Fugu-MT 論文翻訳(概要): Operator Delocalization in Quantum Networks

論文の概要: Operator Delocalization in Quantum Networks

arxiv url: http://arxiv.org/abs/2109.05301v1
Date: Sat, 11 Sep 2021 15:25:48 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 11:12:06.686207
Title: Operator Delocalization in Quantum Networks
Title（参考訳）: 量子ネットワークにおける演算子非局在化
Authors: Joonho Kim, Jeff Murugan, Jan Olle, Dario Rosa
Abstract要約: ネットワーク接続が変化するにつれて,異なるサイズの演算子がいかに早く非局在化するかを検討する。これらの非局在化特性はクリロフ複雑性によってよく捉えられ、数値的には、大作用素の効率的な非局在化は十分に連結されたネットワークトポロジー内でのみ起こりうることを示す。
参考スコア（独自算出の注目度）: 3.71630298053787
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We investigate the delocalization of operators in non-chaotic quantum systems whose interactions are encoded in an underlying graph or network. In particular, we study how fast operators of different sizes delocalize as the network connectivity is varied. We argue that these delocalization properties are well captured by Krylov complexity and show, numerically, that efficient delocalization of large operators can only happen within sufficiently connected network topologies. Finally, we demonstrate how this can be used to furnish a deeper understanding of the quantum charging advantage of a class of SYK-like quantum batteries.
Abstract（参考訳）: 基礎となるグラフやネットワークに相互作用を符号化する非カオス量子システムにおける作用素の非局在化について検討する。特に,ネットワーク接続性が変化するにつれて,異なる大きさのオペレータがいかに高速に非局在化するか検討する。これらの非局在化特性はクリロフ複雑性によってよく捉えられ、数値的には、大作用素の効率的な非局在化は十分に連結されたネットワークトポロジー内でのみ起こりうることを示す。最後に、これがSYKのような量子電池のクラスの量子充電の利点をより深く理解するためにどのように使用できるかを実証する。

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)
Distributing quantum correlations through local operations and classical resources [0.0]
我々は,グローバルな量子相関を量子メモリに分散できる,堅牢で物理的に動機づけられたプロトコルを提案する。これに加えて, 分布は測定アウトカム独立であり, 分布は局所的ユニタリ演算と射影測定のみを用いて行われる。
論文参考訳（メタデータ） (2024-08-10T08:42:06Z)
A Scalable Quantum Non-local Neural Network for Image Classification [31.58287931295479]
本稿では、量子非局所ニューラルネットワーク(QNL-Net)と呼ばれる、量子古典的スケーラブルな非局所ニューラルネットワークを紹介する。提案したQNL-Netは、多数の入力特徴の同時処理を可能にするために、固有の量子並列性に依存している。我々は,提案したQNL-Netを,MNISTとCIFAR-10の2値分類と比較した。
論文参考訳（メタデータ） (2024-07-26T17:58:57Z)
Guarantees on the structure of experimental quantum networks [105.13377158844727]
量子ネットワークは、セキュアな通信、ネットワーク量子コンピューティング、分散センシングのためのマルチパーティ量子リソースと多数のノードを接続し、供給する。これらのネットワークのサイズが大きくなるにつれて、認証ツールはそれらの特性に関する質問に答える必要がある。本稿では,ある量子ネットワークにおいて特定の相関が生成できないことを保証するための一般的な方法を示す。
論文参考訳（メタデータ） (2024-03-04T19:00:00Z)
Quantum-enhanced metrology with network states [8.515162179098382]
我々は、大域的パラメータを推定するために量子ネットワーク状態を使用する場合の性能を制限する一般境界を証明した。我々の研究は量子ネットワークにおける量子力学の限界と可能性の両方を確立している。
論文参考訳（メタデータ） (2023-07-15T09:46:35Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Quantum communication complexity beyond Bell nonlocality [87.70068711362255]
効率的な分散コンピューティングは、リソース要求タスクを解決するためのスケーラブルな戦略を提供する。量子リソースはこのタスクに適しており、古典的手法よりも優れた明確な戦略を提供する。我々は,ベルのような不等式に,新たなコミュニケーション複雑性タスクのクラスを関連付けることができることを証明した。
論文参考訳（メタデータ） (2021-06-11T18:00:09Z)
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)
Probing Criticality in Quantum Spin Chains with Neural Networks [0.0]
隠れた層を持たないニューラルネットワークでさえ、磁気秩序と乱れ相の区別を効果的に訓練できることが示される。我々の結果は、相互作用する量子多体系の幅広いクラスに拡張され、多体量子物理学へのニューラルネットワークの広範な適用性を示す。
論文参考訳（メタデータ） (2020-05-05T12:34:50Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。