Fugu-MT 論文翻訳(概要): Neural networks for quantum state tomography with constrained measurements

論文の概要: Neural networks for quantum state tomography with constrained measurements

arxiv url: http://arxiv.org/abs/2111.09504v3
Date: Fri, 28 Mar 2025 10:14:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-31 15:28:06.851595
Title: Neural networks for 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ためのニューラルネットワーク
Authors: Hailan Ma, Daoyi Dong, Ian R. Petersen, Chang-Jiang Huang, Guo-Yong Xiang,
Abstract要約: 量子状態トモグラフィ(QST)は、量子状態の密度行列を再構成することを目的としている。我々は,制約測定シナリオ下でのQSTのための統合ニューラルネットワーク(NN)ベースのアプローチを開発する。
参考スコア（独自算出の注目度）: 3.1864997850429435
License:
Abstract: Quantum state tomography (QST) aiming at reconstructing the density matrix of a quantum state plays an important role in various emerging quantum technologies. Recognizing the challenges posed by imperfect measurement data, we develop a unified neural network(NN)-based approach for QST under constrained measurement scenarios, including limited measurement copies, incomplete measurements, and noisy measurements. Through comprehensive comparison with other estimation methods, we demonstrate that our method improves the estimation accuracy in scenarios with limited measurement resources, showcasing notable robustness in noisy measurement settings. These findings highlight the capability of NNs to enhance QST with constrained measurements.
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(QST)は、様々な新興量子技術において重要な役割を果たす。不完全な測定データによって引き起こされる課題を認識し、限定された測定シナリオの下で、QSTのための統一ニューラルネットワーク(NN)ベースのアプローチを開発する。提案手法は,他の推定手法と総合的に比較することにより,限られた測定資源を持つシナリオにおける推定精度を向上し,ノイズ測定設定における顕著なロバスト性を示すことを示す。これらの結果から, NNによるQSTの強化効果が示唆された。

関連論文リスト

Universal Quantum Tomography With Deep Neural Networks [0.0]
純量子状態トモグラフィーと混合量子状態トモグラフィーの両方に対する2つのニューラルネットワークに基づくアプローチを提案する。提案手法は,実験データから混合量子状態の再構成を行なえることを示す。
論文参考訳（メタデータ） (2024-07-01T19:09:18Z)
Corrupted sensing quantum state tomography [0.0]
本稿では, 量子状態と構造ノイズの同時再構成を可能にする, 劣化検出型量子状態トモグラフィの概念を提案する。ノイズの多い量子システムにおいて、量子トモグラフィーのコストと計算労力を大幅に削減するために、これらの技術が実用的なツールとなることが考えられている。
論文参考訳（メタデータ） (2024-05-23T10:13:59Z)
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代替手法を提案する。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ーの道を開く。
論文参考訳（メタデータ） (2023-07-31T03:14:31Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
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)
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。