論文の概要: Reconstructing complex states of a 20-qubit quantum simulator
- arxiv url: http://arxiv.org/abs/2208.04862v3
- Date: Mon, 30 Oct 2023 21:37:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 04:43:24.990484
- Title: Reconstructing complex states of a 20-qubit quantum simulator
- Title（参考訳）: 20量子ビット量子シミュレータの複素状態再構成
- Authors: Murali K. Kurmapu, V.V. Tiunova, E.S. Tiunov, Martin Ringbauer,
Christine Maier, Rainer Blatt, Thomas Monz, Aleksey K. Fedorov, A.I. Lvovsky
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.6646556786265893
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A prerequisite to the successful development of quantum computers and
simulators is precise understanding of physical processes occurring therein,
which can be achieved by measuring the quantum states they produce. However,
the resources required for traditional quantum-state estimation scale
exponentially with the system size, highlighting the need for alternative
approaches. Here we demonstrate an efficient method for reconstruction of
significantly entangled multi-qubit quantum states. Using a variational version
of the matrix product state ansatz, we perform the tomography (in the
pure-state approximation) of quantum states produced in a 20-qubit trapped-ion
Ising-type quantum simulator, using the data acquired in only 27 bases with
1000 measurements in each basis. We observe superior state reconstruction
quality and faster convergence compared to the methods based on neural network
quantum state representations: restricted Boltzmann machines and feedforward
neural networks with autoregressive architecture. Our results pave the way
towards efficient experimental characterization of complex states produced by
the quench dynamics of many-body quantum systems.
- Abstract（参考訳）: 量子コンピュータとシミュレーターの開発に成功するための前提条件は、それらが生成する量子状態を測定することによって得られる物理的過程の正確な理解である。
しかしながら、従来の量子状態推定に必要なリソースは、システムサイズと指数関数的にスケールし、代替アプローチの必要性を強調している。
ここでは、大きく絡み合った多ビット量子状態の効率的な再構成法を示す。
行列積状態 ansatz の変分バージョンを用いて、20量子ビットのトラップイオンイジング型量子シミュレータで生成された量子状態のトモグラフィー(純状態近似)を行い、各基底で1000個の測定値を持つ27塩基で取得したデータを用いた。
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、優れた状態再構成品質とより高速な収束を観察する:制限ボルツマンマシンと自己回帰アーキテクチャを備えたフィードフォワードニューラルネットワーク。
本研究では,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キャラクタリゼーションへの道を開く。
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) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Deep Quantum Circuit Simulations of Low-Energy Nuclear States [51.823503818486394]
深部量子回路の高速数値シミュレーションの進歩について述べる。
21キュービットまでの回路と 115,000,000以上のゲートを効率的にシミュレートできる。
論文 参考訳（メタデータ） (2023-10-26T19:10:58Z) - 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 Quantum States Using Basis-Enhanced Born Machines [0.0]
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。
論文 参考訳（メタデータ） (2022-06-02T19:52:38Z) - 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) - Convergence of reconstructed density matrix to a pure state using
maximal entropy approach [4.084744267747294]
量子系の密度行列を任意の量子ビットに対して純粋な状態に完全に再構成するためのQSTの代替手法を提案する。
我々のゴールは、実際の量子コンピュータにおける量子エラー軽減の分野に応用できる純粋状態の量子システムの実用的な推論を提供することである。
論文 参考訳（メタデータ） (2021-07-02T16:58:26Z) - 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) - 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) - 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) - Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。
我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文 参考訳（メタデータ） (2019-12-31T07:40:23Z)
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。