Fugu-MT 論文翻訳(概要): Quantum LOSR networks cannot generate graph states with high fidelity

論文の概要: Quantum LOSR networks cannot generate graph states with high fidelity

arxiv url: http://arxiv.org/abs/2208.12100v2
Date: Sat, 23 Mar 2024 14:27:57 GMT
ステータス: 処理完了
システム内更新日: 2024-03-27 06:02:58.818409
Title: Quantum LOSR networks cannot generate graph states with high fidelity
Title（参考訳）: 量子LOSRネットワークは高忠実度グラフ状態を生成することができない
Authors: Yi-Xuan Wang, Zhen-Peng Xu, Otfried Gühne,
Abstract要約: 我々は、連結グラフから生じる全てのマルチキュービットグラフ状態が、バイパルタイト源を持つ任意の量子ネットワークから生じることができないことを証明した。マルチキュービットグラフ状態と任意のネットワーク状態の忠実度は9/10$を超えない。
参考スコア（独自算出の注目度）: 6.720135092777862
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quantum networks lead to novel notions of locality and correlations and an important problem concerns the question of which quantum states can be experimentally prepared with a given network structure and devices and which not. We prove that all multi-qubit graph states arising from a connected graph cannot originate from any quantum network with bipartite sources, as long as feed-forward and quantum memories are not available. Moreover, the fidelity of a multi-qubit graph state and any network state cannot exceed $9/10$. Similar results can also be established for a large class of multi-qudit graph states.
Abstract（参考訳）: 量子ネットワークは、局所性と相関に関する新しい概念を生み出し、重要な問題は、量子状態が与えられたネットワーク構造とデバイスで実験的に準備され、どちらがそうでないかという問題である。我々は、結合グラフから生じる全てのマルチキュービットグラフ状態が、フィードフォワードや量子メモリが利用できない限り、バイパーティイトソースを持つ任意の量子ネットワークから発生できないことを証明した。さらに、マルチキュービットグラフ状態と任意のネットワーク状態の忠実度は9/10$を超えない。同様の結果は、多量子グラフ状態の大規模なクラスに対しても確立することができる。

関連論文リスト

Optimized Distribution of Entanglement Graph States in Quantum Networks [2.934854825488435]
量子ネットワークでは、ネットワーク上に分散されたマルチパーティの絡み合った状態は、多くの量子ネットワークアプリケーションの実装とサポートに役立ちます。本研究は,複数部品の絡み合い状態を効率的に生成・分散するための最適手法の開発に焦点をあてる。
論文参考訳（メタデータ） (2024-04-30T22:00:25Z)
Guarantees on the structure of experimental quantum networks [109.08741987555818]
量子ネットワークは、セキュアな通信、ネットワーク量子コンピューティング、分散センシングのためのマルチパーティ量子リソースと多数のノードを接続し、供給する。これらのネットワークのサイズが大きくなるにつれて、認証ツールはそれらの特性に関する質問に答える必要がある。本稿では,ある量子ネットワークにおいて特定の相関が生成できないことを保証するための一般的な方法を示す。
論文参考訳（メタデータ） (2024-03-04T19:00:00Z)
Quantum Pair State Transfer on Isomorphic Branches [0.0]
ハイゼンベルク$XY$ハミルトニアンの量子ネットワークにおけるある種のペア状態の進化は、ネットワークの局所構造にのみ依存する。高忠実度状態移動を持つグラフは、高忠実度ペア状態移動を示すために、大きな量子ネットワークの基盤となるグラフの同型分岐と見なすことができる。
論文参考訳（メタデータ） (2024-02-11T01:18:10Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
No graph state is preparable in quantum networks with bipartite sources and no classical communication [0.0]
量子情報における多数の応用で知られている任意の素局所次元のグラフ状態は量子ネットワークでは生成できないことを示す。すると、結果をグラフ状態に十分近い任意の量子状態に一般化する。
論文参考訳（メタデータ） (2022-08-25T13:59:48Z)
From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文参考訳（メタデータ） (2022-02-19T02:56:47Z)
QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
論文参考訳（メタデータ） (2021-10-06T14:44:51Z)
Network configuration theory for all networks [0.0]
絡み合った量子ネットワークは、量子情報処理や量子インターネットに対して大きな柔軟性と能力を提供する。本研究の目的は、理論に依存しない構成を持つ任意のネットワークの新たな特徴を探求することである。
論文参考訳（メタデータ） (2021-07-13T04:55:19Z)
Robust Multipartite Entanglement Without Entanglement Breaking [0.0]
実験における絡み合ったシステムは、分散量子情報処理において失われるか、オフラインにすることができる。そこで本研究では, 粒子を損なうために破壊している全ての絡み合った状態を特徴付けるモデルを提案する。結果は、単一の絡み合ったシステムと絡み合った量子ネットワークの両方の特徴を示している。
論文参考訳（メタデータ） (2021-06-17T04:22:09Z)
Genuine Network Multipartite Entanglement [62.997667081978825]
両部エンタングルメントを分散できるソースは、それ自体、$k$の本当の$k$-partiteエンタングルドステートを、任意の$k$に対して生成できる、と我々は主張する。我々は、真のネットワーク絡みの解析的および数値的な証人を提供し、過去の多くの量子実験を、この機能の実証として再解釈する。
論文参考訳（メタデータ） (2020-02-07T13:26:00Z)
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。