するための総合的なグラフ凝縮ベンチマーク (GC-Bench) を開発した。
GC-Benchは、グラフ凝縮の特徴を以下の次元で体系的に研究している。
我々は,再現性のある研究を容易にするために,異なるGC手法を訓練し,評価するための簡易ライブラリを開発した。
論文 参考訳（メタデータ） (2024-06-30T07:47:34Z) - HUGE: Huge Unsupervised Graph Embeddings with TPUs [6.108914274067702]
グラフ埋め込み(Graph Embedding)は、グラフ内のノードを連続的に表現するプロセスである。
高帯域幅メモリを利用した高性能グラフ埋め込みアーキテクチャを提案する。
実・合成大規模データセット上での埋め込み空間の品質を検証する。
論文 参考訳（メタデータ） (2023-07-26T20:29:15Z) - Bures-Wasserstein Means of Graphs [60.42414991820453]
本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。
この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。
我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
論文 参考訳（メタデータ） (2023-05-31T11:04:53Z) - Graph-theoretical optimization of fusion-based graph state generation [0.0]
我々は,PythonパッケージのOpsGraphStateとともに,任意のグラフ状態の融合ベースの生成を効果的に最適化するグラフ理論戦略を提案する。
我々の戦略は、対象のグラフ状態を単純化し、融合ネットワークを構築し、融合の順序を決定する3つの段階からなる。
論文 参考訳（メタデータ） (2023-04-24T10:46:54Z) - Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。
近年の研究では、グラフ表現学習における事前学習の有用性が示されている。
本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
論文 参考訳（メタデータ） (2023-02-06T16:26:29Z) - Bringing Your Own View: Graph Contrastive Learning without Prefabricated
Data Augmentations [94.41860307845812]
Self-supervisionは最近、グラフ学習の新しいフロンティアに力を入れている。
GraphCLは、グラフデータ拡張のアドホックな手作業による選択によって反映されたプレハブ付きプリファブリックを使用する。
グラフ生成器のパラメータ空間における学習可能な連続前処理へと拡張した。
我々は、情報最小化(InfoMin)と情報ボトルネック(InfoBN)の2つの原則を利用して、学習した事前情報を規則化する。
論文 参考訳（メタデータ） (2022-01-04T15:49:18Z) - Graph Structure Learning with Variational Information Bottleneck [70.62851953251253]
本稿では,新しい変分情報ボトルネックガイド付きグラフ構造学習フレームワーク,すなわちVIB-GSLを提案する。
VIB-GSLは情報的かつ圧縮的なグラフ構造を学習し、特定の下流タスクに対して実行可能な情報を蒸留する。
論文 参考訳（メタデータ） (2021-12-16T14:22:13Z) - Understanding graph embedding methods and their applications [1.14219428942199]
グラフ埋め込み技術は、高次元スパースグラフを低次元密度連続ベクトル空間に変換するのに有効である。
生成した非線形かつ高情報性の高いグラフ埋め込みは、異なる下流グラフ解析タスクに便利に利用することができる。
論文 参考訳（メタデータ） (2020-12-15T00:30:22Z) - Understanding Coarsening for Embedding Large-Scale Graphs [3.6739949215165164]
機械学習(ML)アルゴリズムによるグラフの適切な解析は、研究や産業の多くの分野において、より深い洞察をもたらす可能性がある。
グラフデータの不規則構造は、グラフ上でMLタスクを実行するための障害を構成する。
本研究では, 粗大化品質が埋込み性能に及ぼす影響を, 速度と精度の両方で解析する。
論文 参考訳（メタデータ） (2020-09-10T15:06:33Z) - GraphOpt: Learning Optimization Models of Graph Formation [72.75384705298303]
本稿では,グラフ構造形成の暗黙的モデルを学ぶエンドツーエンドフレームワークを提案し,その基盤となる最適化機構を明らかにする。
学習した目的は、観測されたグラフプロパティの説明として機能し、ドメイン内の異なるグラフを渡すために自分自身を貸すことができる。
GraphOptは、グラフ内のリンク生成をシーケンシャルな意思決定プロセスとして、最大エントロピー逆強化学習アルゴリズムを用いて解決する。
論文 参考訳（メタデータ） (2020-07-07T16:51:39Z) - Homology-Preserving Multi-Scale Graph Skeletonization Using Mapper on
Graphs [5.86893539706548]
本稿では、トポロジカルデータ解析の一般的なツールであるmapper構築をグラフ視覚化に適用することを提案する。
我々は,グラフのホモロジー保存骨格を生成するモグ (mog) と呼ばれる,重み付けされた非方向グラフを対象とするマッパー構成のバリエーションを開発する。
我々は,このような骨格のインタラクティブな探索を可能にするソフトウェアツールを提供し,本手法の合成および実世界のデータに対する有効性を実証する。
論文 参考訳（メタデータ） (2018-04-03T19:18:36Z)
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。