論文の概要: Reinforcement Learning Generation of 4-Qubits Entangled States
- arxiv url: http://arxiv.org/abs/2204.12351v2
- Date: Thu, 27 Oct 2022 09:37:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 12:06:02.253487
- Title: Reinforcement Learning Generation of 4-Qubits Entangled States
- Title（参考訳）: 4ビット交絡状態の強化学習生成
- Authors: Sara Giordano and Miguel A. Martin-Delgado
- Abstract要約: 計算機強化学習(Q-ラーニング)を用いた人工知能アルゴリズムを考案し、4量子ビットの卓越した絡み合った状態を構築する。
特に、9つの絡み合ったファミリーのそれぞれについて、少なくとも1つの真のSLOCCクラスに到達することが可能である。
アルゴリズムによって合成された量子回路は、これらの重要な絡み合った状態のクラスを実験的に実現するのに有用である。
- 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: We have devised an artificial intelligence algorithm with machine
reinforcement learning (Q-learning) to construct remarkable entangled states
with 4 qubits. This way, the algorithm is able to generate representative
states for some of the 49 true SLOCC classes of the four-qubit entanglement
states. In particular, it is possible to reach at least one true SLOCC class
for each of the nine entanglement families. The quantum circuits synthesized by
the algorithm may be useful for the experimental realization of these important
classes of entangled states and to draw conclusions about the intrinsic
properties of our universe. We introduce a graphical tool called the state-link
graph (SLG) to represent the construction of the Quality matrix (Q-matrix) used
by the algorithm to build a given objective state belonging to the
corresponding entanglement class. This allows us to discover the necessary
connections between specific entanglement features and the role of certain
quantum gates that the algorithm needs to include in the quantum gate set of
actions. The quantum circuits found are optimal by construction with respect to
the quantum gate-set chosen. These SLGs make the algorithm simple, intuitive
and a useful resource for the automated construction of entangled states with a
low number of qubits.
- Abstract（参考訳）: 計算機強化学習(Q-ラーニング)を用いた人工知能アルゴリズムを考案し、4量子ビットの卓越した絡み合った状態を構築する。
このようにして、アルゴリズムは4ビット交絡状態の49個の真のSLOCCクラスの代表状態を生成することができる。
特に、9つの絡み合ったファミリーのそれぞれについて、少なくとも1つの真のSLOCCクラスに到達することができる。
このアルゴリズムによって合成された量子回路は、これらの重要な絡み合った状態のクラスを実験的に実現し、宇宙の本質的性質に関する結論を引き出すのに役立つかもしれない。
そこで我々は,SLG (State-link graph) と呼ばれるグラフィカルなツールを導入し,対応する絡み合いクラスに属する対象状態を構築するためにアルゴリズムが使用する品質行列 (Q-matrix) の構成を表現した。
これにより、特定の絡み合う特徴と、アルゴリズムが量子ゲートのアクションに含める必要がある特定の量子ゲートの役割との間の必要な接続を見つけることができる。
検出された量子回路は、選択された量子ゲートセットに対して最適である。
これらのslgにより、アルゴリズムは単純で直感的で、キュービット数の少ない絡み合った状態の自動構築に有用なリソースとなる。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - Reinforcement Learning to Disentangle Multiqubit Quantum States from Partial Observations [0.0]
任意の 4-, 5-, 6-qubit 状態に対して短絡回路を構築するための深層強化学習手法を提案する。
マルチキュービット状態の絡み合い構造を識別・活用するエージェントの能力を実証する。
我々は,少なくとも5つの2ビット (10 CNOT) ゲートを用いて,任意の4ビット状態を作成するための汎用回路を報告する。
論文 参考訳（メタデータ） (2024-06-12T05:23:08Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Enhancing variational quantum state diagonalization using reinforcement
learning techniques [1.583327010995414]
我々は、量子状態対角化タスクに必要な非常に浅い量子回路を設計する問題に取り組む。
我々は、RL状態に対する新しい符号化法、高密度報酬関数、およびそれを実現するために$epsilon$-greedyポリシーを使用する。
強化学習法により提案される回路は, 標準変分量子状態対角化アルゴリズムよりも浅いことを示す。
論文 参考訳（メタデータ） (2023-06-19T17:59:04Z) - Exploring the optimality of approximate state preparation quantum
circuits with a genetic algorithm [0.0]
ノイズのある中間規模量子コンピュータ(NISQ)における近似状態準備問題について検討する。
状態準備のための量子回路を生成するために遺伝的アルゴリズムを適用した。
CNOTゲート数に制限のあるハールランダム状態を作成する際の忠実度を大幅に改善する。
論文 参考訳（メタデータ） (2022-10-12T17:06:05Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - Quantum variational learning for entanglement witnessing [0.0]
この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。
我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。
我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
論文 参考訳（メタデータ） (2022-05-20T20:14:28Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - 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。
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。