論文の概要: Neural network assisted quantum state and process tomography using limited data sets

• arxiv url: http://arxiv.org/abs/2304.04167v1
• Date: Sun, 9 Apr 2023 05:51:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-11 17:20:31.390391
• Title: Neural network assisted quantum state and process tomography using limited data sets
• Title（参考訳）: 限定データセットを用いたニューラルネットワーク支援量子状態とプロセストモグラフィ
• Authors: Akshay Gaikwad and Omkar Bihani and Arvind and Kavita Dorai
• Abstract要約: 我々は、量子状態とプロセスのトモグラフィーを行うために、フィードフォワード人工ニューラルネットワーク(FFNN)アーキテクチャを用いる。 未知の量子状態とプロセスの密度とプロセス行列は高忠実度で再構成可能であることを示す。
• 参考スコア（独自算出の注目度）: 3.818504253546488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study we employ a feed-forward artificial neural network (FFNN) architecture to perform tomography of quantum states and processes obtained from noisy experimental data. To evaluate the performance of the FFNN, we use a heavily reduced data set and show that the density and process matrices of unknown quantum states and processes can be reconstructed with high fidelity. We use the FFNN model to tomograph 100 two-qubit and 128 three-qubit states which were experimentally generated on a nuclear magnetic resonance (NMR) quantum processor. The FFNN model is further used to characterize different quantum processes including two-qubit entangling gates, a shaped pulsed field gradient, intrinsic decoherence processes present in an NMR system, and various two-qubit noise channels (correlated bit flip, correlated phase flip and a combined bit and phase flip). The results obtained via the FFNN model are compared with standard quantum state and process tomography methods and the computed fidelities demonstrates that for all cases, the FFNN model outperforms the standard methods for tomography.
• Abstract（参考訳）: 本研究では,フィードフォワード型ニューラルネットワーク(ffnn)アーキテクチャを用いて,雑音下実験データから得られた量子状態と過程のトモグラフィーを行う。 FFNNの性能を評価するために, 大幅に削減されたデータセットを用いて, 未知の量子状態とプロセスの密度とプロセス行列を高忠実度で再構成可能であることを示す。 我々はFFNNモデルを用いて核磁気共鳴(NMR)量子プロセッサで実験的に生成した100個の2量子状態と128個の3量子状態のトモグラフィーを行う。 さらに、FFNNモデルは、2ビットのエンタングゲート、形状のパルス磁場勾配、NMR系に存在する固有デコヒーレンス過程、および様々な2ビットのノイズチャネル(関連ビットフリップ、相関位相フリップ、結合ビットと位相フリップ)を含む異なる量子過程を特徴づけるために用いられる。 FFNNモデルを用いて得られた結果は、標準量子状態およびプロセストモグラフィー法と比較され、計算された忠実度は、すべてのケースにおいて、FFNNモデルがトモグラフィーの標準手法よりも優れていることを示す。

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)
• Detecting Markovianity of Quantum Processes via Recurrent Neural Networks [0.0]
  本稿では、マルコフ的および非マルコフ的量子過程を分類するために、リカレントニューラルネットワーク(RNN)を利用する新しい手法を提案する。 このモデルは、様々なシナリオにまたがって95%を超える例外的な精度を示す。
  論文  参考訳（メタデータ） (2024-06-11T13:05:36Z)
• 1-bit Quantized On-chip Hybrid Diffraction Neural Network Enabled by Authentic All-optical Fully-connected Architecture [4.594367761345624]
  本研究では,行列乗算をDNNに組み込んだ新しいアーキテクチャであるHybrid Diffraction Neural Network(HDNN)を紹介する。 特異位相変調層と振幅変調層を用いて、トレーニングされたニューラルネットワークは、数字認識タスクにおいて96.39%と89%の顕著な精度を示した。
  論文  参考訳（メタデータ） (2024-04-11T02:54:17Z)
• 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)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• On how neural networks enhance quantum state tomography with constrained measurements [3.1866319932300953]
  本稿では,深部ニューラルネットワークを用いた量子状態トモグラフィ(DNN-QST)アプローチを提案する。 DNN-QSTは、限られた測定資源を持つ量子状態トモグラフィーにおいて高い忠実性を達成する大きな可能性を示し、トモグラフィー測定がノイズに悩まされた場合の予測を改善することができる。
  論文  参考訳（メタデータ） (2021-11-18T03:46:37Z)
• Classification and reconstruction of optical quantum states with deep neural networks [1.1470070927586016]
  我々は、量子状態の分類と再構成にディープ・ニューラル・ネットワーク技術を適用した。 ノイズの有無やデータが少ない場合でも,高い分類精度と再現率を示す。 我々は,条件付き生成対向ネットワーク(QST-CGAN)を用いた[arXiv:2008.03240]QST手法のさらなる実演を行う。
  論文  参考訳（メタデータ） (2020-12-03T18:58:16Z)
• 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)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)

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。