論文の概要: Variational Quantum Anomaly Detection: Unsupervised mapping of phase diagrams on a physical quantum computer

• arxiv url: http://arxiv.org/abs/2106.07912v2
• Date: Thu, 6 Jan 2022 17:05:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-26 15:41:31.573755
• Title: Variational Quantum Anomaly Detection: Unsupervised mapping of phase diagrams on a physical quantum computer
• Title（参考訳）: 変分量子異常検出:物理量子コンピュータ上の位相図の教師なしマッピング
• Authors: Korbinian Kottmann, Friederike Metz, Joana Fraxanet, Niccolo Baldelli
• Abstract要約: 量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。 このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。 現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the most promising applications of quantum computing is simulating quantum many-body systems. However, there is still a need for methods to efficiently investigate these systems in a native way, capturing their full complexity. Here, we propose variational quantum anomaly detection, an unsupervised quantum machine learning algorithm to analyze quantum data from quantum simulation. The algorithm is used to extract the phase diagram of a system with no prior physical knowledge and can be performed end-to-end on the same quantum device that the system is simulated on. We showcase its capabilities by mapping out the phase diagram of the one-dimensional extended Bose Hubbard model with dimerized hoppings, which exhibits a symmetry protected topological phase. Further, we show that it can be used with readily accessible devices nowadays and perform the algorithm on a real quantum computer.
• Abstract（参考訳）: 量子コンピューティングの最も有望な応用の1つは、量子多体系のシミュレーションである。 しかし、これらのシステムをネイティブな方法で効率的に調査する手法が必要であり、その完全な複雑さを捉える必要がある。 本稿では,量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。 このアルゴリズムは、事前の物理的知識のないシステムのフェーズダイアグラムを抽出するために使用され、シミュレーションされたシステムと同じ量子デバイス上でエンドツーエンドに実行できる。 1次元拡張ボースハバード模型の位相図を、対称性が保護された位相位相相を示す二元化ホッピングにマッピングすることにより、その能力を示す。 さらに,近年はアクセスしやすいデバイスで使用でき,実際の量子コンピュータ上でアルゴリズムを実行することができることを示す。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• 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)
• Adaptive variational simulation for open quantum systems [0.25602836891933073]
  オープン量子系力学をシミュレートするための適応型変分量子アルゴリズムを提案する。 この結果から、近未来量子プロセッサはオープン量子系をシミュレートできることを示した。
  論文  参考訳（メタデータ） (2023-05-11T16:00:13Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Scalable Simulation of Quantum Measurement Process with Quantum Computers [13.14263204660076]
  量子計測過程をエミュレートする量子ビットモデルを提案する。 1つのモデルは単一光子検出によって動機付けされ、もう1つはスピン測定によって動機付けされる。 我々はSchr"odinger cat-like状態を生成し、それに対応する量子回路を明示的に示す。
  論文  参考訳（メタデータ） (2022-06-28T14:21:43Z)
• The Coming Decades of Quantum Simulation [0.0]
  我々は、様々な量子シミュレーション(ノイズ中間スケール量子、NISQ)デバイス、アナログおよびデジタル量子シミュレータ、および量子アニールに焦点をあてる。 このようなシステムには、物理的システムの量子力学を必ずしもシミュレートすることなく、巨大で制御可能な、堅牢で絡み合った、重畳状態を生成するという明確なニーズと要求がある。 これにより、特にデコヒーレンスの制御が可能となり、量子通信にこれらの状態を使用することが可能である。
  論文  参考訳（メタデータ） (2022-04-19T14:02:32Z)
• QuantumSkynet: A High-Dimensional Quantum Computing Simulator [0.0]
  量子コンピューティングシミュレータの現在の実装は、2段階の量子システムに限られている。 高次元量子コンピューティングシステムの最近の進歩は、多層重ね合わせと絡み合いで動くことの可能性を実証している。 我々は,新しい高次元クラウドベースの量子コンピューティングシミュレータQuantumSkynetを紹介する。
  論文  参考訳（メタデータ） (2021-06-30T06:28:18Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
  想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。 本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-24T12:48:00Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Maximal entropy approach for quantum state tomography [3.6344381605841187]
  現在の量子コンピューティングデバイスは、ノイズの多い中間スケール量子$(NISQ$)$デバイスである。 量子トモグラフィーは、観測可能な完全な集合によって量子系の密度行列を再構築しようとする。 本稿では、未知の可観測物の値を予測するために、最大情報エントロピーに基づく量子トモグラフィーの代替手法を提案する。
  論文  参考訳（メタデータ） (2020-09-02T04:39:45Z)

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。