論文の概要: Large-Scale Quantum Separability Through a Reproducible Machine Learning
Lens
- arxiv url: http://arxiv.org/abs/2306.09444v2
- Date: Sat, 9 Dec 2023 19:07:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 22:45:36.667355
- Title: Large-Scale Quantum Separability Through a Reproducible Machine Learning
Lens
- Title(参考訳): 再現可能な機械学習レンズによる大規模量子分離性
- Authors: Balthazar Casal\'e, Giuseppe Di Molfetta, Sandrine Anthoine, Hachem
Kadri
- Abstract要約: 量子分離性問題は、二部格子密度行列が絡み合っているか分離可能であるかを決定することである。
大規模シナリオにおいて,このNP-hard問題に対する近似解を求めるための機械学習パイプラインを提案する。
- 参考スコア(独自算出の注目度): 5.499796332553708
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The quantum separability problem consists in deciding whether a bipartite
density matrix is entangled or separable. In this work, we propose a machine
learning pipeline for finding approximate solutions for this NP-hard problem in
large-scale scenarios. We provide an efficient Frank-Wolfe-based algorithm to
approximately seek the nearest separable density matrix and derive a systematic
way for labeling density matrices as separable or entangled, allowing us to
treat quantum separability as a classification problem. Our method is
applicable to any two-qudit mixed states. Numerical experiments with quantum
states of 3- and 7-dimensional qudits validate the efficiency of the proposed
procedure, and demonstrate that it scales up to thousands of density matrices
with a high quantum entanglement detection accuracy. This takes a step towards
benchmarking quantum separability to support the development of more powerful
entanglement detection techniques.
- Abstract(参考訳): 量子分離性問題は、二部密度行列が絡み合っているか分離可能であるかを決定することである。
本研究では,大規模シナリオにおけるNP-hard問題の近似解を求めるための機械学習パイプラインを提案する。
最寄りの分離可能密度行列を近似し、分離可能あるいは絡み合う密度行列を体系的にラベル付けする方法を導出し、量子分離可能性を分類問題として扱うことができる効率的なフランクウルフアルゴリズムを提供する。
我々の方法は任意の2量子混合状態に適用できる。
3次元および7次元キューディットの量子状態による数値実験は提案手法の効率を検証し、高い量子エンタングルメント検出精度で数千の密度行列にスケールすることを示した。
これにより、より強力な絡み合い検出技術の開発を支援するために、量子分離可能性のベンチマークを行う。
関連論文リスト
- A sequentially generated variational quantum circuit with polynomial
complexity [0.46180371154032895]
本研究では,1次元,2次元,3次元の量子多体問題に自然に適応する逐次生成回路アンサッツを提案する。
応用として、未知の純量子状態と混合量子状態の正確な再構成に我々のアンザッツが利用できることを示す。
論文 参考訳(メタデータ) (2023-05-22T09:30:36Z) - A hybrid quantum-classical algorithm for multichannel quantum scattering
of atoms and molecules [62.997667081978825]
原子と分子の衝突に対するシュリンガー方程式を解くためのハイブリッド量子古典アルゴリズムを提案する。
このアルゴリズムはコーン変分原理の$S$-matrixバージョンに基づいており、基本散乱$S$-matrixを計算する。
大規模多原子分子の衝突をシミュレートするために,アルゴリズムをどのようにスケールアップするかを示す。
論文 参考訳(メタデータ) (2023-04-12T18:10:47Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳(メタデータ) (2022-12-06T22:01:49Z) - Squeezing and quantum approximate optimization [0.6562256987706128]
変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。
しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。
我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
論文 参考訳(メタデータ) (2022-05-20T18:00:06Z) - Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。
我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。
任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
論文 参考訳(メタデータ) (2022-03-30T02:02:16Z) - 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) - Quantum Optimization of Maximum Independent Set using Rydberg Atom
Arrays [39.76254807200083]
最大独立集合問題の解法として量子アルゴリズムを実験的に検討する。
問題の難易度は解の縮退と局所ミニマの数によって制御される。
最も難しいグラフでは、正確な解を見つける際に超線形量子スピードアップを観測する。
論文 参考訳(メタデータ) (2022-02-18T19:00:01Z) - Parallel Quantum Chemistry on Noisy Intermediate-Scale Quantum Computers [0.0]
量子化学基底状態エネルギー問題の解法として,新しいハイブリッド量子古典アルゴリズムを提案する。
この新しいアプローチは、超伝導トランスモン量子ビットに基づくIBM量子コンピュータ上のHubbardのようなシステムに対して実証されている。
論文 参考訳(メタデータ) (2022-02-04T22:28:17Z) - Quantum density estimation with density matrices: Application to quantum
anomaly detection [1.2289361708127877]
密度推定は統計学と機械学習の中心的なタスクである。
本稿ではQ-DEMDEと呼ばれる新しい量子古典密度行列密度推定モデルを提案する。
また,本手法の量子古典的異常検出への応用について述べる。
論文 参考訳(メタデータ) (2022-01-24T23:40:00Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳(メタデータ) (2021-07-08T17:59:55Z) - Numerical detection of Gaussian entanglement and its application to the
identification of bound entangled Gaussian states [2.4298571485464913]
分離性問題は、線形行列の不等式の集合の実現可能性を決定する等価問題としてキャストできることを示す。
提案手法は量子光学において証明可能なほど単純であるような有界なガウス状態の同定に利用できることを示す。
論文 参考訳(メタデータ) (2020-07-03T14:53:58Z)
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。