論文の概要: Learning the tensor network model of a quantum state using a few single-qubit measurements

• arxiv url: http://arxiv.org/abs/2309.00397v1
• Date: Fri, 1 Sep 2023 11:11:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-04 13:42:10.907493
• Title: Learning the tensor network model of a quantum state using a few single-qubit measurements
• Title（参考訳）: 数個の単一量子ビット計測による量子状態のテンソルネットワークモデル学習
• Authors: Sergei S. Kuzmin, Varvara I. Mikhailova, Ivan V. Dyakonov, Stanislav S. Straupe
• Abstract要約: 人工量子システムの次元性は常に増大し、その特徴付けとベンチマークのために非常に効率的な方法が要求される。 本稿では,未知の量子系のテンソルネットワークモデルを学習する構成的かつ数値的に効率的なプロトコルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The constantly increasing dimensionality of artificial quantum systems demands for highly efficient methods for their characterization and benchmarking. Conventional quantum tomography fails for larger systems due to the exponential growth of the required number of measurements. The conceptual solution for this dimensionality curse relies on a simple idea - a complete description of a quantum state is excessive and can be discarded in favor of experimentally accessible information about the system. The probably approximately correct (PAC) learning theory has been recently successfully applied to a problem of building accurate predictors for the measurement outcomes using a dataset which scales only linearly with the number of qubits. Here we present a constructive and numerically efficient protocol which learns a tensor network model of an unknown quantum system. We discuss the limitations and the scalability of the proposed method.
• Abstract（参考訳）: 人工量子システムの次元性は常に増大しているため、その特徴付けとベンチマークのための高効率な手法が要求される。 従来の量子トモグラフィーは、必要な測定数の指数関数的な増加のため、より大きなシステムでは失敗する。 この次元の呪いに対する概念的な解決策は、単純なアイデアに依存する - 量子状態の完全な記述は過剰であり、システムに関する実験的にアクセス可能な情報に置き換えられる。 ほぼ正しいPAC学習理論は、最近、量子ビット数にのみ線形にスケールするデータセットを用いて測定結果の正確な予測器を構築する問題にうまく適用されている。 本稿では,未知の量子系のテンソルネットワークモデルを学習する構成的かつ数値的に効率的なプロトコルを提案する。 本稿では,提案手法の限界と拡張性について論じる。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Network Tomography via Learning Isometries on Stiefel Manifold [7.796175259362575]
  本稿では,Stiefel多様体上のアイソメトリーを学習し,量子ネットワークトモグラフィーの効率的な手法を提案する。 その結果,提案手法は精度と効率性が高いことがわかった。
  論文  参考訳（メタデータ） (2024-04-10T13:05:39Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Transition Role of Entangled Data in Quantum Machine Learning [51.6526011493678]
  エンタングルメントは量子コンピューティングを強化するリソースとして機能する。 最近の進歩は量子力学の学習に対する肯定的な影響を浮き彫りにした。 我々は、絡み合ったデータを用いて量子力学を学習するための量子no-free-lunch(NFL)定理を確立する。
  論文  参考訳（メタデータ） (2023-06-06T08:06:43Z)
• Optimal Single Qubit Tomography: Realization of Locally Optimal Measurements on a Quantum Computer [0.2621730497733947]
  これらの測定を超伝導量子コンピュータに実装する。 我々の実験は理論的な限界を飽和させるのに十分低い誤差を生じる。 シミュレーションの結果,事前知識の相違による任意の量子状態のキャラクタリゼーションにおける手法の堅牢性を示す。
  論文  参考訳（メタデータ） (2023-02-10T09:44:58Z)
• Estimating truncation effects of quantum bosonic systems using sampling algorithms [5.1640944784887415]
  量子量子コンピュータ上のボソンをシミュレートするためには、無限次元の局所ヒルベルト空間を有限次元に切り離すことで理論を正則化しなければならない。 本稿では,古典デバイスにおける従来のサンプリング手法,特にマルコフ・チェイン・モンテカルロがこの問題に対処可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-16T15:55:16Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• Deep learning of quantum entanglement from incomplete measurements [0.2493740042317776]
  ニューラルネットワークを用いることで、量子状態の完全な記述を必要とせずに、絡み合いの度合いを定量化できることを実証する。 提案手法は,不完全な局所的な測定値を用いて,量子相関の直接量子化を可能にする。 我々は,様々な測定シナリオからデータを受け取り,ある程度,測定装置から独立して実行する畳み込みネットワーク入力に基づく手法を導出する。
  論文  参考訳（メタデータ） (2022-05-03T12:55:39Z)
• Adaptive Quantum State Tomography with Active Learning [0.0]
  本稿では,能動学習を用いた量子状態トモグラフィーの効率的なスキームを提案し,実装する。 本手法は, 1次元のXXZモデルと運動的に制約されたスピン鎖の基底状態だけでなく, 様々なエンタングルメントの程度で異なるマルチキュービット状態の再構成を行う。 提案手法は,量子多体システムにおける物理的洞察を得るとともに,量子デバイスをベンチマークし,特徴付けるためにも有効である。
  論文  参考訳（メタデータ） (2022-03-29T16:23:10Z)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• Quantum verification and estimation with few copies [63.669642197519934]
  大規模絡み合ったシステムの検証と推定は、信頼性の高い量子情報処理にそのようなシステムを用いる際の大きな課題の1つである。 本稿では,資源の一定数(サンプリング複雑性)に着目し,任意の次元のシステムに適していることを示す。 具体的には、量子状態トモグラフィー(quantum state tomography)の概念とともに、エンタングルメント検出のために少なくとも1つのコピーだけを必要とする確率的フレームワークをレビューする。
  論文  参考訳（メタデータ） (2021-09-08T18:20:07Z)

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。