論文の概要: Deep Bayesian Experimental Design for Quantum Many-Body Systems
- arxiv url: http://arxiv.org/abs/2306.14510v1
- Date: Mon, 26 Jun 2023 08:40:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 14:24:40.623940
- Title: Deep Bayesian Experimental Design for Quantum Many-Body Systems
- Title（参考訳）: 量子多体系のディープベイズ実験設計
- Authors: Leopoldo Sarra, Florian Marquardt
- Abstract要約: 提案手法は,現在の量子技術プラットフォームを特徴付ける適応的計測戦略の可能性を秘めていることを示す。
特に、結合キャビティとキュービット配列の配列に焦点を当てる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bayesian experimental design is a technique that allows to efficiently select
measurements to characterize a physical system by maximizing the expected
information gain. Recent developments in deep neural networks and normalizing
flows allow for a more efficient approximation of the posterior and thus the
extension of this technique to complex high-dimensional situations. In this
paper, we show how this approach holds promise for adaptive measurement
strategies to characterize present-day quantum technology platforms. In
particular, we focus on arrays of coupled cavities and qubit arrays. Both
represent model systems of high relevance for modern applications, like quantum
simulations and computing, and both have been realized in platforms where
measurement and control can be exploited to characterize and counteract
unavoidable disorder. Thus, they represent ideal targets for applications of
Bayesian experimental design.
- Abstract（参考訳）: ベイズ実験設計(英: bayesian experimental design)は、期待される情報ゲインを最大化することにより、物理的システムを特徴付ける計測を効率的に選択できる手法である。
ディープニューラルネットワークと正規化フローの最近の進展により、後方のより効率的な近似が可能となり、この技術は複雑な高次元の状況に拡張される。
本稿では,このアプローチが,現在の量子技術プラットフォームを特徴付ける適応的計測戦略をどのように持つかを示す。
特に、結合キャビティとキュービット配列の配列に焦点を当てる。
どちらも、量子シミュレーションやコンピューティングのような現代の応用に高い関連性を持つモデルシステムであり、測定と制御を利用して避けられない障害を特徴付け、対処できるプラットフォームで実現されている。
したがって、それらはベイズ実験設計の応用に理想的な対象である。
関連論文リスト
- Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states [0.0]
本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。
量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
論文 参考訳（メタデータ） (2024-06-03T09:51:25Z) - Applications of model-aware reinforcement learning in Bayesian quantum
metrology [0.6138671548064355]
Belliardo et al., arXiv:2312.16985 (2023) では、量子力学と推定において幅広いタスクを最適化できる手順を紹介した。
我々は、トレーニングにおいて、システムを記述する物理を明示的に考慮した最適化にモデルベースのアプローチを採用する。
この展示は、PyPIでリリースされたqsensoroptライブラリで実装されている、この方法の幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-03-08T22:48:07Z) - Designing variational ansatz for quantum-enabled simulation of
non-unitary dynamical evolution -- an excursion into Dicke supperradiance [7.977318221782395]
我々は、AVQDの非制限ベクトル化変種を用いて、様々な非単位進化系をシミュレートし、ベンチマークする。
使用したアンザッツの効率的な分解方式を示し,その応用範囲を様々なオープン量子システムシナリオに拡張することができる。
我々の成功例は、化学と物理学の複雑なシステムを研究するために、適応的な変分法を利用するための道を開いた。
論文 参考訳（メタデータ） (2024-03-07T16:57:24Z) - Model-aware reinforcement learning for high-performance Bayesian
experimental design in quantum metrology [0.5461938536945721]
量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。
量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。
粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
論文 参考訳（メタデータ） (2023-12-28T12:04:15Z) - 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) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳（メタデータ） (2023-04-20T19:15:02Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z) - Deep reinforcement learning for quantum multiparameter estimation [0.0]
本研究では,現実的なベイズ量子力学タスクを実現するためのモデルフリーでディープラーニングに基づくアプローチを提案する。
我々は,標準手法よりも高い推定性能の達成を実験的に証明した。
論文 参考訳（メタデータ） (2022-09-01T18:01:56Z) - Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。
我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。
このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
論文 参考訳（メタデータ） (2022-01-14T19:24:31Z) - Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。
トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文 参考訳（メタデータ） (2021-12-15T20:09:20Z) - Quadratic mutual information regularization in real-time deep CNN models [51.66271681532262]
擬似相互情報による正規化手法を提案する。
種々の二項分類問題の実験を行い,提案モデルの有効性を示した。
論文 参考訳（メタデータ） (2021-08-26T13:14:24Z)
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。