論文の概要: Variational quantum circuit learning of entanglement purification in multiple degrees of freedom

• arxiv url: http://arxiv.org/abs/2209.08306v2
• Date: Thu, 19 Oct 2023 03:11:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 21:22:45.068384
• Title: Variational quantum circuit learning of entanglement purification in multiple degrees of freedom
• Title（参考訳）: 多自由度における絡み合い浄化の変分量子回路学習
• Authors: Hao Zhang, Xusheng Xu, Chen Zhang, Man-Hong Yung, Tao Huang, and Yunjie Liu
• Abstract要約: エンタングルメントの浄化は、ノイズ量子ネットワークにおいて効果的なエンタングルメントチャネルを約束する重要な技術である。 本稿では,マルチDoFにおけるエンタングルメント浄化のための有効なVQCフレームワークを提案する。 本稿では,ポストセレクションに基づく目的関数の最適浄化プロトコルの学習に活用する。
• 参考スコア（独自算出の注目度）: 12.542033367866186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entanglement purification is a crucial technique for promising the effective entanglement channel in noisy large-scale quantum networks, yet complicated in designing protocols in multi-degree of freedom (DoF). To execute the above tasks easily and effectively, developing a learning framework for designing the entanglement purification with multi-DoF is a promising way and still an open research question. Inspired by variational quantum circuit (VQC) with remarkable advantage in learning optimal quantum operations with near-term quantum devices, in this paper we propose an effective VQC framework for the entanglement purification in multi-DoF and exploit it to learn the optimal purification protocols of the objective function which are based on postselection. By properly introducing additional circuit lines for representing each of the ancillary DoFs of all the particles, e.g., space and time, the parametrized quantum circuit can effectively simulate scalable entanglement purification. To verify our framework, the well-known protocols in linear optics are learned well with alternative operations in low-depth quantum circuit. Moreover, we simulate the multipair cases with multi-DoF to show the scalability and discover one-round protocols. Our work provides an effective way for exploring the entanglement purification protocols in multi-DoF and multipair with near-term quantum devices.
• Abstract（参考訳）: 絡み合いの浄化は、ノイズの多い大規模量子ネットワークにおいて効果的な絡み合いチャネルを約束する重要な技術であるが、多自由度プロトコルの設計には複雑である。 このような作業を簡単かつ効果的に行うためには、マルチDoFによる絡み合った浄化を設計するための学習フレームワークを開発することが有望であり、まだオープンな研究課題である。 本稿では,近距離量子デバイスを用いた最適量子演算の学習において顕著な優位性を持つ変分量子回路(VQC)に着想を得て,マルチDoFの絡み合いを解消するための有効なVQCフレームワークを提案し,それを利用して,ポストセレクションに基づく目的関数の最適浄化プロトコルを学習する。 すべての粒子(例えば空間と時間)のアシラリーDoFを表す追加の回路ラインを適切に導入することにより、パラメトリズド量子回路は、スケーラブルな絡み合いの浄化を効果的にシミュレートすることができる。 我々のフレームワークを検証するために、線形光学におけるよく知られたプロトコルは、低深さ量子回路における代替演算とよく一致する。 さらに,マルチペアケースをマルチDoFでシミュレートし,拡張性を示し,ワンラウンドプロトコルを発見する。 我々の研究は、マルチDoFおよび短期量子デバイスを用いたマルチペアにおける絡み合い浄化プロトコルの探索に有効な方法を提供する。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Optimal Quantum Purity Amplification [2.05170973574812]
  量子純度増幅(QPA)は、量子状態の劣化に対処する新しいアプローチを提供する。 本稿では,大域的偏極雑音に対する一般量子システムに対する最適QPAプロトコルを提案する。 この結果から,QPAは量子情報処理タスクの性能を向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-09-26T17:46:00Z)
• Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures [1.8781124875646162]
  この研究は、効率的な量子回路のコンパイルとマッピングのための新しい学習ベースのアプローチを導入することにより、スケーラブルな量子コンピューティングシステムの進歩に寄与する。 本研究では,Deep Reinforcement Learning (DRL) 手法を応用して,特定のマルチコアアーキテクチャのための学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-17T12:09:11Z)
• Machine-learning-inspired quantum control in many-body dynamics [6.817811305553492]
  制御フィールドの最適化に適した,有望かつ多目的な制御ニューラルネットワークを提案する。 本稿では,量子イジングモデルにおける臨界点通過時の欠陥密度の抑制とキャット状態の忠実度向上の問題に対処する。 勾配に基づくパワーロークエンチ法と比較して,本手法はシステムサイズと長期的進化の両面で有意な優位性を示す。
  論文  参考訳（メタデータ） (2024-04-09T01:47:55Z)
• Quantum control by the environment: Turing uncomputability, Optimization over Stiefel manifolds, Reachable sets, and Incoherent GRAPE [56.47577824219207]
  多くの現実的な状況において、制御された量子系は環境と相互作用する。 本稿では,環境を資源として利用したオープン量子システムの制御に関するいくつかの結果について概説する。
  論文  参考訳（メタデータ） (2024-03-20T10:09:13Z)
• Potential and limitations of random Fourier features for dequantizing quantum machine learning [0.5277756703318045]
  量子機械学習は、おそらく、短期量子デバイスの最もよく研究された応用の1つである。 パラメータ化量子回路(PQC)を学習モデルとして使用する変分量子機械学習の概念に多くの焦点が当てられている。 そこで本研究では,RFFがレグレッションのための変分量子機械学習の効率的な復号化を実現する上で必要かつ十分な条件を確立する。
  論文  参考訳（メタデータ） (2023-09-20T21:23:52Z)
• Multi-User Entanglement Distribution in Quantum Networks Using Multipath Routing [55.2480439325792]
  マルチパスルーティングを活用することで,マルチユーザアプリケーションの絡み合い率を高める3つのプロトコルを提案する。 これらのプロトコルは、制限された量子メモリや確率的絡み合い生成を含む、NISQ制約のある量子ネットワーク上で評価される。
  論文  参考訳（メタデータ） (2023-03-06T18:06:00Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Fast Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• Encoding strongly-correlated many-boson wavefunctions on a photonic quantum computer: application to the attractive Bose-Hubbard model [0.0]
  変分量子アルゴリズム(VQA)は、複雑な相関の強い量子多体系の特性を決定する最も有望な方法の一つである。 2つの異なるアンザッツアーキテクチャを導入し、提案した連続可変量子回路が強く相関した多ボソン波動関数を効率的に符号化できることを実証する。
  論文  参考訳（メタデータ） (2021-03-28T00:04:03Z)

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。