Fugu-MT 論文翻訳(概要): Topology identification of autonomous quantum dynamical networks

論文の概要: Topology identification of autonomous quantum dynamical networks

arxiv url: http://arxiv.org/abs/2111.00812v2
Date: Mon, 16 May 2022 13:32:25 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 17:09:07.156780
Title: Topology identification of autonomous quantum dynamical networks
Title（参考訳）: 自律量子力学ネットワークのトポロジー同定
Authors: Stefano Gherardini, Henk J. van Waarde, Pietro Tesi, Filippo Caruso
Abstract要約: 自律量子力学ネットワークにおけるトポロジー同定問題の可解性に関する解析条件を提供する。得られたアルゴリズムは、量子ウォーク形式に基づく数値的な例に基づくハミルトン再構成のために試験される。
参考スコア（独自算出の注目度）: 5.161531917413708
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Topology identification comprises reconstructing the interaction Hamiltonian of a quantum network by properly processing measurements of its density operator within a fixed time interval. It finds application in several quantum technology contexts, ranging from quantum communication to quantum computing or sensing. In this paper, we provide analytical conditions for the solvability of the topology identification problem for autonomous quantum dynamical networks. The solvability condition is then converted in an algorithm for quantum network reconstruction that is easily implementable on standard computer facilities. The obtained algorithm is tested for Hamiltonian reconstruction on numerical examples based on the quantum walks formalism.
Abstract（参考訳）: トポロジー同定は、量子ネットワークの相互作用ハミルトニアンを一定時間間隔でその密度作用素の測定を適切に処理することで再構成する。量子通信から量子コンピューティング、センシングまで、いくつかの量子技術コンテキストで応用されている。本稿では,自律的量子力学ネットワークにおけるトポロジー識別問題の解法に関する解析条件を提案する。ソルバビリティ条件は量子ネットワーク再構成のためのアルゴリズムに変換され、標準的なコンピュータ設備で容易に実装できる。得られたアルゴリズムは、量子ウォーク形式に基づく数値的な例に基づくハミルトン再構成のために試験される。

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)
Direct Probe of Topology and Geometry of Quantum States on IBM Q [2.7801206308522417]
量子幾何テンソル(QGT)の密度行列形式は、量子回路上のパウリ作用素の測定から明示的に再構成可能であることを示す。我々は,IBM量子コンピュータに適した2つのアルゴリズムを提案し,直接QGTを探索する。 IBM Qから得られた明示的な結果として、チャーン絶縁体モデルを示し分析する。
論文参考訳（メタデータ） (2024-03-21T09:18:16Z)
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)
Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文参考訳（メタデータ） (2021-12-27T21:15:35Z)
Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-05-30T12:19:27Z)
Reconstructing quantum states with quantum reservoir networks [4.724825031148412]
我々は貯水池計算の枠組みに基づく量子状態トモグラフィープラットフォームを導入する。量子ニューラルネットワークを形成し、任意の量子状態を再構築するための包括的なデバイスとして機能する。
論文参考訳（メタデータ） (2020-08-14T14:01:55Z)
Attention-based Quantum Tomography [9.818293236208413]
Attention-based Quantum Tomography は、アテンション機構に基づく生成ネットワークを用いた量子状態再構成である。 AQTは、IBMQ量子コンピュータで実験的に実現されたノイズ量子状態に関連する密度行列を正確に再構成可能であることを示す。
論文参考訳（メタデータ） (2020-06-22T17:50:12Z)
An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文参考訳（メタデータ） (2020-05-06T14:18:44Z)
Quantum Stochastic Walk Models for Quantum State Discrimination [6.85316573653194]
量子ウォーク(QSW)は、量子ウォークと古典的ランダムウォークの両方の一般化を可能にする。このようなシステムにおける量子状態判別の問題を考慮し、ネットワークトポロジの重みを最適化することで解決する。
論文参考訳（メタデータ） (2020-03-30T08:07:12Z)
Quantum State Discrimination on Reconfigurable Noise-Robust Quantum Networks [6.85316573653194]
量子情報処理における根本的な問題は、システムの量子状態の集合の識別である。本稿では、この問題を量子ウォークによって定義されるグラフによって記述されたオープン量子システム上で解決する。ネットワークのパラメータを最適化し、正しい識別の確率を最大化する。
論文参考訳（メタデータ） (2020-03-25T19:07:03Z)
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。