論文の概要: Simulating macroscopic quantum correlations in linear networks
- arxiv url: http://arxiv.org/abs/2112.13014v1
- Date: Fri, 24 Dec 2021 09:59:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 09:13:52.012058
- Title: Simulating macroscopic quantum correlations in linear networks
- Title(参考訳): 線形ネットワークにおけるマクロ量子相関のシミュレーション
- Authors: A. Dellios, Peter D. Drummond, Bogdan Opanchuk, Run Yan Teh, and
Margaret D. Reid
- Abstract要約: 線形量子ネットワークでさえ、出力光子分布が指数関数的に複雑になるため、自明ではない。
使用される方法は、等価位相空間表現への変換であり、確率的に扱うことができる。
本稿では、量子位相空間技術を説明するためのチュートリアルと、この分野における研究のレビューを提供する。
- 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: Many developing quantum technologies make use of quantum networks of
different types. Even linear quantum networks are nontrivial, as the output
photon distributions can be exponentially complex. Despite this, they can still
be computationally simulated. The methods used are transformations into
equivalent phase-space representations, which can then be treated
probabilistically. This provides an exceptionally useful tool for the
prediction and validation of experimental results, including decoherence. As
well as experiments in Gaussian boson sampling, which are intended to
demonstrate quantum computational advantage, these methods are applicable to
other types of entangled linear quantum networks as well. This paper provides a
tutorial and review of work in this area, to explain quantum phase-space
techniques using the positive-P and Wigner distributions.
- Abstract(参考訳): 多くの発展型量子技術は異なるタイプの量子ネットワークを利用する。
線形量子ネットワークでさえ非自明であり、出力光子分布は指数関数的に複雑である。
しかし、それでも計算シミュレーションは可能である。
使用される方法は等価位相空間表現への変換であり、確率的に扱うことができる。
これはデコヒーレンスを含む実験結果の予測と検証に非常に有用なツールを提供する。
量子計算上の優位性を示すことを意図したガウスボソンサンプリングの実験と同様に、これらの手法は他の種類の絡み合った線形量子ネットワークにも適用できる。
本稿では、この領域における研究のチュートリアルとレビューを行い、正のP分布とウィグナー分布を用いて量子位相空間技術を説明する。
関連論文リスト
- Simulating Gaussian boson sampling quantum computers [68.8204255655161]
実験的なガウスボソンサンプリングネットワークをシミュレートする最近の理論手法について概説する。
主に、量子力学の位相空間表現を使用する手法に焦点を当てる。
GBSの理論、最近の実験、その他の手法についても概説する。
論文 参考訳(メタデータ) (2023-08-02T02:03:31Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Dimension reduction and redundancy removal through successive Schmidt
decompositions [4.084744267747294]
逐次シュミット分解によって得られるテンソル積を用いて行列とベクトルの近似について検討する。
均一, ポアソン, 指数, あるいはこれらの分布に類似した分布を持つデータは, 数項のみを用いて近似できることを示す。
また、量子ハミルトニアンを単純化するためにこの方法を用いる方法を示す。
論文 参考訳(メタデータ) (2023-02-09T17:47:51Z) - Quantum circuits for the preparation of spin eigenfunctions on quantum
computers [63.52264764099532]
ハミルトン対称性は、関連する多粒子波動関数を分類するための重要な道具である。
この研究は、量子コンピュータ上の全スピン固有関数の正確かつ近似的な準備のための量子回路を提示する。
論文 参考訳(メタデータ) (2022-02-19T00:21:46Z) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳(メタデータ) (2021-10-11T18:00:20Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Gaussian boson sampling and multi-particle event optimization by machine
learning in the quantum phase space [0.11421942894219898]
量子位相空間における多体ガウス状態の特性関数を表現するためにニューラルネットワークを用いる。
自動微分によるボソンパターンの確率を計算する。
この結果は、量子技術のための新しいソースと複雑な回路の作成に潜在的に有用である。
論文 参考訳(メタデータ) (2021-02-24T09:08:15Z) - A Derivative-free Method for Quantum Perceptron Training in
Multi-layered Neural Networks [2.962453125262748]
量子パーセプトロンに基づく多層ニューラルネットワークのグラデーションフリー・アプローチ
我々は測定可能な演算子を用いて、マルコフプロセスと整合した方法でネットワークの状態を定義する。
論文 参考訳(メタデータ) (2020-09-23T01:38:34Z) - Scattering in the Ising Model Using Quantum Lanczos Algorithm [0.32228025627337864]
量子コンピュータ上の3点と4点の空間的位置に対する一次元逆イジングモデルにおける一粒子伝播と二粒子散乱をシミュレートする。
その結果, 1粒子と2粒子の遷移振幅, 空間的位置の粒子数, 時間関数としての横磁化の計算が可能となった。
論文 参考訳(メタデータ) (2020-08-20T04:05:52Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。