論文の概要: Quantum Similarity Testing with Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2211.01668v2
- Date: Thu, 13 Apr 2023 04:32:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 17:26:05.654389
- Title: Quantum Similarity Testing with Convolutional Neural Networks
- Title（参考訳）: 畳み込みニューラルネットワークを用いた量子類似性テスト
- Authors: Ya-Dong Wu, Yan Zhu, Ge Bai, Yuexuan Wang, Giulio Chiribella
- Abstract要約: 制約データと雑音データを用いて未知の連続変数状態を比較する機械学習アルゴリズムを開発した。
我々のアプローチは、低次元状態表現に基づいて量子状態の類似性を評価する畳み込みニューラルネットワークに基づいている。
- 参考スコア（独自算出の注目度）: 4.540894342435848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The task of testing whether two uncharacterized quantum devices behave in the
same way is crucial for benchmarking near-term quantum computers and quantum
simulators, but has so far remained open for continuous-variable quantum
systems. In this Letter, we develop a machine learning algorithm for comparing
unknown continuous variable states using limited and noisy data. The algorithm
works on non-Gaussian quantum states for which similarity testing could not be
achieved with previous techniques. Our approach is based on a convolutional
neural network that assesses the similarity of quantum states based on a
lower-dimensional state representation built from measurement data. The network
can be trained offline with classically simulated data from a fiducial set of
states sharing structural similarities with the states to be tested, or with
experimental data generated by measurements on the fiducial states, or with a
combination of simulated and experimental data. We test the performance of the
model on noisy cat states and states generated by arbitrary selective
number-dependent phase gates. Our network can also be applied to the problem of
comparing continuous variable states across different experimental platforms,
with different sets of achievable measurements, and to the problem of
experimentally testing whether two states are equivalent up to Gaussian unitary
transformations.
- Abstract（参考訳）: 2つの非文字化量子デバイスが同じように振る舞うかどうかをテストするタスクは、短期量子コンピュータと量子シミュレーターのベンチマークに不可欠だが、これまでは連続可変量子システムに対してオープンだった。
本稿では,制約データと雑音データを用いて未知の連続変数状態を比較する機械学習アルゴリズムを開発する。
このアルゴリズムは、以前の手法では類似性テストが達成できない非ガウス量子状態で動作する。
本手法は,計測データから構築した低次元状態表現に基づいて,量子状態の類似性を評価する畳み込みニューラルネットワークに基づいている。
ネットワークは、テスト対象の状態と構造的な類似性を共有する複数の状態の古典的なシミュレーションデータ、またはfiducial状態の測定によって生成された実験データ、またはシミュレーションデータと実験データの組み合わせでオフラインでトレーニングすることができる。
任意選択数依存性位相ゲートによって生成された雑音猫状態および状態におけるモデルの性能を検証した。
我々のネットワークは、異なる実験プラットフォーム間の連続変数状態と異なる達成可能な測定セットを比較する問題や、2つの状態がガウスユニタリ変換に等しいかどうかを実験的に検証する問題にも適用できる。
関連論文リスト
- Machine-learning certification of multipartite entanglement for noisy quantum hardware [1.204553980682492]
絡み合いは、概念的にも多くの応用のためにも、量子物理学の基本的な側面である。
ランダムな局所測定の統計データを非線形次元削減アルゴリズムに供給する認証パイプラインを開発した。
我々は、シミュレーションされたテストデータに基づいて予測の精度を検証し、IBM量子コンピューティングハードウェア上で準備された状態に適用する。
論文 参考訳（メタデータ） (2024-08-22T12:47:58Z) - Learning topological states from randomized measurements using variational tensor network tomography [0.4818215922729967]
量子状態の忠実な表現を学ぶことは、量子プロセッサ上で生成される多体状態の多様性を完全に特徴づけるのに不可欠である。
本研究では,テンソルネットワーク上の変分最適化とランダムな計測手法を組み合わせたトモグラフィー手法の実装と検討を行う。
我々は、実験により実現可能な量子スピン液体状態と同様に、表面符号の基底状態を学ぶ能力を示す。
論文 参考訳（メタデータ） (2024-05-31T21:05:43Z) - Measurement-Device-Independent Detection of Beyond-Quantum State [53.64687146666141]
量子外状態検出のための測定デバイス非依存(MDI)テストを提案する。
本稿では,入力集合のトモグラフィ完全性の重要性について論じる。
論文 参考訳（メタデータ） (2023-12-11T06:40:13Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - 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) - 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) - Flexible learning of quantum states with generative query neural
networks [4.540894342435848]
複数の量子状態にまたがる学習は、生成的クエリニューラルネットワークによって達成できることを示す。
我々のネットワークは、古典的にシミュレートされたデータでオフラインでトレーニングでき、後に未知の量子状態を実際の実験データから特徴づけるのに使うことができる。
論文 参考訳（メタデータ） (2022-02-14T15:48:27Z) - Experimental robust self-testing of the state generated by a quantum
network [0.0]
我々は、2つの独立したソースを含む量子ネットワークの2つの重要なビルディングブロックを実験的に実装した。
従来の自己検定手法を拡張して、生成状態間の忠実度にデバイス非依存の下位境界を与える。
この手法は、異なるトポロジのより大きなネットワークの認証に応用できる。
論文 参考訳（メタデータ） (2020-10-15T13:28:18Z) - 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) - Gaussian Process States: A data-driven representation of quantum
many-body physics [59.7232780552418]
我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。
この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。
また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
論文 参考訳（メタデータ） (2020-02-27T15:54:44Z)
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。