論文の概要: Measuring Quantum Entanglement from Local Information by Machine Learning

• arxiv url: http://arxiv.org/abs/2209.08501v1
• Date: Sun, 18 Sep 2022 08:15:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-26 04:47:51.093699
• Title: Measuring Quantum Entanglement from Local Information by Machine Learning
• Title（参考訳）: 機械学習による局所情報からの量子絡み合いの測定
• Authors: Yulei Huang, Liangyu Che, Chao Wei, Feng Xu, Xinfang Nie, Jun Li, Dawei Lu, and Tao Xin
• Abstract要約: 絡み合いは量子技術の発展における鍵となる性質である。 本稿では,局所ハミルトニアンの平衡状態と非平衡状態の絡み合いを測定するためのニューラルネットワーク支援プロトコルを提案する。
• 参考スコア（独自算出の注目度）: 10.161394383081145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entanglement is a key property in the development of quantum technologies and in the study of quantum many-body simulations. However, entanglement measurement typically requires quantum full-state tomography (FST). Here we present a neural network-assisted protocol for measuring entanglement in equilibrium and non-equilibrium states of local Hamiltonians. Instead of FST, it can learn comprehensive entanglement quantities from single-qubit or two-qubit Pauli measurements, such as R\'enyi entropy, partially-transposed (PT) moments, and coherence. It is also exciting that our neural network is able to learn the future entanglement dynamics using only single-qubit traces from the previous time. In addition, we perform experiments using a nuclear spin quantum processor and train an adoptive neural network to study entanglement in the ground and dynamical states of a one-dimensional spin chain. Quantum phase transitions (QPT) are revealed by measuring static entanglement in ground states, and the entanglement dynamics beyond measurement time is accurately estimated in dynamical states. These precise results validate our neural network. Our work will have a wide range of applications in quantum many-body systems, from quantum phase transitions to intriguing non-equilibrium phenomena such as quantum thermalization.
• Abstract（参考訳）: 絡み合いは量子技術の発展や量子多体シミュレーションの研究において重要な性質である。 しかし、エンタングルメント測定は通常、量子フルステートトモグラフィ(FST)を必要とする。 ここでは、局所ハミルトンの平衡状態と非平衡状態の絡み合いを測定するニューラルネットワーク支援プロトコルを提案する。 FSTの代わりに、R\'enyiエントロピー、部分転位(PT)モーメント、コヒーレンスなどの1量子または2量子のパウリ測定から包括的絡み合い量を学ぶことができる。 ニューラルネットワークが、前回からシングルキュービットトレースのみを使用して、未来の絡み合いのダイナミクスを学習できることも、ワクワクしています。 さらに, 核スピン量子プロセッサを用いて実験を行い, 適応型ニューラルネットワークを訓練し, 1次元スピンチェーンの基底の絡み合いや動的状態の研究を行った。 基底状態の静的絡み合いを測定して量子相転移(QPT)を明らかにし、測定時間を超える絡み合いダイナミクスを動的状態において正確に推定する。 これらの正確な結果はニューラルネットワークを検証する。 我々の研究は、量子相転移から量子熱化のような非平衡現象への量子多体系への幅広い応用をもたらすだろう。

関連論文リスト

• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• 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)
• Measurement-induced entanglement and teleportation on a noisy quantum processor [105.44548669906976]
  最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。 二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。 我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
  論文  参考訳（メタデータ） (2023-03-08T18:41:53Z)
• An Empirical Study of Quantum Dynamics as a Ground State Problem with Neural Quantum States [0.0]
  ニューラルネットワークは、ニューラルネットワークによってパラメータ化される変動波動関数である。 多体物理学の文脈では、変分モンテカルロや変分波動関数としてのニューラル量子状態のような手法が近似に成功している。 しかしながら、ニューラルネットワークアーキテクチャを提案することの難しさは、その表現性とトレーニング容易性を探究することとともに、ニューラルネットワークをニューラルネットワーク状態として利用することにまで及んでいる。
  論文  参考訳（メタデータ） (2022-06-18T16:42:39Z)
• Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
  ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。 長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-06-03T18:00:02Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Quantifying Unknown Entanglement by Neural Networks [1.6629141734354616]
  ニューラルネットワークは未知の絡み合いを定量化するために訓練され、ニューラルネットワークの入力特徴は、ターゲットの量子状態を局所的に測定した結果統計データである。 その結果、トレーニングするニューラルネットワークは、未知の量子状態の定量化に非常に優れた性能を持つことがわかった。
  論文  参考訳（メタデータ） (2021-04-26T12:50:25Z)
• 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)
• Quantum information scrambling in a trapped-ion quantum simulator with tunable range interactions [0.0]
  エルゴード多体量子系では、局所的に符号化された量子情報は局所的な測定にはアクセスできない。 10量子ビットトラップイオン量子シミュレータ上での量子情報のスクランブルの最初の実験例を示す。 また,本システムにおけるデコヒーレンスの役割を数値シミュレーションと比較し,R'enyiエンタングルメントエントロピーの測定により解析した。
  論文  参考訳（メタデータ） (2020-01-07T17:04:16Z)

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。