論文の概要: VENUS: A Geometrical Representation for Quantum State Visualization

• arxiv url: http://arxiv.org/abs/2303.08366v1
• Date: Wed, 15 Mar 2023 04:56:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 18:27:02.534451
• Title: VENUS: A Geometrical Representation for Quantum State Visualization
• Title（参考訳）: VENUS: 量子状態可視化のための幾何学的表現
• Authors: Shaolun Ruan, Ribo Yuan, Yong Wang, Yanna Lin, Ying Mao, Weiwen Jiang, Zhepeng Wang, Wei Xu, Qiang Guan
• Abstract要約: VENUSは量子状態表現のための新しい視覚化である。 VENUSは1量子ビットと2量子ビットの量子状態の探索を効果的に行うことができることを示す。
• 参考スコア（独自算出の注目度）: 14.373238457656234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visualizations have played a crucial role in helping quantum computing users explore quantum states in various quantum computing applications. Among them, Bloch Sphere is the widely-used visualization for showing quantum states, which leverages angles to represent quantum amplitudes. However, it cannot support the visualization of quantum entanglement and superposition, the two essential properties of quantum computing. To address this issue, we propose VENUS, a novel visualization for quantum state representation. By explicitly correlating 2D geometric shapes based on the math foundation of quantum computing characteristics, VENUS effectively represents quantum amplitudes of both the single qubit and two qubits for quantum entanglement. Also, we use multiple coordinated semicircles to naturally encode probability distribution, making the quantum superposition intuitive to analyze. We conducted two well-designed case studies and an in-depth expert interview to evaluate the usefulness and effectiveness of VENUS. The result shows that VENUS can effectively facilitate the exploration of quantum states for the single qubit and two qubits.
• Abstract（参考訳）: 可視化は、量子コンピューティングユーザーが様々な量子コンピューティングアプリケーションで量子状態を調べるのを助ける上で重要な役割を担っている。 その中でもBloch Sphereは、量子振幅を表すために角度を利用する量子状態を示すために広く使われている視覚化である。 しかし、量子エンタングルメントと重ね合わせ(量子コンピューティングの2つの本質的性質)の可視化はサポートできない。 本稿では,量子状態表現のための新しい可視化手法であるVENUSを提案する。 量子コンピューティング特性の数学的基礎に基づく2次元幾何学的形状を明示的に関連付けることにより、VENUSは量子エンタングルメントのための1量子ビットと2量子ビットの両方の量子振幅を効果的に表現する。 また、複数の座標半円を用いて確率分布を自然にエンコードし、量子重ね合わせを直感的に解析する。 VENUSの有用性と有効性を評価するために,2つの優れたケーススタディと詳細な専門家インタビューを行った。 その結果、VENUSは1量子ビットと2量子ビットの量子状態の探索を効果的に行うことができた。

関連論文リスト

• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• Digital Quantum Simulation and Circuit Learning for the Generation of Coherent States [1.4153418423656923]
  量子回路におけるコヒーレントな状態をデジタル的に準備する2つの方法が導入された。 ディジタル生成されたコヒーレント状態の高忠実度を検証した。 シミュレーションの結果、量子回路学習は、適切なアンサーゼを選択することにより、コヒーレントな状態の学習に高い忠実性を提供できることが示された。
  論文  参考訳（メタデータ） (2022-10-30T09:06:21Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Suppressing decoherence in quantum state transfer with unitary operations [1.9662978733004601]
  本研究では、与えられた(多重量子ビット)量子状態を保護するために、量子状態に依存した前処理および後処理のユニタリ演算の適用について検討する。 我々は、量子エミュレーション実験とクラウドアクセス可能な量子プロセッサによる実実験の両方において、出力量子状態の忠実度の増加を観察する。
  論文  参考訳（メタデータ） (2022-08-09T17:41:20Z)
• Scalable Simulation of Quantum Measurement Process with Quantum Computers [13.14263204660076]
  量子計測過程をエミュレートする量子ビットモデルを提案する。 1つのモデルは単一光子検出によって動機付けされ、もう1つはスピン測定によって動機付けされる。 我々はSchr"odinger cat-like状態を生成し、それに対応する量子回路を明示的に示す。
  論文  参考訳（メタデータ） (2022-06-28T14:21:43Z)
• Machine learning applications for noisy intermediate-scale quantum computers [0.0]
  NISQコンピュータに適した3つの量子機械学習アプリケーションを開発し研究する。 これらのアルゴリズムは本質的に変動し、基礎となる量子機械学習モデルとしてパラメータ化量子回路(PQC)を使用する。 近似量子クローニングの領域において,データを自然界において量子化する変分アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-19T09:26:57Z)
• Efficient Bipartite Entanglement Detection Scheme with a Quantum Adversarial Solver [89.80359585967642]
  パラメータ化量子回路で完了した2プレーヤゼロサムゲームとして,両部絡み検出を再構成する。 このプロトコルを線形光ネットワーク上で実験的に実装し、5量子量子純状態と2量子量子混合状態の両部絡み検出に有効であることを示す。
  論文  参考訳（メタデータ） (2022-03-15T09:46:45Z)
• On exploring practical potentials of quantum auto-encoder with advantages [92.19792304214303]
  量子オートエンコーダ(QAE)は、量子物理学で遭遇する次元の呪いを和らげるための強力なツールである。 我々はQAEを用いて固有値を効率的に計算し、高次元量子状態の対応する固有ベクトルを作成できることを証明した。 低ランク状態の忠実度推定,量子ギブス状態準備,量子メトロジーの課題を解決するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• A divide-and-conquer algorithm for quantum state preparation [2.2596039727344457]
  本研究では,N次元ベクトルを多対数深度および絡み合った情報を持つ量子回路に負荷させることが可能であることを示す。 その結果,空間の計算時間を交換するために分割・対数戦略を用いて,量子デバイスに効率的にデータをロードできることが示唆された。
  論文  参考訳（メタデータ） (2020-08-04T13:26:07Z)

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。