論文の概要: Predictive Modelling of Quantum Process with Neural Networks
- arxiv url: http://arxiv.org/abs/2308.08815v1
- Date: Thu, 17 Aug 2023 06:53:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 17:47:01.470045
- Title: Predictive Modelling of Quantum Process with Neural Networks
- Title(参考訳): ニューラルネットワークを用いた量子プロセスの予測モデリング
- Authors: Yan Zhu, Ya-Dong Wu, Qiushi Liu, Yuexuan Wang, Giulio Chiribella
- Abstract要約: 我々は、入力状態の所定のアンサンブルに適用した場合、未知の量子プロセスの振る舞いを予測するための最初のニューラルネットワークアルゴリズムを開発した。
我々は、量子コンピューティング、量子多体物理学、量子光学における様々な関連プロセスに対して、ニューラルネットワークモデルを用いて数値的な結果を示す。
- 参考スコア(独自算出の注目度): 3.7228085662092845
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Complete characterization of an unknown quantum process can be achieved by
process tomography, or, for continuous time processes, by Hamiltonian learning.
However, such a characterization becomes unfeasible for high dimensional
quantum systems. In this paper, we develop the first neural network algorithm
for predicting the behavior of an unknown quantum process when applied on a
given ensemble of input states. The network is trained with classical data
obtained from measurements on a few pairs of input/output quantum states. After
training, it can be used to predict the measurement statistics of a set of
measurements of interest performed on the output state corresponding to any
input in the state ensemble. Besides learning a quantum gate or quantum
circuit, our model can also be applied to the task of learning a noisy quantum
evolution and predicting the measurement statistics on a time-evolving quantum
state. We show numerical results using our neural network model for various
relevant processes in quantum computing, quantum many-body physics, and quantum
optics.
- Abstract(参考訳): 未知の量子過程の完全な特徴づけは、プロセストモグラフィー、または連続時間プロセスのためにハミルトン学習によって達成できる。
しかし、そのような特徴づけは高次元量子システムでは不可能となる。
本論文では,入力状態の所定のアンサンブルに適用した場合に,未知の量子過程の挙動を予測するニューラルネットワークアルゴリズムを開発した。
ネットワークは、数組の入出力量子状態の測定から得られる古典的なデータで訓練される。
トレーニング後、状態アンサンブルの任意の入力に対応する出力状態で行われた利子測定の一連の測定統計を予測するために使用することができる。
量子ゲートや量子回路の学習に加えて、我々のモデルはノイズの多い量子進化の学習や時間進化する量子状態の測定統計の予測にも応用できる。
量子コンピューティング、量子多体物理学、量子光学の様々な関連プロセスにおいて、ニューラルネットワークモデルを用いて数値的な結果を示す。
関連論文リスト
- Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳(メタデータ) (2023-06-29T18:00:01Z) - Measurement-induced entanglement and teleportation on a noisy quantum
processor [105.44548669906976]
最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。
二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。
我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
論文 参考訳(メタデータ) (2023-03-08T18:41:53Z) - Measuring Quantum Entanglement from Local Information by Machine
Learning [10.161394383081145]
絡み合いは量子技術の発展における鍵となる性質である。
本稿では,局所ハミルトニアンの平衡状態と非平衡状態の絡み合いを測定するためのニューラルネットワーク支援プロトコルを提案する。
論文 参考訳(メタデータ) (2022-09-18T08:15:49Z) - 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) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Experimental quantum memristor [0.5396401833457565]
我々は、集積フォトニクスと単一光子に作用する新しい量子光学メムリスタを、実験的に導入し、実証する。
私たちのデバイスは、即時および短期的な量子ニューロモルフィックアーキテクチャの構築ブロックになる可能性がある。
論文 参考訳(メタデータ) (2021-05-11T08:42:14Z) - 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) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳(メタデータ) (2021-03-08T17:24:29Z) - Variational learning for quantum artificial neural networks [0.0]
まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。
次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。
メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
論文 参考訳(メタデータ) (2021-03-03T16:10:15Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳(メタデータ) (2020-01-15T18:36:53Z)
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。