Fugu-MT 論文翻訳(概要): Efficient Quantum State Tomography with Mode-assisted Training

論文の概要: Efficient Quantum State Tomography with Mode-assisted Training

arxiv url: http://arxiv.org/abs/2112.14866v3
Date: Tue, 27 Sep 2022 06:27:49 GMT
ステータス: 処理完了
システム内更新日: 2023-03-02 23:09:08.279686
Title: Efficient Quantum State Tomography with Mode-assisted Training
Title（参考訳）: モードアシストトレーニングによる効率的な量子状態トモグラフィ
Authors: Yuan-Hang Zhang and Massimiliano Di Ventra
Abstract要約: NN配信のモードを介してグローバル情報を提供するモード支援トレーニングを提案する。この方法は制限されたボルツマンマシンを用いた量子状態トモグラフィーに応用される。
参考スコア（独自算出の注目度）: 8.761355402590105
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neural networks (NNs) representing quantum states are typically trained using Markov chain Monte Carlo based methods. However, unless specifically designed, such samplers only consist of local moves, making the slow-mixing problem prominent even for extremely simple quantum states. Here, we propose to use mode-assisted training that provides global information via the modes of the NN distribution. Applied to quantum state tomography using restricted Boltzmann machines, this method improves the quality of reconstructed quantum states by orders of magnitude. The method is applicable to other types of NNs and may efficiently tackle problems previously unmanageable.
Abstract（参考訳）: 量子状態を表すニューラルネットワーク(NN)は通常、マルコフ連鎖モンテカルロ法を用いて訓練される。しかし、特別に設計されない限り、これらのサンプリング器は局所運動のみで構成されており、非常に単純な量子状態においてもスロー混合問題は顕著である。本稿では,NN配信のモードを介してグローバル情報を提供するモード支援トレーニングを提案する。制限ボルツマンマシンを用いた量子状態トモグラフィに適用することにより、再構成量子状態の品質を桁違いに向上させる。この手法は他のNNにも適用でき、以前は管理不能だった問題に効果的に取り組むことができる。

関連論文リスト

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)
Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文参考訳（メタデータ） (2022-08-29T15:24:03Z)
Nonuniform-to-Uniform Quantization: Towards Accurate Quantization via Generalized Straight-Through Estimation [48.838691414561694]
非一様量子化(英: Nonuniform-to-Uniform Quantization、N2UQ)は、ハードウェアフレンドリーで効率的な非一様法の強力な表現能力を維持できる方法である。 N2UQはImageNet上で最先端の非一様量子化法を0.71.8%上回る。
論文参考訳（メタデータ） (2021-11-29T18:59:55Z)
Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)
Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
論文参考訳（メタデータ） (2021-03-12T20:58:41Z)
Mixed State Entanglement Classification using Artificial Neural Networks [0.0]
分離型ニューラルネットワーク量子状態は、絡み合い特性が明示的にプログラム可能である量子状態のパラメータ化に、ニューラルネットワークにインスパイアされた。我々は、SNNSを混合多部状態に拡張し、複雑に絡み合った量子系を研究するための汎用的で効率的なツールを提供する。
論文参考訳（メタデータ） (2021-02-11T14:59:24Z)
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)
Quantum Pure State Tomography via Variational Hybrid Quantum-Classical Method [8.028037262377458]
本稿では,変分型ハイブリッド量子古典法に基づく自己学習トモグラフィー手法を提案する。さらに, 4-qubit核磁気共鳴技術を用いて実験を行った。
論文参考訳（メタデータ） (2020-01-16T14:07:27Z)
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。