論文の概要: Learning Quantum Systems
- arxiv url: http://arxiv.org/abs/2207.00298v2
- Date: Wed, 6 Jul 2022 09:10:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 02:09:30.441677
- Title: Learning Quantum Systems
- Title(参考訳): 量子システムを学ぶ
- Authors: Valentin Gebhart, Raffaele Santagati, Antonio Andrea Gentile, Erik
Gauger, David Craig, Natalia Ares, Leonardo Banchi, Florian Marquardt, Luca
Pezze', and Cristian Bonato
- Abstract要約: 量子技術は、セキュアな通信、高性能コンピューティング、超精密センシングにおける画期的な応用によって、私たちの社会に革命をもたらすと約束している。
量子技術のスケールアップにおける主な特徴の1つは、量子システムの複雑さがその大きさと指数関数的にスケールすることである。
これは、量子状態の効率的なキャリブレーション、ベンチマーク、検証とその動的制御において深刻な問題を引き起こす。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum technologies hold the promise to revolutionise our society with
ground-breaking applications in secure communication, high-performance
computing and ultra-precise sensing. One of the main features in scaling up
quantum technologies is that the complexity of quantum systems scales
exponentially with their size. This poses severe challenges in the efficient
calibration, benchmarking and validation of quantum states and their dynamical
control. While the complete simulation of large-scale quantum systems may only
be possible with a quantum computer, classical characterisation and
optimisation methods (supported by cutting edge numerical techniques) can still
play an important role.
Here, we review classical approaches to learning quantum systems, their
correlation properties, their dynamics and their interaction with the
environment. We discuss theoretical proposals and successful implementations in
different physical platforms such as spin qubits, trapped ions, photonic and
atomic systems, and superconducting circuits. This review provides a brief
background for key concepts recurring across many of these approaches, such as
the Bayesian formalism or Neural Networks, and outlines open questions.
- Abstract(参考訳): 量子技術は、セキュアなコミュニケーション、ハイパフォーマンスコンピューティング、超精密センシングにおける画期的な応用によって社会に革命をもたらすと約束している。
量子テクノロジーをスケールアップする主な特徴の1つは、量子システムの複雑さがその大きさで指数関数的にスケールすることである。
これは量子状態の効率的なキャリブレーション、ベンチマーク、検証、動的制御において深刻な課題をもたらす。
大規模量子システムの完全なシミュレーションは量子コンピュータでのみ可能であるが、古典的なキャラクタリゼーションと最適化(最先端の数値技術で支えられている)は依然として重要な役割を果たす。
本稿では,量子システム学習における古典的アプローチ,その相関特性,力学,環境との相互作用について概説する。
本稿では,スピン量子ビット,閉じ込められたイオン,フォトニック・原子系,超伝導回路などの物理プラットフォームにおける理論的提案と実装について論じる。
このレビューは、ベイジアン形式主義やニューラルネットワークなど、これら多くのアプローチで繰り返される重要な概念の簡単な背景を提供し、オープン質問の概要を提供する。
関連論文リスト
- Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳(メタデータ) (2024-06-10T17:22:09Z) - Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。
量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
論文 参考訳(メタデータ) (2024-06-03T09:51:25Z) - Practical limitations on robustness and scalability of quantum Internet [0.7499722271664144]
量子インターネットのスケーリングとロバスト性に関する限界について検討する。
本稿では,セキュアな通信,デリゲートコンピューティング,および終端ノード間のリソース分布の現実的なボトルネックについて述べる。
量子ネットワークのいくつかの例では、異なる量子ネットワークタスクを実行するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-08-24T12:32:48Z) - Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳(メタデータ) (2023-07-24T02:48:22Z) - 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) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳(メタデータ) (2022-06-07T07:32:57Z) - 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) - Entanglement transfer, accumulation and retrieval via quantum-walk-based
qubit-qudit dynamics [50.591267188664666]
高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。
本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。
特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
論文 参考訳(メタデータ) (2020-10-14T14:33:34Z) - Quantum computing with neutral atoms [0.0]
我々は、中性原子量子プロセッサの主特性を原子/量子ビットからアプリケーションインターフェースまで概説する。
最適化課題から量子システムのシミュレーションまで、どのように応用できるかを示す。
本稿では,中性原子量子プロセッサの100-1000量子ビット領域における本質的な拡張性を示す。
論文 参考訳(メタデータ) (2020-06-22T15:09:01Z)
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。