論文の概要: Ultrafast quantum state tomography with feed-forward neural networks
- arxiv url: http://arxiv.org/abs/2207.05341v1
- Date: Tue, 12 Jul 2022 06:45:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-05 09:46:04.412244
- Title: Ultrafast quantum state tomography with feed-forward neural networks
- Title（参考訳）: フィードフォワードニューラルネットワークを用いた超高速量子状態トモグラフィ
- Authors: Yong Wang, Shuming Cheng, Li Li, Jie Chen
- Abstract要約: 本稿では,マルチキュービット状態の超高速再構成を実現するために,ニューラルネットワークに基づく量子トモグラフィー手法を提案する。
2分以内にノートパソコン上の11量子状態に忠実にトモグラフィーできることを示すために、幅広い純度を持つ多数の州でテストされている。
- 参考スコア（独自算出の注目度）: 10.591999694365231
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing the state of many-body quantum systems is of fundamental
importance in quantum information tasks, but extremely challenging due to the
curse of dimensionality. In this work, we present a quantum tomography approach
based on neural networks to achieve the ultrafast reconstruction of multi-qubit
states. Particularly, we propose a simple 3-layer feed-forward network to
process the experimental data generated from measuring each qubit with a
positive operator-valued measure, which is able to reduce the storage cost and
computational complexity. Moreover, the techniques of state decomposition and
$P$-order absolute projection are jointly introduced to ensure the positivity
of state matrices learned in the maximum likelihood function and to improve the
convergence speed and robustness of the above network. Finally, it is tested on
a large number of states with a wide range of purity to show that we can
faithfully tomography 11-qubit states on a laptop within 2 minutes under noise.
Our numerical results also demonstrate that more state samples are required to
achieve the given tomography fidelity for the low-purity states, and the
increased depolarizing noise induces a linear decrease in the tomography
fidelity.
- Abstract（参考訳）: 多体量子システムの状態の再構築は、量子情報処理において極めて重要であるが、次元の呪いのために非常に困難である。
本研究では,マルチキュービット状態の超高速再構成を実現するために,ニューラルネットワークに基づく量子トモグラフィー手法を提案する。
特に,各キュービットから生成された実験データを正の演算子値尺度で処理し,ストレージコストと計算複雑性を低減できる簡易な3層フィードフォワードネットワークを提案する。
さらに, 状態分解法と$p$-order 絶対射影法を共同で導入し, 最大度関数で学習した状態行列の正値性を確保し, 上記ネットワークの収束速度とロバスト性を向上させる。
最後に、幅広い純度を持つ多数の州でテストを行い、2分間のノイズ下でラップトップ上の11量子状態のトモグラフィーを忠実に行うことができることを示す。
また, 低純度状態に対するトモグラフィ忠実度を達成するには, より多くの状態試料が必要であり, 脱分極ノイズの増加はトモグラフィ忠実度を線形に減少させることを示した。
関連論文リスト
- Fast Quantum Process Tomography via Riemannian Gradient Descent [3.1406146587437904]
制約付き最適化は、量子物理学と量子情報科学の分野において重要な役割を果たす。
量子プロセストモグラフィー(quantum process tomography)は、特定の測定データに基づいて基礎となる量子プロセスを取得することを目的としている。
論文 参考訳（メタデータ） (2024-04-29T16:28:14Z) - Quantum Shadow Gradient Descent for Variational Quantum Algorithms [14.286227676294034]
量子ニューラルネットワーク(QNN)における変分量子回路のトレーニングのための勾配勾配推定法が提案されている。
勾配推定の課題は、状態崩壊や測定の不整合といった特異な量子的特徴のために困難であることが証明されている。
我々は,1イテレーション毎に1つのサンプルを用いて勾配のすべての成分を推定する量子シャドウ降下という新しい手法を開発した。
論文 参考訳（メタデータ） (2023-10-10T18:45:43Z) - Multi-qubit State Tomography with Few Pauli Measurements [8.611891055029076]
キャラクタリゼーションツールであるQuantum state tomographyは、未知の量子状態の密度行列を再構成する。
これは、大量の量子ビットに対する測定とデータ処理の膨大な負担のため、実用的ではない。
より少ない測定を必要とするが、期待される精度が得られる効率的なフレームワークを構築します。
論文 参考訳（メタデータ） (2023-05-31T14:10:26Z) - Neural Networks with Quantization Constraints [111.42313650830248]
量子化学習における制約付き学習手法を提案する。
結果の問題は強い双対であり、勾配推定は不要であることを示す。
提案手法は画像分類タスクにおける競合性能を示す。
論文 参考訳（メタデータ） (2022-10-27T17:12:48Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Efficient Quantum State Tracking in Noisy Environments [10.762101459838052]
本稿では,光子の横方向空間モードに符号化された量子ドット系における行列励起勾配トモグラフィの実験的実装について述べる。
定常および進化状態における本手法の性能および環境騒音について検討し,すべての事例において95%程度の忠実度を求める。
論文 参考訳（メタデータ） (2022-05-12T22:32:14Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳（メタデータ） (2022-03-30T02:02:16Z) - Quadratic Unconstrained Binary Optimisation via Quantum-Inspired
Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。
我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文 参考訳（メタデータ） (2021-08-18T09:26:17Z) - 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) - Fast and robust quantum state tomography from few basis measurements [65.36803384844723]
本稿では、上記の全てのリソースを精度に悪影響を及ぼすことなく最適化するオンライントモグラフィーアルゴリズムを提案する。
このプロトコルは、状態コピー、測定設定、メモリのランクと寸法で証明可能なパフォーマンスを初めて提供する。
量子コンピュータ上でアルゴリズムを実行し、量子状態トモグラフィーのための量子スピードアップを提供することにより、さらなる改善が可能となる。
論文 参考訳（メタデータ） (2020-09-17T11:28:41Z)
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。