論文の概要: On how neural networks enhance quantum state tomography with constrained
measurements
- arxiv url: http://arxiv.org/abs/2111.09504v2
- Date: Wed, 2 Aug 2023 04:40:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 18:33:03.233012
- Title: On how neural networks enhance quantum state tomography with constrained
measurements
- Title(参考訳): 制約測定による量子状態トモグラフィーのニューラルネットワークによる拡張に関する研究
- Authors: Hailan Ma, Daoyi Dong, Ian R. Petersen, Chang-Jiang Huang, Guo-Yong
Xiang
- Abstract要約: 本稿では,深部ニューラルネットワークを用いた量子状態トモグラフィ(DNN-QST)アプローチを提案する。
DNN-QSTは、限られた測定資源を持つ量子状態トモグラフィーにおいて高い忠実性を達成する大きな可能性を示し、トモグラフィー測定がノイズに悩まされた場合の予測を改善することができる。
- 参考スコア(独自算出の注目度): 3.1866319932300953
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum state tomography aiming at reconstructing the density matrix of a
quantum state plays an important role in various emerging quantum technologies.
Inspired by the intuition that machine learning has favorable robustness and
generalization, we propose a deep neural networks based quantum state
tomography (DNN-QST) approach, which are applied to three
measurement-constrained cases, including few measurement copies and incomplete
measurements as well as noisy measurements. Numerical results demonstrate that
DNN-QST exhibits a great potential to achieve high fidelity for quantum state
tomography with limited measurement resources and can achieve improved
estimation when tomographic measurements suffer from noise. In addition, the
results for 2-qubit states from quantum optical devices demonstrate the
generalization of DNN-QST and its robustness against possible error in the
experimental devices.
- Abstract(参考訳): 量子状態の密度行列の再構成を目的とした量子状態トモグラフィーは、様々な新興量子技術において重要な役割を果たす。
機械学習はロバスト性と一般化に適しているという直観に触発されて,深層ニューラルネットワークを用いた量子状態トモグラフィ(dnn-qst)手法を提案する。
数値計算により,DNN-QSTは測定資源が限られている量子状態トモグラフィーにおいて高い忠実性を実現する大きな可能性を示し,トモグラフィ計測がノイズに悩まされる際の推定精度の向上を図っている。
さらに、量子光学デバイスからの2量子状態の結果は、DNN-QSTの一般化と、実験装置における潜在的なエラーに対する堅牢性を示す。
関連論文リスト
- Scalable Quantum State Tomography with Locally Purified Density Operators and Local Measurements [17.38734393793605]
量子状態の効率的な表現により、最小限の測定で量子状態トモグラフィを実現することができる。
そこで本稿では,混合状態のテンソルネットワーク表現を用いた状態トモグラフィの新しいアプローチを提案する。
本研究では,テンソルネットワーク形式を用いた2次元システムのための量子状態トモグラフィの新たな道を開く。
論文 参考訳(メタデータ) (2023-07-31T03:14:31Z) - Neural-Shadow Quantum State Tomography [0.0]
NSQST(Neural-Shadow quantum state tomography)は、ニューラルネットワークベースのQSTプロトコルである。
対象状態の古典的影を用いて不忠実さを推定する。
NSQSTは、誤差を緩和することなく、様々な種類のノイズに対して堅牢である。
論文 参考訳(メタデータ) (2023-05-01T20:23:57Z) - 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) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳(メタデータ) (2022-10-03T09:32:28Z) - 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) - Convergence of reconstructed density matrix to a pure state using
maximal entropy approach [4.084744267747294]
量子系の密度行列を任意の量子ビットに対して純粋な状態に完全に再構成するためのQSTの代替手法を提案する。
我々のゴールは、実際の量子コンピュータにおける量子エラー軽減の分野に応用できる純粋状態の量子システムの実用的な推論を提供することである。
論文 参考訳(メタデータ) (2021-07-02T16:58:26Z) - On exploring practical potentials of quantum auto-encoder with
advantages [92.19792304214303]
量子オートエンコーダ(QAE)は、量子物理学で遭遇する次元の呪いを和らげるための強力なツールである。
我々はQAEを用いて固有値を効率的に計算し、高次元量子状態の対応する固有ベクトルを作成できることを証明した。
低ランク状態の忠実度推定,量子ギブス状態準備,量子メトロジーの課題を解決するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
論文 参考訳(メタデータ) (2021-06-29T14:01:40Z) - Bidirectional information flow quantum state tomography [0.0]
双方向Gated Recurrent Unit Neural Network (BiGRU) に基づく量子状態トモグラフィー法を提案する。
この方法では、これらの量子状態を再構成し、高い忠実度を得るために、より少ない測定サンプルを使用できる。
論文 参考訳(メタデータ) (2021-03-31T02:57:27Z) - 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) - 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) - 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。
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。