論文の概要: Extract the Degradation Information in Squeezed States with Machine Learning

• arxiv url: http://arxiv.org/abs/2106.04058v2
• Date: Tue, 12 Oct 2021 02:50:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 06:52:01.717876
• Title: Extract the Degradation Information in Squeezed States with Machine Learning
• Title（参考訳）: 機械学習によるスクイーズ状態の劣化情報の抽出
• Authors: Hsien-Yi Hsieh, Yi-Ru Chen, Hsun-Chung Wu, Huali Chen, Jingyu Ning, Yao-Chin Huang, Chien-Ming Wu, and Ray-Kuang Lee
• Abstract要約: 畳み込みニューラルネットワークを用いて連続変数に対する高速で頑健で高精度な量子状態トモグラフィーを示す。 解凍レベルが20ドルより高い場合でも、その忠実度は0.99ドルまで高いままである。
• 参考スコア（独自算出の注目度）: 3.3165386268124615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In order to leverage the full power of quantum noise squeezing with unavoidable decoherence, a complete understanding of the degradation in the purity of squeezed light is demanded. By implementing machine learning architecture with a convolutional neural network, we illustrate a fast, robust, and precise quantum state tomography for continuous variables, through the experimentally measured data generated from the balanced homodyne detectors. Compared with the maximum likelihood estimation method, which suffers from time-consuming and over-fitting problems, a well-trained machine fed with squeezed vacuum and squeezed thermal states can complete the task of reconstruction of the density matrix in less than one second. Moreover, the resulting fidelity remains as high as $0.99$ even when the anti-squeezing level is higher than $20$~dB. Compared with the phase noise and loss mechanisms coupled from the environment and surrounding vacuum, experimentally, the degradation information is unveiled with machine learning for low and high noisy scenarios, i.e., with the anti-squeezing levels at $12$~dB and $18$~dB, respectively. Our neural network enhanced quantum state tomography provides the metrics to give physical descriptions of every feature observed in the quantum state with a single-shot measurement and paves a way of exploring large-scale quantum systems in real-time.
• Abstract（参考訳）: 不可避なデコヒーレンスで絞り込む量子ノイズのフルパワーを活用するために、絞り込み光の純度劣化の完全な理解が要求される。 畳み込みニューラルネットワークを用いて機械学習アーキテクチャを実装することにより、バランスの取れたホモダイン検出器から生成された実験的なデータを通して、連続変数に対する高速で堅牢で正確な量子状態トモグラフィーを記述する。 時間的および過度に適合する問題に悩まされる最大推定法と比較して, 減圧真空および減圧熱状態が供給されるよく訓練された機械は, 密度行列を1秒未満で復元するタスクを完了することができる。 さらに、結果の忠実度は、squeezingレベルが$20$~dbよりも高い場合でも$0.99$である。 環境と周囲の真空とを結合した位相雑音と損失機構と比較すると、劣化情報は、低騒音と高騒音のシナリオ、すなわち、それぞれ12ドル〜dbと18ドル〜dbという、機械学習によって明らかにされる。 我々のニューラルネットワーク拡張量子状態トモグラフィーは、単一ショットで観測された全ての特徴を物理的に説明するためのメトリクスを提供し、大規模量子システムをリアルタイムに探索する方法を舗装する。

関連論文リスト

• Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
  本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。 単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
  論文  参考訳（メタデータ） (2024-03-28T19:29:12Z)
• Readout error mitigated quantum state tomography tested on superconducting qubits [0.0]
  量子二レベルオブジェクト(量子ビット)からなるシステムで見られる現実的なノイズを補正するための読み出し誤差軽減機能をテストする。 状態トモグラフィーの文脈で読み出し誤差を軽減することにより、この手法は主に読み出しモード、アーキテクチャー、ノイズ源、量子状態非依存となる。 読み出し誤差を低減させるノイズ源を同定し,読み出し回数を最大30倍に削減した。
  論文  参考訳（メタデータ） (2023-12-07T10:54:17Z)
• Algorithmic Shadow Spectroscopy [0.0]
  ごく少数の回路繰り返し(ショット)と余剰資源(アンシラ量子ビット)を使わずにエネルギーギャップを推定するためのシミュレータ非依存の量子アルゴリズムを提案する。 我々は,本手法が実用的には直感的に使いやすく,ゲートノイズに対して頑健であり,新しいタイプのアルゴリズム的エラー軽減手法であり,時間ステップ当たり10ショットという通常の近距離量子アルゴリズムよりも桁違いに少ないショット数を用いることを実証した。
  論文  参考訳（メタデータ） (2022-12-21T14:23:48Z)
• 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)
• Suppressing Amplitude Damping in Trapped Ions: Discrete Weak Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
  この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。 振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。 このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
  論文  参考訳（メタデータ） (2022-09-06T18:18:41Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• On how neural networks enhance quantum state tomography with constrained measurements [3.1866319932300953]
  本稿では,深部ニューラルネットワークを用いた量子状態トモグラフィ(DNN-QST)アプローチを提案する。 DNN-QSTは、限られた測定資源を持つ量子状態トモグラフィーにおいて高い忠実性を達成する大きな可能性を示し、トモグラフィー測定がノイズに悩まされた場合の予測を改善することができる。
  論文  参考訳（メタデータ） (2021-11-18T03:46:37Z)
• Machine Learning for Continuous Quantum Error Correction on Superconducting Qubits [1.8249709209063887]
  連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。 本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-20T05:13:37Z)
• Continuous-time dynamics and error scaling of noisy highly-entangling quantum circuits [58.720142291102135]
  最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。 我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。 動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
  論文  参考訳（メタデータ） (2021-02-08T14:55:44Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)

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。