論文の概要: Reconstructing Quantum States Using Basis-Enhanced Born Machines
- arxiv url: http://arxiv.org/abs/2206.01273v1
- Date: Thu, 2 Jun 2022 19:52:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 22:38:31.397535
- Title: Reconstructing Quantum States Using Basis-Enhanced Born Machines
- Title（参考訳）: 基底エンハンスボーンマシンによる量子状態の再構成
- Authors: Abigail McClain Gomez, Susanne F. Yelin, Khadijeh Najafi
- Abstract要約: ボルンマシンは2つのパウリ測度ベースのみからの射影測定を用いて純粋量子状態の再構成を行うことができることを示す。
我々は、基礎強化されたボルン機械を実装し、ライドバーグ原子の1次元鎖の位相図の上の基底状態を学ぶ。
このモデルは量子相関と異なる観測値を正確に予測し、システムサイズは37量子ビットとみなす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapid improvement in quantum hardware has opened the door to complex
problems, but the precise characterization of quantum systems itself remains a
challenge. To address this obstacle, novel tomography schemes have been
developed that employ generative machine learning models, enabling quantum
state reconstruction from limited classical data. In particular,
quantum-inspired Born machines provide a natural way to encode measured data
into a model of a quantum state. Born machines have shown great success in
learning from classical data; however, the full potential of a Born machine in
learning from quantum measurement has thus far been unrealized. To this end, we
devise a complex-valued basis-enhanced Born machine and show that it can
reconstruct pure quantum states using projective measurements from only two
Pauli measurement bases. We implement the basis-enhanced Born machine to learn
the ground states across the phase diagram of a 1D chain of Rydberg atoms,
reconstructing quantum states deep in ordered phases and even at critical
points with quantum fidelities surpassing 99%. The model accurately predicts
quantum correlations and different observables, and system sizes as large as 37
qubits are considered. Quantum states across the phase diagram of a 1D XY spin
chain are also successfully reconstructed using this scheme. Our method only
requires simple Pauli measurements with a sample complexity that scales
quadratically with system size, making it amenable to experimental
implementation.
- Abstract（参考訳）: 量子ハードウェアの急速な改良は複雑な問題への扉を開いたが、量子システム自体の正確な特徴は依然として課題である。
この障害に対処するために、生成的機械学習モデルを用いた新しいトモグラフィースキームが開発され、限られた古典データからの量子状態再構成を可能にしている。
特に量子インスパイアされたBornマシンは、測定データを量子状態のモデルにエンコードする自然な方法を提供する。
ボルンマシンは古典データから学ぶことに大きな成功を収めてきたが、量子測定から学習するボルンマシンの潜在能力はこれまでに実現されていない。
この目的のために、複素値基底エンハンスボルンマシンを考案し、2つのパウリ測定ベースのみからの射影的測定を用いて純量子状態を再構築できることを示す。
ライドバーグ原子の1次元鎖の位相図全体を通して基底エンハンスボーンマシンを実装し、秩序相の深い量子状態、さらには99%を超える量子フィデリティを持つ臨界点を再構築する。
このモデルは量子相関と異なる観測値を正確に予測し、システムサイズは37量子ビットとみなす。
1次元XYスピン鎖の位相図を横切る量子状態も、このスキームを用いてうまく再構成される。
本手法は,システムサイズと二次的にスケールするサンプル複雑性を持つ単純なpauli測定のみを必要とするため,実験的な実装が容易である。
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) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Reconstructing complex states of a 20-qubit quantum simulator [0.6646556786265893]
本稿では, 量子状態の多角化を効果的に再現する手法を示す。
我々は,ニューラルネットワークの量子状態表現に基づく手法と比較して,状態再構成の品質と収束の高速化を観察する。
本研究は,多体量子系のクエンチダイナミクスによって生成される複素状態の効率的な実験的評価への道を開くものである。
論文 参考訳（メタデータ） (2022-08-09T15:52:20Z) - Adaptive Quantum State Tomography with Active Learning [0.0]
本稿では,能動学習を用いた量子状態トモグラフィーの効率的なスキームを提案し,実装する。
本手法は, 1次元のXXZモデルと運動的に制約されたスピン鎖の基底状態だけでなく, 様々なエンタングルメントの程度で異なるマルチキュービット状態の再構成を行う。
提案手法は,量子多体システムにおける物理的洞察を得るとともに,量子デバイスをベンチマークし,特徴付けるためにも有効である。
論文 参考訳（メタデータ） (2022-03-29T16:23:10Z) - Characterizing quantum instruments: from non-demolition measurements to
quantum error correction [48.43720700248091]
量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。
非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。
量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
論文 参考訳（メタデータ） (2021-10-13T18:00:13Z) - Certification of quantum states with hidden structure of their
bitstrings [0.0]
本稿では,量子状態の説明と識別を行う数値的に安価な手法を提案する。
エンタングルメントの構造が異なる量子状態を特徴付けるのに十分であることを示す。
本手法は、多体量子磁気システムにおいて、異なる性質の相転移を検出するために用いられる。
論文 参考訳（メタデータ） (2021-07-21T06:22:35Z) - 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) - Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。
本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:19:27Z) - Bidirectional information flow quantum state tomography [0.0]
双方向Gated Recurrent Unit Neural Network (BiGRU) に基づく量子状態トモグラフィー法を提案する。
この方法では、これらの量子状態を再構成し、高い忠実度を得るために、より少ない測定サンプルを使用できる。
論文 参考訳（メタデータ） (2021-03-31T02:57:27Z) - Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。
本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-24T12:48:00Z) - Reconstructing quantum states with quantum reservoir networks [4.724825031148412]
我々は貯水池計算の枠組みに基づく量子状態トモグラフィープラットフォームを導入する。
量子ニューラルネットワークを形成し、任意の量子状態を再構築するための包括的なデバイスとして機能する。
論文 参考訳（メタデータ） (2020-08-14T14:01:55Z)
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。