論文の概要: Scqubits: a Python package for superconducting qubits
- arxiv url: http://arxiv.org/abs/2107.08552v2
- Date: Sun, 14 Nov 2021 21:44:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 23:10:37.025882
- Title: Scqubits: a Python package for superconducting qubits
- Title（参考訳）: scqubits: 超伝導キュービットのためのpythonパッケージ
- Authors: Peter Groszkowski and Jens Koch
- Abstract要約: $textbfscqubits$は、超伝導回路をシミュレートし解析するためのオープンソースのPythonパッケージである。
トランスモン、フラクソニウム、フラックス、cos(2$phi$)、0-pi$ qubitなどの一般的な超伝導量子ビットのエネルギースペクトルを得るのに便利なルーチンを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: $\textbf{scqubits}$ is an open-source Python package for simulating and
analyzing superconducting circuits. It provides convenient routines to obtain
energy spectra of common superconducting qubits, such as the transmon,
fluxonium, flux, cos(2$\phi$) and the 0-$\pi$ qubit. $\textbf{scqubits}$ also
features a number of options for visualizing the computed spectral data,
including plots of energy levels as a function of external parameters, display
of matrix elements of various operators as well as means to easily plot qubit
wavefunctions. Many of these tools are not limited to single qubits, but extend
to composite Hilbert spaces consisting of coupled superconducting qubits and
harmonic (or weakly anharmonic) modes. The library provides an extensive suite
of methods for estimating qubit coherence times due to a variety of commonly
considered noise channels. While all functionality of $\textbf{scqubits}$ can
be accessed programatically, the package also implements GUI-like widgets that,
with a few clicks can help users both create relevant Python objects, as well
as explore their properties through various plots. When applicable, the library
harnesses the computing power of multiple cores via multiprocessing.
$\textbf{scqubits}$ further exposes a direct interface to the Quantum Toolbox
in Python (QuTiP) package, allowing the user to efficiently leverage QuTiP's
proven capabilities for simulating time evolution.
- Abstract（参考訳）: $\textbf{scqubits}$は、超伝導回路のシミュレーションと解析のためのオープンソースのpythonパッケージである。
トランスモン、フラクソニウム、フラックス、cos(2$\phi$)、0-$\pi$ qubitなどの一般的な超伝導量子ビットのエネルギースペクトルを得るのに便利なルーチンを提供する。
$\textbf{scqubits}$はまた、外部パラメータの関数としてのエネルギーレベルのプロット、様々な演算子の行列要素の表示、およびキュービット波動関数を簡単にプロットする手段など、計算されたスペクトルデータを視覚化する多くのオプションを備えている。
これらのツールの多くは単一の量子ビットに限らず、結合した超伝導量子ビットと調和モード(あるいは弱い非調和モード)からなる複合ヒルベルト空間に拡張される。
このライブラリは、様々なノイズチャネルにより、キュービットのコヒーレンス時間を推定するための、幅広い手法を提供する。
textbf{scqubits}$のすべての機能はプログラム的にアクセス可能だが、パッケージにはguiのようなウィジェットも実装されており、数クリックで関連するpythonオブジェクトの作成と、さまざまなプロットによるプロパティの探索が可能になる。
適用すると、ライブラリはマルチプロセッシングによって複数のコアの計算能力を利用する。
さらに$\textbf{scqubits}$は、python(qutip)パッケージのquantum toolboxへの直接インターフェースを公開し、ユーザが時間発展をシミュレートするqutipの実績のある機能を効率的に活用できるようにする。
関連論文リスト
- pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - UncertaintyPlayground: A Fast and Simplified Python Library for
Uncertainty Estimation [0.0]
UncertaintyPlaygroundはPyTorchとGPyTorch上に構築されたPythonライブラリで、教師付き学習タスクの不確かさを推定する。
このライブラリは、ガウスおよびマルチモーダルな結果分布の高速なトレーニングを提供する。
1つ以上のインスタンスの予測間隔を視覚化することができる。
論文 参考訳（メタデータ） (2023-10-23T18:36:54Z) - Interpreting Deep Neural Networks with the Package innsight [0.951828574518325]
innsightは一般的に、ニューラルネットワークのための機能属性メソッドを実装する最初のRパッケージである。
ディープラーニングライブラリとは独立して動作し、任意のRパッケージからモデルの解釈を可能にする。
Innsightは、トーチパッケージの高速かつ効率的な配列計算から内部的に恩恵を受ける。
論文 参考訳（メタデータ） (2023-06-19T10:12:32Z) - PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time
Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。
これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文 参考訳（メタデータ） (2023-05-30T07:57:05Z) - A Law of Robustness beyond Isoperimetry [84.33752026418045]
我々は、任意の分布上でニューラルネットワークパラメータを補間する頑健性の低い$Omega(sqrtn/p)$を証明した。
次に、$n=mathrmpoly(d)$のとき、スムーズなデータに対する過度なパラメータ化の利点を示す。
我々は、$n=exp(omega(d))$ のとき、$O(1)$-Lipschitz の頑健な補間関数の存在を否定する。
論文 参考訳（メタデータ） (2022-02-23T16:10:23Z) - TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。
Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
論文 参考訳（メタデータ） (2021-12-19T19:26:17Z) - Implementing a Fast Unbounded Quantum Fanout Gate Using Power-Law
Interactions [0.9634136878988853]
距離において1/ラルファ$の強度が減衰するパワーロー相互作用は、情報処理のための実験的に実現可能な資源を提供する。
我々はこれらの相互作用のパワーを活用して、任意の数のターゲットを持つ高速量子ファンアウトゲートを実装する。
我々は、ファリングが古典的に難解であるという標準的な仮定の下で、$alpha le D$ のパワーロー系は、短時間でも古典的にシミュレートすることは困難であることを示す。
論文 参考訳（メタデータ） (2020-07-01T18:00:00Z) - MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。
このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
論文 参考訳（メタデータ） (2020-02-09T23:34:49Z) - DFTpy: An efficient and object-oriented platform for orbital-free DFT
simulations [55.41644538483948]
本稿では、Python 3で完全に書かれたOFDFTを実装したオープンソースソフトウェアであるDFTpyを紹介する。
本稿では,1CPUで計算したアルミニウムの100万原子系の電子構造について紹介する。
DFTpyはMITライセンスでリリースされている。
論文 参考訳（メタデータ） (2020-02-07T19:07:41Z)
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。