論文の概要: The power and limitations of learning quantum dynamics incoherently
- arxiv url: http://arxiv.org/abs/2303.12834v1
- Date: Wed, 22 Mar 2023 18:00:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 16:45:40.331220
- Title: The power and limitations of learning quantum dynamics incoherently
- Title（参考訳）: 量子力学を不整合に学習する力と限界
- Authors: Sofiene Jerbi, Joe Gibbs, Manuel S. Rudolph, Matthias C. Caro, Patrick
J. Coles, Hsin-Yuan Huang, Zo\"e Holmes
- Abstract要約: 量子プロセス学習は、量子システムを研究する重要なツールとして浮上している。
我々は、単元プロセスの学習におけるサンプルの複雑さを不整合に制限する。
任意の測定が可能であれば、任意の効率的な表現可能なユニタリを非一貫性フレームワーク内で効率的に学習できることを示す。
- 参考スコア（独自算出の注目度）: 1.5932228048141346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum process learning is emerging as an important tool to study quantum
systems. While studied extensively in coherent frameworks, where the target and
model system can share quantum information, less attention has been paid to
whether the dynamics of quantum systems can be learned without the system and
target directly interacting. Such incoherent frameworks are practically
appealing since they open up methods of transpiling quantum processes between
the different physical platforms without the need for technically challenging
hybrid entanglement schemes. Here we provide bounds on the sample complexity of
learning unitary processes incoherently by analyzing the number of measurements
that are required to emulate well-established coherent learning strategies. We
prove that if arbitrary measurements are allowed, then any efficiently
representable unitary can be efficiently learned within the incoherent
framework; however, when restricted to shallow-depth measurements only
low-entangling unitaries can be learned. We demonstrate our incoherent learning
algorithm for low entangling unitaries by successfully learning a 16-qubit
unitary on \texttt{ibmq\_kolkata}, and further demonstrate the scalabilty of
our proposed algorithm through extensive numerical experiments.
- Abstract（参考訳）: 量子プロセス学習は、量子システムを研究する重要なツールとして浮上している。
ターゲットとモデルシステムが量子情報を共有できるコヒーレントなフレームワークで広く研究されているが、量子システムのダイナミクスがシステムなしで学べるか、直接的に相互作用できるのかについては、あまり注目されていない。
このような非コヒーレントなフレームワークは、技術的に挑戦するハイブリッド絡み合い方式を必要とせずに、異なる物理プラットフォーム間で量子プロセスをトランスパイルする方法をオープンするので、事実上魅力的である。
ここでは,確立されたコヒーレント学習戦略をエミュレートするために必要な測定値の数を分析することにより,学習ユニタリプロセスのサンプル複雑性を非一貫性に評価する。
任意の測定が許された場合、非一貫性フレームワーク内で効率的に表現可能なユニタリを効率的に学習できるが、浅い深度測定に制限された場合、低エンタングリングユニタリのみを学習できる。
我々は,低エンタングリングユニタリに対する非コヒーレント学習アルゴリズムを,texttt{ibmq\_kolkata} 上で 16-qubit ユニタリを学習し,より広範な数値実験により提案アルゴリズムの可視性を示す。
関連論文リスト
- Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。
我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。
得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。
この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
論文 参考訳（メタデータ） (2024-05-12T09:05:13Z) - 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 algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
期待されている量子コンピュータの応用は、科学と産業にまたがる。
本稿では,量子アルゴリズムの応用分野について検討する。
私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
論文 参考訳（メタデータ） (2023-10-04T17:53:55Z) - Classical Verification of Quantum Learning [42.362388367152256]
量子学習の古典的検証のための枠組みを開発する。
そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。
この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
論文 参考訳（メタデータ） (2023-06-08T00:31:27Z) - Unified Quantum State Tomography and Hamiltonian Learning Using
Transformer Models: A Language-Translation-Like Approach for Quantum Systems [0.47831562043724657]
本稿では,量子状態トモグラフィとハミルトン学習を効果的に融合させるため,変圧器モデルに注意機構を取り入れた新しいアプローチを提案する。
簡単な2量子ビットの場合から、より複雑な2次元反強磁性ハイゼンベルク構造まで、様々な量子系におけるアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-24T11:20:44Z) - Quantum Causal Unravelling [44.356294905844834]
我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。
我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
論文 参考訳（メタデータ） (2021-09-27T16:28:06Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - Overlapped grouping measurement: A unified framework for measuring
quantum states [2.1166716158060104]
本稿では, 量子計測の統一的な枠組みを提案し, 高度測定手法を特別事例として取り入れた。
このスキームの直感的な理解は、測定を互換性のある測定値からなる互いに重なり合うグループに分割することである。
計算結果から,既存のスキームよりも大幅な改善が見られた。
論文 参考訳（メタデータ） (2021-05-27T12:38:18Z) - A Unified Framework for Quantum Supervised Learning [0.7366405857677226]
トレーニング可能な量子回路を用いた教師あり学習のための埋め込み型フレームワークを提案する。
これらのアプローチの目的は、異なるクラスからヒルベルト空間の分離された位置へ、量子的特徴写像を通してデータをマッピングすることである。
我々は、明示的なアプローチと他の量子教師あり学習モデルとの本質的な接続を確立する。
論文 参考訳（メタデータ） (2020-10-25T18:43:13Z) - Quantum Geometric Machine Learning for Quantum Circuits and Control [78.50747042819503]
我々は、量子幾何学的制御問題に対するディープラーニングの適用をレビューし、拡張する。
量子回路合成問題における時間-最適制御の強化について述べる。
我々の研究結果は、時間-最適制御問題に対する機械学習と幾何学的手法を組み合わせた量子制御と量子情報理論の研究者にとって興味深いものである。
論文 参考訳（メタデータ） (2020-06-19T19:12:14Z) - Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。
より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文 参考訳（メタデータ） (2020-01-28T17:35:32Z)
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。