論文の概要: Neural networks for Bayesian quantum many-body magnetometry

• arxiv url: http://arxiv.org/abs/2212.12058v1
• Date: Thu, 22 Dec 2022 22:13:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-09 04:59:07.043854
• Title: Neural networks for Bayesian quantum many-body magnetometry
• Title（参考訳）: ベイズ量子多体磁気測定のためのニューラルネットワーク
• Authors: Yue Ban, Jorge Casanova and Ricardo Puebla
• Abstract要約: 絡み合った量子多体系は、個々の量子検出器のアンサンブルで達成可能な精度よりも大きいパラメータを推定できるセンサーとして使用できる。 このことは、ベイズ推論手法の適用性を妨げうる複雑さを伴っている。 量子多体センサの力学を忠実に再現するニューラルネットワークを用いて、これらの問題を回避する方法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Entangled quantum many-body systems can be used as sensors that enable the estimation of parameters with a precision larger than that achievable with ensembles of individual quantum detectors. Typically, the parameter estimation strategy requires the microscopic modelling of the quantum many-body system, as well as a an accurate description of its dynamics. This entails a complexity that can hinder the applicability of Bayesian inference techniques. In this work we show how to circumvent these issues by using neural networks that faithfully reproduce the dynamics of quantum many-body sensors, thus allowing for an efficient Bayesian analysis. We exemplify with an XXZ model driven by magnetic fields, and show that our method is capable to yield an estimation of field parameters beyond the standard quantum limit scaling. Our work paves the way for the practical use of quantum many-body systems as black-box sensors exploiting quantum resources to improve precision estimation.
• Abstract（参考訳）: 絡み合った量子多体系は、個々の量子検出器のアンサンブルで達成可能な精度よりも大きいパラメータを推定できるセンサーとして使用できる。 通常、パラメータ推定戦略は、量子多体系の微視的なモデリングと、その力学の正確な記述を必要とする。 これはベイズ推論手法の適用性を妨げる複雑さを伴う。 本研究では、量子多体センサのダイナミクスを忠実に再現するニューラルネットワークを用いて、これらの問題を回避し、効率の良いベイズ解析を可能にする方法を示す。 我々は、磁場によって駆動されるXXZモデルを例示し、標準量子制限スケーリングを超えて、フィールドパラメータの推定を行うことができることを示す。 我々の研究は、量子多体系を量子資源を利用したブラックボックスセンサとして実用化し、精度推定を改善するための道を開くものである。

関連論文リスト

• Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
  本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。 量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
  論文  参考訳（メタデータ） (2024-06-03T09:51:25Z)
• 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)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Entanglement Forging with generative neural network models [0.0]
  ハイブリッド量子-古典的変分アンゼ」は、量子リソースオーバーヘッドを下げるために絡み合いを鍛えることができることを示す。 この方法は観測者の期待値の固定精度を達成するのに必要な測定値の数で効率的である。
  論文  参考訳（メタデータ） (2022-05-02T14:29:17Z)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Integrable quantum many-body sensors for AC field sensing [0.0]
  本稿では,ACフィールドの振幅を検出するために,積分可能な多体系を効率的に利用できることを述べる。 提案プロトコルは,短期量子シミュレータでも実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-05-27T23:52:22Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)
• Solving Quantum Master Equations with Deep Quantum Neural Networks [0.0]
  我々は、オープンな量子多体系の混合状態を表現するために、普遍的な量子計算が可能なディープ量子フィードフォワードニューラルネットワークを使用する。 量子ネットワークの特別な構造を所有するこのアプローチは、バレン高原の欠如など、多くの注目すべき特徴を享受している。
  論文  参考訳（メタデータ） (2020-08-12T18:00:08Z)
• Photonic Quantum Metrology [0.0]
  本研究の目的は、量子資源を利用した未知のパラメータの推定である。 本稿では, この課題に対するフォトニック技術の応用, 特に位相推定に焦点をあてる。
  論文  参考訳（メタデータ） (2020-03-12T14:37:55Z)

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。