論文の概要: Wave function network description and Kolmogorov complexity of quantum
many-body systems
- arxiv url: http://arxiv.org/abs/2301.13216v1
- Date: Mon, 30 Jan 2023 19:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-01 18:54:37.596588
- Title: Wave function network description and Kolmogorov complexity of quantum
many-body systems
- Title(参考訳): 量子多体系の波動関数ネットワーク記述とコルモゴロフ複雑性
- Authors: T. Mendes-Santos, M. Schmitt, A. Angelone, A. Rodriguez, P. Scholl, H.
J. Williams, D. Barredo, T. Lahaye, A. Browaeys, M. Heyl, M. Dalmonte
- Abstract要約: 本稿では,ネットワーク理論に基づく波動関数スナップショットを記述する数学的枠組みである波動関数ネットワークを紹介する。
量子シミュレータの出力に対応するコルモゴロフ複雑性を抽出するプロトコルを導入することにより、これらの手法を量子科学に適用する可能性を実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Programmable quantum devices are now able to probe wave functions at
unprecedented levels. This is based on the ability to project the many-body
state of atom and qubit arrays onto a measurement basis which produces
snapshots of the system wave function. Extracting and processing information
from such observations remains, however, an open quest. One often resorts to
analyzing low-order correlation functions - i.e., discarding most of the
available information content. Here, we introduce wave function networks - a
mathematical framework to describe wave function snapshots based on network
theory. For many-body systems, these networks can become scale free - a
mathematical structure that has found tremendous success in a broad set of
fields, ranging from biology to epidemics to internet science. We demonstrate
the potential of applying these techniques to quantum science by introducing
protocols to extract the Kolmogorov complexity corresponding to the output of a
quantum simulator, and implementing tools for fully scalable cross-platform
certification based on similarity tests between networks. We demonstrate the
emergence of scale-free networks analyzing data from Rydberg quantum simulators
manipulating up to 100 atoms. We illustrate how, upon crossing a phase
transition, the system complexity decreases while correlation length increases
- a direct signature of build up of universal behavior in data space. Comparing
experiments with numerical simulations, we achieve cross-certification at the
wave-function level up to timescales of 4 $\mu$ s with a confidence level of
90%, and determine experimental calibration intervals with unprecedented
accuracy. Our framework is generically applicable to the output of quantum
computers and simulators with in situ access to the system wave function, and
requires probing accuracy and repetition rates accessible to most currently
available platforms.
- Abstract(参考訳): プログラム可能な量子デバイスは、これまでにないレベルの波動関数を探索することができる。
これは、原子と量子ビット配列の多体状態を計測ベースに投影し、システム波動関数のスナップショットを生成する能力に基づいている。
しかし、そのような観測から情報を抽出して処理することは、未解決の探求である。
しばしば低次相関関数(つまり利用可能な情報コンテンツの大半を破棄する)を分析する。
本稿では,ネットワーク理論に基づく波動関数スナップショットを記述する数学的枠組みである波動関数ネットワークを紹介する。
多体システムでは、これらのネットワークはスケールフリーになり、生物学から疫病、インターネット科学まで幅広い分野において大きな成功を収めた数学的構造である。
量子シミュレータの出力に対応するコルモゴロフ複雑性を抽出するためのプロトコルを導入し、ネットワーク間の類似性テストに基づいて、完全にスケーラブルなクロスプラットフォーム認証ツールを実装することにより、これらの手法を量子科学に適用する可能性を実証する。
最大100個の原子を操作するrydberg量子シミュレータからのデータを分析するスケールフリーネットワークの出現を実証する。
位相遷移を横切ると、相関長が増加するにつれてシステムの複雑性が減少し、データ空間における普遍的な振る舞いを構築する直接的なサインとなる。
数値シミュレーションを用いて実験を行い、信頼性90%の4$\mu$ sまでの波動関数レベルでのクロス認証を実現し、前例のない精度で実験校正間隔を決定する。
我々のフレームワークは、システム波動関数にその場でアクセス可能な量子コンピュータやシミュレータの出力に汎用的に適用でき、現在利用可能なほとんどのプラットフォームで利用できる精度と繰り返し率を求める必要がある。
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$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳(メタデータ) (2024-09-05T07:18:09Z) - Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳(メタデータ) (2023-11-07T04:35:03Z) - Quantum Process Learning Through Neural Emulation [3.7228085662092845]
入力アンサンブルの内部表現を構築し,未知の過程をエミュレートするニューラルネットワークを導入する。
我々のモデルは量子コンピューティング、量子フォトニクス、量子多体物理学への応用において高い精度を示す。
論文 参考訳(メタデータ) (2023-08-17T06:53:58Z) - Quantum Federated Learning for Distributed Quantum Networks [9.766446130011706]
本稿では,量子力学の興味深い特徴を利用した分散量子ネットワークのための量子フェデレーション学習を提案する。
分散量子ネットワーク内のクライアントがローカルモデルをトレーニングするのを助けるために、量子勾配降下アルゴリズムが提供される。
量子セキュアなマルチパーティ計算プロトコルを設計し,中国の残差定理を用いた。
論文 参考訳(メタデータ) (2022-12-25T14:37:23Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳(メタデータ) (2021-07-19T23:41:03Z) - Variational Quantum Anomaly Detection: Unsupervised mapping of phase
diagrams on a physical quantum computer [0.0]
量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。
このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。
現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
論文 参考訳(メタデータ) (2021-06-15T06:54:47Z) - Variational learning for quantum artificial neural networks [0.0]
まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。
次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。
メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
論文 参考訳(メタデータ) (2021-03-03T16:10:15Z) - SeQUeNCe: A Customizable Discrete-Event Simulator of Quantum Networks [53.56179714852967]
この研究は、包括的でカスタマイズ可能な量子ネットワークシミュレータであるSeQUeNCeを開発した。
本研究では,9つのルータに量子メモリを具備したフォトニック量子ネットワークをシミュレートし,SeQUeNCeの利用を実証する。
オープンソースツールとしてSeQUeNCeをリリースしています。
論文 参考訳(メタデータ) (2020-09-25T01:52:15Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。