論文の概要: Deep learning of quantum entanglement from incomplete measurements
- arxiv url: http://arxiv.org/abs/2205.01462v6
- Date: Mon, 24 Jul 2023 08:31:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 01:21:06.973086
- Title: Deep learning of quantum entanglement from incomplete measurements
- Title（参考訳）: 不完全測定による量子絡み合いの深層学習
- Authors: Dominik Koutn\'y, Laia Gin\'es, Magdalena Mocza{\l}a-Dusanowska, Sven
H\"ofling, Christian Schneider, Ana Predojevi\'c, Miroslav Je\v{z}ek
- Abstract要約: ニューラルネットワークを用いることで、量子状態の完全な記述を必要とせずに、絡み合いの度合いを定量化できることを実証する。
提案手法は,不完全な局所的な測定値を用いて,量子相関の直接量子化を可能にする。
我々は,様々な測定シナリオからデータを受け取り,ある程度,測定装置から独立して実行する畳み込みネットワーク入力に基づく手法を導出する。
- 参考スコア（独自算出の注目度）: 0.2493740042317776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quantification of the entanglement present in a physical system is of
para\-mount importance for fundamental research and many cutting-edge
applications. Currently, achieving this goal requires either a priori knowledge
on the system or very demanding experimental procedures such as full state
tomography or collective measurements. Here, we demonstrate that by employing
neural networks we can quantify the degree of entanglement without needing to
know the full description of the quantum state. Our method allows for direct
quantification of the quantum correlations using an incomplete set of local
measurements. Despite using undersampled measurements, we achieve a
quantification error of up to an order of magnitude lower than the
state-of-the-art quantum tomography. Furthermore, we achieve this result
employing networks trained using exclusively simulated data. Finally, we derive
a method based on a convolutional network input that can accept data from
various measurement scenarios and perform, to some extent, independently of the
measurement device.
- Abstract（参考訳）: 物理的システムに存在する絡み合いの定量化は、基礎研究や多くの最先端の応用においてパラマウントな重要性を持つ。
現在、この目標を達成するには、システムに関する事前知識か、完全な状態トモグラフィや集団計測のような実験的な手順が必要である。
ここでは,ニューラルネットワークを用いることで,量子状態の完全な記述を知ることなく,絡み合いの程度を定量化できることを実証する。
提案手法は,不完全な局所測定値を用いて,量子相関の直接定量化を可能にする。
サンプルの少ない測定値を使用しても、最先端の量子トモグラフィよりも最大で桁違いに低い量子化誤差が得られる。
さらに,専用シミュレーションデータを用いてトレーニングしたネットワークを用いて,この結果を得る。
最後に、様々な測定シナリオからデータを受け取り、測定装置とは無関係にある程度実行することができる畳み込みネットワーク入力に基づく手法を導出する。
関連論文リスト
- Cyclic measurements and simplified quantum state tomography [0.0]
我々は、全量子状態トモグラフィーを実行することができるサイクリック・タイトな測定の概念を導入する。
このタイプの測定は、物理系の量子状態を取得するのに必要な実験的なセットアップの複雑さを著しく単純化する。
論文 参考訳（メタデータ） (2024-04-29T16:41:17Z) - Adaptive measurement strategy for quantum subspace methods [0.0]
本稿では,量子部分空間法に有用な適応計測最適化法を提案する。
提案手法は、まず古典的にシミュレート可能な状態の測定プロトコルを決定し、次に量子部分空間展開のプロトコルを適応的に更新する。
数値実験として,分子の励起状態シミュレーションを行い,測定回数を桁違いに削減できることを示した。
論文 参考訳（メタデータ） (2023-11-14T04:00:59Z) - Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳（メタデータ） (2023-11-07T04:35:03Z) - Learning the tensor network model of a quantum state using a few
single-qubit measurements [0.0]
人工量子システムの次元性は常に増大し、その特徴付けとベンチマークのために非常に効率的な方法が要求される。
本稿では,未知の量子系のテンソルネットワークモデルを学習する構成的かつ数値的に効率的なプロトコルを提案する。
論文 参考訳（メタデータ） (2023-09-01T11:11:52Z) - Quantum Process Learning Through Neural Emulation [3.7228085662092845]
入力アンサンブルの内部表現を構築し,未知の過程をエミュレートするニューラルネットワークを導入する。
我々のモデルは量子コンピューティング、量子フォトニクス、量子多体物理学への応用において高い精度を示す。
論文 参考訳（メタデータ） (2023-08-17T06:53:58Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - Neural network enhanced measurement efficiency for molecular
groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。
ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文 参考訳（メタデータ） (2022-06-30T17:45:05Z) - Entanglement quantification from collective measurements processed by
machine learning [0.0]
解析式の代わりに,ニューラルネットワークを用いて量子状態における絡み合いの量を予測する。
本研究の目的は,一般2量子状態とその負性度をエンタングルメント量化器として考えることである。
論文 参考訳（メタデータ） (2022-03-03T10:03:57Z) - Quantum verification and estimation with few copies [63.669642197519934]
大規模絡み合ったシステムの検証と推定は、信頼性の高い量子情報処理にそのようなシステムを用いる際の大きな課題の1つである。
本稿では,資源の一定数(サンプリング複雑性)に着目し,任意の次元のシステムに適していることを示す。
具体的には、量子状態トモグラフィー(quantum state tomography)の概念とともに、エンタングルメント検出のために少なくとも1つのコピーだけを必要とする確率的フレームワークをレビューする。
論文 参考訳（メタデータ） (2021-09-08T18:20:07Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2020-07-31T17:25:12Z) - Direct estimation of quantum coherence by collective measurements [54.97898890263183]
量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。
本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。
本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
論文 参考訳（メタデータ） (2020-01-06T03:50:42Z)
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。