論文の概要: Robust and Efficient Hamiltonian Learning
- arxiv url: http://arxiv.org/abs/2201.00190v4
- Date: Fri, 23 Jun 2023 06:41:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 17:52:57.296116
- Title: Robust and Efficient Hamiltonian Learning
- Title（参考訳）: ロバストかつ効率的なハミルトン学習
- Authors: Wenjun Yu, Jinzhao Sun, Zeyao Han, Xiao Yuan
- Abstract要約: 軽度の仮定に基づいて制限を回避できる頑健で効率的なハミルトン学習法を提案する。
提案手法は,短時間のダイナミクスと局所演算のみを用いて,パウリベースでスパースなハミルトニアンを効率的に学習することができる。
ランダムな相互作用強度と分子ハミルトニアンを持つ横場イジング・ハミルトニアンのスケーリングと推定精度を数値的に検証する。
- 参考スコア（独自算出の注目度）: 2.121963121603413
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the fast development of quantum technology, the sizes of both digital
and analog quantum systems increase drastically. In order to have better
control and understanding of the quantum hardware, an important task is to
characterize the interaction, i.e., to learn the Hamiltonian, which determines
both static and dynamic properties of the system. Conventional Hamiltonian
learning methods either require costly process tomography or adopt impractical
assumptions, such as prior information on the Hamiltonian structure and the
ground or thermal states of the system. In this work, we present a robust and
efficient Hamiltonian learning method that circumvents these limitations based
only on mild assumptions. The proposed method can efficiently learn any
Hamiltonian that is sparse on the Pauli basis using only short-time dynamics
and local operations without any information on the Hamiltonian or preparing
any eigenstates or thermal states. The method has a scalable complexity and a
vanishing failure probability regarding the qubit number. Meanwhile, it
performs robustly given the presence of state preparation and measurement
errors and resiliently against a certain amount of circuit and shot noise. We
numerically test the scaling and the estimation accuracy of the method for
transverse field Ising Hamiltonian with random interaction strengths and
molecular Hamiltonians, both with varying sizes and manually added noise. All
these results verify the robustness and efficacy of the method, paving the way
for a systematic understanding of the dynamics of large quantum systems.
- Abstract（参考訳）: 量子技術の急速な発展に伴い、デジタルとアナログの量子システムのサイズは劇的に増大する。
量子ハードウェアの制御と理解をより良くするために、重要なタスクは相互作用を特徴づけること、すなわち、システムの静的特性と動的特性の両方を決定するハミルトニアンを学ぶことである。
従来のハミルトニアン学習法は高価なプロセストモグラフィーを必要とするか、ハミルトニアン構造の事前情報やシステムの基底状態や熱状態といった非現実的な仮定を採用する必要がある。
本研究では,これらの制約を軽度な仮定に基づいて回避する,堅牢で効率的なハミルトン学習法を提案する。
提案手法は,ハミルトニアンに関する情報や固有状態や熱状態を作成することなく,短時間のダイナミクスと局所操作のみを用いて,パウリ基底で疎いハミルトニアンを効率的に学習することができる。
この方法は、キュービット数に関してスケーラブルな複雑性と消滅する故障確率を有する。
一方、状態準備と測定誤差の存在を十分に考慮し、一定量の回路とショットノイズに対して弾力的に作用する。
本研究では,ランダムな相互作用強度と分子ハミルトニアンを有する横磁場イジングハミルトニアンのスケーリングと推定精度を,サイズや手作業によるノイズの増大とともに数値的に検証した。
これらすべての結果は、この方法のロバスト性と有効性を検証し、大規模量子システムのダイナミクスを体系的に理解する道を開いた。
関連論文リスト
- Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。
このようなシステムに対して動的疎結合が機能する十分な条件を見つける。
私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
論文 参考訳（メタデータ） (2024-09-24T04:58:28Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Hamiltonian truncation tensor networks for quantum field theories [42.2225785045544]
連続場理論の古典的シミュレーションのためのテンソルネットワーク手法を提案する。
この手法はハミルトン・トランケーションとテンソル・ネットワーク技術に基づいて構築されている。
重要な発展の1つは、大域的プロジェクターの行列積状態表現の正確な構成である。
論文 参考訳（メタデータ） (2023-12-19T19:00:02Z) - Quantum Simulation of Boson-Related Hamiltonians: Techniques, Effective
Hamiltonian Construction, and Error Analysis [6.8063130539569]
近未来量子シミュレーションのための最適化フェルミオンアルゴリズムへのボゾン自由度の導入について論じる。
ボゾン自由度の大きさのような厄介な要因は、通常これらの相互作用するモデルの直接量子シミュレーションを複雑にする。
この戦略は、十分に大きく、管理可能なボソニックモードを符号化する適切なフェルミオン/ボソン・ツー・キュービットマッピングスキームを含むべきである。
論文 参考訳（メタデータ） (2023-07-13T06:46:25Z) - Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。
本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文 参考訳（メタデータ） (2023-05-16T19:12:41Z) - Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems [0.47831562043724657]
本稿では,量子状態トモグラフィとハミルトン学習を効果的に融合させるため,変圧器モデルに注意機構を取り入れた新しいアプローチを提案する。
簡単な2量子ビットの場合から、より複雑な2次元反強磁性ハイゼンベルク構造まで、様々な量子系におけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-24T11:20:44Z) - Coarse-grained effective Hamiltonian via the Magnus Expansion for a
three-level system [0.0]
我々は、あいまいさのない有効ハミルトニアンを導出するための体系的なツールとしてマグナス展開を用いる。
量子演算の忠実度を適切に調整した実効ハミルトニアンの精度を検証する。
論文 参考訳（メタデータ） (2022-12-16T14:41:10Z) - Scalably learning quantum many-body Hamiltonians from dynamical data [1.702884126441962]
動的データから多体ハミルトニアンと相互作用する家族を学習するための、高度にスケーラブルでデータ駆動のアプローチを導入する。
当社のアプローチは非常に実用的で,実験的にフレンドリで,本質的にスケーラブルで,100スピンを超えるシステムサイズを実現しています。
論文 参考訳（メタデータ） (2022-09-28T18:00:57Z) - Quantum Causal Unravelling [44.356294905844834]
我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。
我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
論文 参考訳（メタデータ） (2021-09-27T16:28:06Z) - 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) - Learning Quantum Hamiltonians from Single-qubit Measurements [5.609584942407068]
本研究では,1量子ビット計測の時間的記録から,対象ハミルトニアンのパラメータを学習するための繰り返しニューラルネットワークを提案する。
これは時間に依存しないハミルトン群と時間に依存しないハミルトン群の両方に適用できる。
論文 参考訳（メタデータ） (2020-12-23T07:15:20Z)
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。