論文の概要: State Classification via a Random-Walk-Based Quantum Neural Network

• arxiv url: http://arxiv.org/abs/2304.05662v1
• Date: Wed, 12 Apr 2023 07:39:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-04-13 15:48:12.949064
• Title: State Classification via a Random-Walk-Based Quantum Neural Network
• Title（参考訳）: ランダムウォーク型量子ニューラルネットワークによる状態分類
• Authors: Lu-Ji Wang, Jia-Yi Lin, and Shengjun Wu
• Abstract要約: 量子ニューラルネットワーク(QSNN)を導入し、量子状態のバイナリ識別を実現する能力を示す。 バイナリ識別以外にも、QSNNは未知の状態の集合を、絡み合った状態と分離可能な状態の2つのタイプに分類するためにも用いられる。 以上の結果から,QSNNは未知の量子状態を量子情報で処理する大きな可能性を持っていることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In quantum information technology, crucial information is regularly encoded in different quantum states. To extract information, the identification of one state from the others is inevitable. However, if the states are non-orthogonal and unknown, this task will become awesomely tricky, especially when our resources are also limited. Here, we introduce the quantum stochastic neural network (QSNN), and show its capability to accomplish the binary discrimination of quantum states. After a handful of optimizing iterations, the QSNN achieves a success probability close to the theoretical optimum, no matter whether the states are pure or mixed. Other than binary discrimination, the QSNN is also applied to classify an unknown set of states into two types: entangled ones and separable ones. After training with four samples, it can classify a number of states with acceptable accuracy. Our results suggest that the QSNN has the great potential to process unknown quantum states in quantum information.
• Abstract（参考訳）: 量子情報技術では、重要な情報は異なる量子状態に定期的に符号化される。 情報を抽出するには、ある状態の他の状態からの識別が不可欠である。 しかし、もし状態が非直交的で未知であれば、特にリソースが制限されている場合、このタスクは驚くほどトリッキーになるでしょう。 本稿では,量子確率ニューラルネットワーク(qsnn)を紹介し,量子状態のバイナリ識別を実現する能力を示す。 少数の最適化イテレーションの後、QSNNは、状態が純粋であるか混合であるかにかかわらず、理論最適に近い成功確率を達成する。 バイナリ識別以外にも、QSNNは未知の状態の集合を、絡み合った状態と分離可能な状態の2つのタイプに分類するためにも用いられる。 4つのサンプルでトレーニングした後、許容できる精度で複数の状態を分類することができる。 以上の結果から,QSNNは未知の量子状態を量子情報で処理する大きな可能性を示唆している。

関連論文リスト

• A generalized framework for quantum state discrimination, hybrid algorithms, and the quantum change point problem [3.4683494246563606]
  半定値計画法に基づくハイブリッド量子古典アルゴリズムを提案し、状態が純粋で効率的な回路を持つ場合の最大報酬を計算する。 量子状態の列が与えられた場合、量子状態が変化したときの時間ステップを決定する量子変化点同定問題に対して、現在可能なアルゴリズムを与える。
  論文  参考訳（メタデータ） (2023-12-07T03:42:40Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Simple Tests of Quantumness Also Certify Qubits [69.96668065491183]
  量子性の検定は、古典的検証者が証明者が古典的でないことを(のみ)証明できるプロトコルである。 我々は、あるテンプレートに従う量子性のテストを行い、(Kalai et al., 2022)のような最近の提案を捉えた。 すなわち、同じプロトコルは、証明可能なランダム性や古典的な量子計算のデリゲートといったアプリケーションの中心にあるビルディングブロックであるqubitの認定に使用できる。
  論文  参考訳（メタデータ） (2023-03-02T14:18:17Z)
• The power of noisy quantum states and the advantage of resource dilution [62.997667081978825]
  絡み合った蒸留により、ノイズの多い量子状態が一重項に変換される。 エンタングルメント希釈は局所雑音に対する共有量子状態のレジリエンスを高めることができることを示す。
  論文  参考訳（メタデータ） (2022-10-25T17:39:29Z)
• Quantum variational learning for entanglement witnessing [0.0]
  この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。 我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。 我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
  論文  参考訳（メタデータ） (2022-05-20T20:14:28Z)
• 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)
• Flexible learning of quantum states with generative query neural networks [4.540894342435848]
  複数の量子状態にまたがる学習は、生成的クエリニューラルネットワークによって達成できることを示す。 我々のネットワークは、古典的にシミュレートされたデータでオフラインでトレーニングでき、後に未知の量子状態を実際の実験データから特徴づけるのに使うことができる。
  論文  参考訳（メタデータ） (2022-02-14T15:48:27Z)
• Quantifying Unknown Entanglement by Neural Networks [1.6629141734354616]
  ニューラルネットワークは未知の絡み合いを定量化するために訓練され、ニューラルネットワークの入力特徴は、ターゲットの量子状態を局所的に測定した結果統計データである。 その結果、トレーニングするニューラルネットワークは、未知の量子状態の定量化に非常に優れた性能を持つことがわかった。
  論文  参考訳（メタデータ） (2021-04-26T12:50:25Z)
• On the learnability of quantum neural networks [132.1981461292324]
  本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。 また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-24T06:34:34Z)
• Unambiguous quantum state elimination for qubit sequences [0.0]
  2つ以上の量子ビットに対して量子状態の除去を考えるが、それぞれの量子ビットは2つの可能な状態のうちの1つである。 排除された全N-量子状態の平均数を最大化したい場合、各量子ビットにおける個々の測定が最適であることを示す。
  論文  参考訳（メタデータ） (2020-03-03T21:18:45Z)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。