論文の概要: Direct parameter estimations from machine-learning enhanced quantum state tomography

• arxiv url: http://arxiv.org/abs/2203.16385v1
• Date: Wed, 30 Mar 2022 15:16:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-20 07:05:45.417004
• Title: Direct parameter estimations from machine-learning enhanced quantum state tomography
• Title（参考訳）: 機械学習強化量子状態トモグラフィによる直接パラメータ推定
• Authors: Hsien-Yi Hsieh, Jingyu Ning, Yi-Ru Chen, Hsun-Chung Wu, Hua Li Chen, Chien-Ming Wu, and Ray-Kuang Lee
• Abstract要約: 機械学習による量子状態トモグラフィ(QST)は、量子状態に関する完全な情報を抽出する際の利点を実証している。 我々は,目標パラメータを直接生成することにより,高性能で軽量で容易に教師付き特性モデルを構築する。 このような特性モデルに基づく ML-QST は、ヒルベルト空間を扱う問題を回避することができるが、高い精度で特徴抽出を維持することができる。
• 参考スコア（独自算出の注目度）: 3.459382629188014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the capability to find the best fit to arbitrarily complicated data patterns, machine-learning (ML) enhanced quantum state tomography (QST) has demonstrated its advantages in extracting complete information about the quantum states. Instead of using the reconstruction model in training a truncated density matrix, we develop a high-performance, lightweight, and easy-to-install supervised characteristic model by generating the target parameters directly. Such a characteristic model-based ML-QST can avoid the problem of dealing with large Hilbert space, but keep feature extractions with high precision. With the experimentally measured data generated from the balanced homodyne detectors, we compare the degradation information about quantum noise squeezed states predicted by the reconstruction and characteristic models, both give agreement to the empirically fitting curves obtained from the covariance method. Such a ML-QST with direct parameter estimations illustrates a crucial diagnostic toolbox for applications with squeezed states, including advanced gravitational wave detectors, quantum metrology, macroscopic quantum state generation, and quantum information process.
• Abstract（参考訳）: 任意の複雑なデータパターンに最適なデータを見つける能力によって、機械学習(ML)強化量子状態トモグラフィ(QST)は、量子状態に関する完全な情報を抽出する際の利点を証明している。 トラッピング密度行列のトレーニングに再構成モデルを使用する代わりに、ターゲットパラメータを直接生成することにより、高性能で軽量で容易に制御可能な特性モデルを開発する。 このような特性モデルに基づく ML-QST は、ヒルベルト空間を扱う問題を回避することができるが、高い精度で特徴抽出を維持することができる。 平衡ホモダイン検出器から生成された実験データを用いて, 再構成によって予測された量子ノイズの圧縮状態の劣化情報と特性モデルを比較し, 共分散法で得られた経験的適合曲線と一致させる。 このような直接パラメータ推定を伴うML-QSTは、高度な重力波検出器、量子メートル法、マクロ量子状態生成、量子情報プロセスなど、圧縮状態を持つアプリケーションにとって重要な診断ツールボックスである。

関連論文リスト

• Universal replication of chaotic characteristics by classical and quantum machine learning [0.0]
  変動量子回路は、長期記憶よりも高い精度で長期特性を再現できることを示す。 以上の結果から,量子回路モデルは過適合を緩和し,高い精度と安定性を達成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-05-14T10:12:47Z)
• Ground state-based quantum feature maps [17.857341127079305]
  パラメータ化ハミルトンの基底状態の合成に基づく量子データ埋め込みプロトコルを提案する。 基底状態の埋め込みは、量子ビットの数で急速に増加するスペクトルで効果的に記述できることを示す。
  論文  参考訳（メタデータ） (2024-04-10T17:17:05Z)
• Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
  パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。 キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
  論文  参考訳（メタデータ） (2024-02-26T05:51:47Z)
• Conditional Korhunen-Lo\'{e}ve regression model with Basis Adaptation for high-dimensional problems: uncertainty quantification and inverse modeling [62.997667081978825]
  本稿では,物理系の観測可能な応答のサロゲートモデルの精度を向上させる手法を提案する。 本研究では,定常水理応答のBasis Adaptation (BA)法による代理モデル構築に提案手法を適用した。
  論文  参考訳（メタデータ） (2023-07-05T18:14:38Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Machine Learning Aided Dimensionality Reduction towards a Resource Efficient Projective Quantum Eigensolver [0.0]
  近年,分子系の基底状態エネルギーを計算するためのエレガントな手法として,PQE (Projective Quantum Eigensolver) が提案されている。 我々は、この2つのパラメータの集合的相互作用を機械学習技術を用いて利用し、相乗的相互関係を導出した。
  論文  参考訳（メタデータ） (2023-03-20T16:49:56Z)
• Analytical and experimental study of center line miscalibrations in M\o lmer-S\o rensen gates [51.93099889384597]
  モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。 我々はゲート進化演算子を計算し、関連する鍵特性を得る。 我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
  論文  参考訳（メタデータ） (2021-12-10T10:56:16Z)
• Bosonic field digitization for quantum computers [62.997667081978825]
  我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。 本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-24T15:30:04Z)
• Robustly learning the Hamiltonian dynamics of a superconducting quantum processor [0.5564835829075486]
  超伝導量子ビットアナログ量子シミュレータにおけるボソニック励起のフリーハミルトニアンパラメータを強く推定する。 この結果は、動的量子シミュレーションの正確な実装を構成する。
  論文  参考訳（メタデータ） (2021-08-18T18:01:01Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)

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。