論文の概要: Information-theoretic Hardness of Out-of-time-order Correlators
- arxiv url: http://arxiv.org/abs/2208.02256v1
- Date: Wed, 3 Aug 2022 18:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-02 09:45:51.890502
- Title: Information-theoretic Hardness of Out-of-time-order Correlators
- Title（参考訳）: 時間外相関器の情報理論的硬さ
- Authors: Jordan Cotler, Thomas Schuster, Masoud Mohseni
- Abstract要約: 時間外相関器へのアクセスが与えられると、量子多体力学の特性が効率的に学習可能であることが確認できる。
これは、時間順の相関子からのみOTOCを再構成する実験的なプロトコルは、ある場合には指数関数的に非効率でなければならないことを意味する。
- 参考スコア（独自算出の注目度）: 0.36832029288386126
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We establish that there are properties of quantum many-body dynamics which
are efficiently learnable if we are given access to out-of-time-order
correlators (OTOCs), but which require exponentially many operations in the
system size if we can only measure time-ordered correlators. This implies that
any experimental protocol which reconstructs OTOCs solely from time-ordered
correlators must be, in certain cases, exponentially inefficient. Our proofs
leverage and generalize recent techniques in quantum learning theory. Along the
way, we elucidate a general definition of time-ordered versus out-of-time-order
experimental measurement protocols, which can be considered as classes of
adaptive quantum learning algorithms. Moreover, our results provide a
theoretical foundation for novel applications of OTOCs in quantum simulations.
- Abstract（参考訳）: 時間外相関器 (OTOCs) へのアクセスが与えられると効率よく学習できる量子多体ダイナミクスの特性は存在するが、時間順序相関器を測るだけではシステムサイズで指数関数的に多くの演算が必要になる。
これは、時間順の相関子からのみOTOCを再構成する実験的なプロトコルは、ある場合には指数関数的に非効率でなければならないことを意味する。
我々の証明は量子学習理論の最近の技術を活用して一般化する。
その過程で、適応量子学習アルゴリズムのクラスとみなすことができる、時間順序と時間外の実験的測定プロトコルの一般的な定義を解明する。
さらに、量子シミュレーションにおけるOTOCの新たな応用の理論的基礎を提供する。
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) - Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。
我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。
得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。
この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
論文 参考訳（メタデータ） (2024-05-12T09:05:13Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳（メタデータ） (2022-12-13T16:04:16Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - Learning quantum systems via out-of-time-order correlators [0.27961972519572437]
時間外相関器は、強い相互作用を持つシステムの学習性を大幅に向上させることができることを示す。
我々はこれらの利点を様々な学習問題で数値的に特徴づけ、読み出し誤りとデコヒーレンスの両方に頑健であることがわかった。
論文 参考訳（メタデータ） (2022-08-03T18:00:00Z) - Optimality and Complexity in Measured Quantum-State Stochastic Processes [0.0]
最適な予測には、無限個の時間的特徴を用いる必要があることを示す。
この複雑さの根底にあるメカニズムを生成不均一性(generator nonunifilarity)と同定する。
これにより、測定選択が量子過程のランダム度に与える影響を定量的に調べることができる。
論文 参考訳（メタデータ） (2022-05-08T21:43:06Z) - Quantum Compiling by Deep Reinforcement Learning [30.189226681406392]
回路量子コンピュータのアーキテクチャは、高レベルな量子アルゴリズムを量子ゲートの低レベルな回路にコンパイルするための層を必要とする。
量子コンパイルの一般的な問題は、量子計算を記述する任意のユニタリ変換を、普遍的な量子ゲートの有限基底から選択された要素の列として近似することである。
我々は,探索時間と搾取時間とのトレードオフが著しく異なる,より深い強化学習手法を代替戦略として活用する。
論文 参考訳（メタデータ） (2021-05-31T15:32:15Z) - Quantum scrambling with classical shadows [1.3496380954381821]
4点の時間外相関器(OTOC)は、伝統的に、多体ダイナミクスの下で乱れ合う量子情報の定量化に用いられている。
OTOCの異常な時間秩序のため、その測定は困難である。
本稿では,早期スクランブル動作を明らかにするための高点OTOCを提案し,高点OTOCを測定するためのプロトコルを提案する。
論文 参考訳（メタデータ） (2021-02-01T17:37:39Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。
より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文 参考訳（メタデータ） (2020-01-28T17:35:32Z)
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。