論文の概要: Efficient quantum state tomography with convolutional neural networks

• arxiv url: http://arxiv.org/abs/2109.13776v2
• Date: Mon, 26 Sep 2022 09:56:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 07:39:41.776693
• Title: Efficient quantum state tomography with convolutional neural networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いた効率的な量子状態トモグラフィ
• Authors: Tobias Schmale, Moritz Reh, Martin G\"arttner
• Abstract要約: 我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。 実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
• 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: Modern day quantum simulators can prepare a wide variety of quantum states but the accurate estimation of observables from tomographic measurement data often poses a challenge. We tackle this problem by developing a quantum state tomography scheme which relies on approximating the probability distribution over the outcomes of an informationally complete measurement in a variational manifold represented by a convolutional neural network. We show an excellent representability of prototypical ground- and steady states with this ansatz using a number of variational parameters that scales polynomially in system size. This compressed representation allows us to reconstruct states with high classical fidelities outperforming standard methods such as maximum likelihood estimation. Furthermore, it achieves a reduction of the estimation error of observables by up to an order of magnitude compared to their direct estimation from experimental data.
• Abstract（参考訳）: 現代の量子シミュレータは、様々な量子状態を生成することができるが、断層計測データから観測可能な正確な推定は、しばしば問題となる。 畳み込みニューラルネットワークで表される変分多様体における情報的完備な測定結果の確率分布を近似する量子状態トモグラフィー手法を開発し,この問題に対処する。 システムサイズを多項式的に拡大する多数の変分パラメータを用いて, このアンザッツを用いて, 原型的基底状態と定常状態の優れた表現性を示す。 この圧縮表現により、最大推定などの標準手法よりも高い古典的忠実度で状態を再構成することができる。 さらに、実験データから直接推定した場合と比較して、観測可能量の推定誤差を最大で1桁削減する。

関連論文リスト

• Statistical learning on randomized data to verify quantum state k-designs [0.0]
  純粋状態のランダムアンサンブルは、量子物理学の様々な側面において非常に重要であることが証明されている。 完全にランダムなアンサンブルを生成するのは 実験的に困難ですが 近似は 同様に有用です ランダム性の度合いを検証することは、多体システム上で完全な量子状態トモグラフィーを実行するのと同様に、高価なタスクである可能性がある。
  論文  参考訳（メタデータ） (2023-05-02T14:46:28Z)
• Quantum state tomography with tensor train cross approximation [84.59270977313619]
  測定条件が最小限であるような状態に対して、完全な量子状態トモグラフィが実行可能であることを示す。 本手法は,非構造状態と局所測定のための最もよく知られたトモグラフィー法よりも指数関数的に少ない状態コピーを必要とする。
  論文  参考訳（メタデータ） (2022-07-13T17:56:28Z)
• 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)
• Learning quantum many-body systems from a few copies [1.5229257192293197]
  量子状態の物理特性を測定から推定することは、量子科学における最も基本的なタスクの1つである。 我々は、状態の準局所観測値の期待値を推測できる状態の条件を特定する。 そこで本研究では,最新トモグラフィープロトコルのコピー数に対する指数関数的改善が実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-07T16:21:51Z)
• Importance sampling of randomized measurements for probing entanglement [0.0]
  ランダム化計測プロトコルと重要サンプリングを組み合わせることで、より大きな量子系における絡み合いを特徴づけることができることを示す。 量子状態の部分的情報を用いて、機械学習とテンソルネットワークを用いて、統計的誤差の劇的な低減を求める。
  論文  参考訳（メタデータ） (2021-02-26T14:55:53Z)
• 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)
• Estimation of pure quantum states in high dimension at the limit of quantum accuracy through complex optimization and statistical inference [0.0]
  量子トモグラフィーは、量子状態、プロセス、デバイスを評価するための重要なツールとなっている。 単一2次元量子系適応法の混合状態の場合, 林, ギル, マッサーによる理論的精度限界を達成するために, 最近導入されている。 本稿では、適応トモグラフィー法を提案し、数値シミュレーションを通して、高次元の純量子状態の基本的な精度にアプローチ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） (2020-07-02T21:33:16Z)
• State preparation and measurement in a quantum simulation of the O(3) sigma model [65.01359242860215]
  我々は,非線型O(3)シグマモデルの固定点が,格子サイトあたり2キュービットしか持たないスピンモデルの量子相転移付近で再現可能であることを示す。 本稿では,弱い結合状態と量子臨界状態の両方において,断熱的基底状態の準備が複雑になる結果を得るためにトロッター法を適用した。 非単位ランダム化シミュレーション法に基づく量子アルゴリズムの提案と解析を行う。
  論文  参考訳（メタデータ） (2020-06-28T23:44:12Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)
• Direct estimation of quantum coherence by collective measurements [54.97898890263183]
  量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。 本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。 本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
  論文  参考訳（メタデータ） (2020-01-06T03:50:42Z)

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。