論文の概要: Characterizing quantum pseudorandomness by machine learning

• arxiv url: http://arxiv.org/abs/2205.14667v2
• Date: Tue, 11 Oct 2022 15:01:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-11 09:01:46.297271
• Title: Characterizing quantum pseudorandomness by machine learning
• Title（参考訳）: 機械学習による量子擬似ランダム性の特徴付け
• Authors: Masahiro Fujii, Ryosuke Kutsuzawa, Yasunari Suzuki, Yoshifumi Nakata, Masaki Owari
• Abstract要約: 本研究では,実験的にアクセスし易いデータからランダムなダイナミックスを検証する手法を提案する。 我々は、与えられたランダムダイナミクスによって生成される量子状態の有限個の測定によって推定される測定確率を使用する。
• 参考スコア（独自算出の注目度）: 2.589904091148018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Random dynamics in isolated quantum systems is of practical use in quantum information and is of theoretical interest in fundamental physics. Despite a large number of theoretical studies, it has not been addressed how random dynamics can be verified from experimental data. In this paper, based on an information-theoretic formulation of random dynamics, i.e., unitary $t$-designs, we propose a method for verifying random dynamics from the data that is experimentally easy-to-access. More specifically, we use measurement probabilities estimated by a finite number of measurements of quantum states generated by a given random dynamics. Based on a supervised learning method, we construct classifiers of random dynamics and show that the classifiers succeed to characterize random dynamics. We then apply the classifiers to the data set generated by local random circuits (LRCs), which are canonical quantum circuits with growing circuit complexity, and show that the classifiers successfully characterize the growing features. We further apply the classifiers to noisy LRCs, showing the possibility of using them for verifying noisy quantum devices, and to monitored LRCs, indicating that the measurement-induced phase transition may possibly not be directly related to randomness.
• Abstract（参考訳）: 孤立量子系におけるランダム力学は量子情報において実用的であり、基礎物理学において理論的な関心を持つ。 多くの理論的研究にもかかわらず、実験データからいかにランダムな力学を検証できるかは議論されていない。 本稿では,ランダムダイナミクスの情報理論的な定式化,すなわちユニタリ$t$-designsに基づいて,実験的にアクセスが容易なデータからランダムダイナミクスを検証する手法を提案する。 具体的には、与えられたランダムダイナミクスによって生成される量子状態の有限個の測定によって推定される測定確率を用いる。 教師付き学習法に基づき、ランダムダイナミクスの分類器を構築し、分類器がランダムダイナミクスを特徴付けることに成功することを示す。 次に、回路の複雑さが増大する正準量子回路である局所ランダム回路(lrcs)が生成するデータセットに分類器を適用し、その拡張特徴を分類器がうまく特徴付けることを示す。 さらに, 雑音下lrcsに分類器を適用し, 雑音下量子デバイス検証に用いる可能性を示し, 測定誘起位相遷移がランダム性に直接関係しない可能性を示唆した。

関連論文リスト

• 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)
• 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)
• Subsystem Information Capacity in Random Circuits and Hamiltonian Dynamics [3.6343650965508187]
  本研究は、ランダム量子回路のサブシステムと量子ハミルトン進化によって形成される有効チャネルに焦点を当てる。 本研究では,初期情報符号化方式が1対1,1対マニー,多対マニーといった情報力学に与える影響を明らかにする。
  論文  参考訳（メタデータ） (2024-05-08T14:18:36Z)
• Inferring interpretable dynamical generators of local quantum observables from projective measurements through machine learning [17.27816885271914]
  マルチボディシステムにおける局所可観測物の進化を管理する動的生成器をノイズデータから推論するために,機械学習手法を用いる。 本手法は,多体システムから効率的な動的ジェネレータを抽出するだけでなく,量子シミュレーションや計算プラットフォームのデコヒーレンス機構の推測にも有効である。
  論文  参考訳（メタデータ） (2023-06-06T18:01:18Z)
• Statistical learning on randomized data to verify quantum state k-designs [0.0]
  純粋状態のランダムアンサンブルは、量子物理学の様々な側面において非常に重要であることが証明されている。 完全にランダムなアンサンブルを生成するのは 実験的に困難ですが 近似は 同様に有用です ランダム性の度合いを検証することは、多体システム上で完全な量子状態トモグラフィーを実行するのと同様に、高価なタスクである可能性がある。
  論文  参考訳（メタデータ） (2023-05-02T14:46:28Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Quantum simulation using noisy unitary circuits and measurements [0.0]
  ノイズの多い量子回路は、量子多体ダイナミクスを理解する上で重要な基盤となっている。 ランダム回路モデルを用いて研究した2種類の力学について概説し、特に量子絡み合いの力学に焦点をあてる。 ランダム回路サンプリング実験を考察し,NISQデバイス上での量子多体ダイナミクスのシミュレーションにおけるランダム量子状態の有用性について考察する。
  論文  参考訳（メタデータ） (2021-12-13T14:00:06Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• 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)
• Machine learning approach for quantum non-Markovian noise classification [1.2891210250935146]
  機械学習と人工ニューラルネットワークモデルを用いてノイズの多い量子力学を分類できることを示した。 提案手法は, 多数の実験手法の直接的応用と, 既に利用可能な雑音型中間規模量子デバイスのノイズベンチマークへの応用が期待できる。
  論文  参考訳（メタデータ） (2021-01-08T20:56:56Z)

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。