論文の概要: Adaptive Online Learning of Quantum States
- arxiv url: http://arxiv.org/abs/2206.00220v1
- Date: Wed, 1 Jun 2022 04:08:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-03 04:50:34.052319
- Title: Adaptive Online Learning of Quantum States
- Title(参考訳): 量子状態の適応的オンライン学習
- Authors: Xinyi Chen, Elad Hazan, Tongyang Li, Zhou Lu, Xinzhao Wang, Rui Yang
- Abstract要約: 本稿では、適応的なオンライン学習から変化状態を学ぶためのツールを採用する。
解析は複素行列解析のツールを用いて複素数に対処する。
- 参考スコア(独自算出の注目度): 36.954620554012834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the fundamental problem of shadow tomography, the goal is to efficiently
learn an unknown $d$-dimensional quantum state using projective measurements.
However, it is rarely the case that the underlying state remains stationary:
changes may occur due to measurements, environmental noise, or an underlying
Hamiltonian state evolution. In this paper we adopt tools from adaptive online
learning to learn a changing state, giving adaptive and dynamic regret bounds
for online shadow tomography that are polynomial in the number of qubits and
sublinear in the number of measurements. Our analysis utilizes tools from
complex matrix analysis to cope with complex numbers, which may be of
independent interest in online learning. In addition, we provide numerical
experiments that corroborate our theoretical results.
- Abstract(参考訳): シャドウトモグラフィーの基本的な問題は、射影測定を用いて未知の$d$次元量子状態を効率的に学習することである。
しかし、基礎となる状態が静止している場合はほとんどなく、測定、環境騒音、または基礎となるハミルトン状態の進化によって変化が起こることがある。
本稿では,適応的オンライン学習のツールを用いて変化状態の学習を行い,オンラインシャドウトモグラフィにおいて,キュービット数と測定値のサブリニアの多項式である適応的および動的後悔境界を与える。
本分析は,オンライン学習に独立した関心を持つ複雑な数を扱うために,複素行列解析のツールを利用する。
さらに,理論結果と相関する数値実験を行う。
関連論文リスト
- Neural-network quantum states for many-body physics [0.0]
変分量子計算は、機械学習コミュニティから多くのツールやアルゴリズムを借りている。
ディープラーニング問題にインスパイアされた試行状態は、スピン、フェルミオン、キュービット系の多体相関現象を正確にモデル化することができる。
第一原理基底状態と実時間計算の最近の結果の概要について述べる。
論文 参考訳(メタデータ) (2024-02-16T19:00:01Z) - 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) - Learning Controllable Adaptive Simulation for Multi-resolution Physics [86.8993558124143]
完全深層学習に基づくサロゲートモデルとして,LAMP(Learning Controllable Adaptive Simulation for Multi- resolution Physics)を導入した。
LAMPは、前方進化を学習するためのグラフニューラルネットワーク(GNN)と、空間的洗練と粗大化のポリシーを学ぶためのGNNベースのアクター批判で構成されている。
我々は,LAMPが最先端のディープラーニングサロゲートモデルより優れており,長期予測誤差を改善するために,適応的なトレードオフ計算が可能であることを実証した。
論文 参考訳(メタデータ) (2023-05-01T23:20:27Z) - Smoothed Online Learning for Prediction in Piecewise Affine Systems [54.98643421343919]
本稿では,最近開発されたスムーズなオンライン学習フレームワークに基づく。
これは、断片的なアフィン系における予測とシミュレーションのための最初のアルゴリズムを提供する。
論文 参考訳(メタデータ) (2023-01-26T15:54:14Z) - Scalable approach to many-body localization via quantum data [69.3939291118954]
多体局在は、量子多体物理学の非常に難しい現象である。
計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。
我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
論文 参考訳(メタデータ) (2022-02-17T19:00:09Z) - DeepPhysics: a physics aware deep learning framework for real-time
simulation [0.0]
データ駆動手法を用いて超弾性材料をシミュレートする手法を提案する。
ニューラルネットワークは、境界条件と結果の変位場との間の非線形関係を学習するために訓練される。
その結果, 限られたデータ量でトレーニングしたネットワークアーキテクチャは, 1ミリ秒未満で変位場を予測できることがわかった。
論文 参考訳(メタデータ) (2021-09-17T12:15:47Z) - IQ-Learn: Inverse soft-Q Learning for Imitation [95.06031307730245]
少数の専門家データからの模倣学習は、複雑な力学を持つ高次元環境では困難である。
行動クローニングは、実装の単純さと安定した収束性のために広く使われている単純な方法である。
本稿では,1つのQ-関数を学習することで,対向学習を回避する動的適応型ILを提案する。
論文 参考訳(メタデータ) (2021-06-23T03:43:10Z) - Active Importance Sampling for Variational Objectives Dominated by Rare
Events: Consequences for Optimization and Generalization [12.617078020344618]
本稿では,レアイベントサンプリング手法とニューラルネットワーク最適化を組み合わせて,レアイベントに支配される目的関数を最適化する手法を提案する。
重要度サンプリングは学習問題に対する解の分散を減少させ,一般化の利点を示唆することを示す。
数値実験により,高次元データと希少データの複合化が困難である場合でも,学習を成功させることができた。
論文 参考訳(メタデータ) (2020-08-11T23:38:09Z) - 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)
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。