論文の概要: Efficient Classical Shadow Tomography through Many-body Localization Dynamics
- arxiv url: http://arxiv.org/abs/2309.01258v5
- Date: Mon, 9 Sep 2024 13:34:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 04:03:29.754628
- Title: Efficient Classical Shadow Tomography through Many-body Localization Dynamics
- Title（参考訳）: 多体局在ダイナミクスによる高能率古典的シャドウトモグラフィ
- Authors: Tian-Gang Zhou, Pengfei Zhang,
- Abstract要約: 我々は,多体ローカライゼーションのダイナミクスを基盤とした代替手法を提案する。
提案手法は浅部回路に匹敵する高い効率を達成できることを実証する。
- 参考スコア（独自算出の注目度）: 4.923287660970805
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Classical shadow tomography serves as a potent tool for extracting numerous properties from quantum many-body systems with minimal measurements. Nevertheless, prevailing methods yielding optimal performance for few-body operators necessitate the application of random two-qubit gates, a task that can prove challenging on specific quantum simulators such as ultracold atomic gases. In this work, we introduce an alternative approach founded on the dynamics of many-body localization, a phenomenon extensively demonstrated in optical lattices. Through an exploration of the shadow norm -- both analytically, employing a phenomenological model, and numerically, utilizing the TEBD algorithm -- we demonstrate that our scheme achieves remarkable efficiency comparable to shallow circuits or measurement-induced criticality, resulting in a significant improvement in the exponential exponent compared to the previous classical shadow protocol. Our findings are corroborated through direct numerical simulations encompassing the entire sampling and reconstruction processes. Consequently, our results present a compelling methodology for analyzing the output states of quantum simulators.
- Abstract（参考訳）: 古典的なシャドウトモグラフィーは、最小限の測定で量子多体系から多くの特性を抽出する強力なツールとして機能する。
それにもかかわらず、少数体の演算子に最適な性能を与える手法は、超低温の原子ガスのような特定の量子シミュレーターにおいて挑戦的なタスクであるランダムな2量子ビットゲートの適用を必要とする。
そこで本研究では,多体局在化の力学を基礎とした代替手法を提案する。
フェノメロジ的モデルと数値的にTEBDアルゴリズムを併用したシャドウノルムの探索を通じて,本手法が浅い回路や測定誘起臨界に匹敵する顕著な効率を達成することを実証し,従来のシャドウプロトコルと比較して指数指数指数が大幅に向上した。
本研究は, サンプリングおよび再構成プロセス全体を包含する直接数値シミュレーションにより, 相関するものである。
その結果,提案手法は量子シミュレータの出力状態を解析するための説得力のある手法であることがわかった。
関連論文リスト
- Spectral Densities, Structured Noise and Ensemble Averaging within Open Quantum Dynamics [0.0]
我々はSchr"odinger Equation(NISE)の数値積分の進歩について述べる。
我々は,NISE方式の熱的変形の長時間挙動を改善する改良されたアンサンブル・アブリッシング手法を提案する。
任意の雑音に対するノイズ生成アルゴリズムを用いて、NISEと(高度に)構造化されたスペクトル密度を併用する方法を実証する。
論文 参考訳（メタデータ） (2024-10-05T22:00:19Z) - Efficient Measurement-Driven Eigenenergy Estimation with Classical Shadows [0.0]
マルチオブザーバブル・ダイナミックモード分解(MODMD)の枠組みを紹介する。
我々は、典型的なアダマールテスト回路を、低ランクの可観測性を予測するために設計されたプロトコルに置き換える。
我々の研究は、短期および早期の耐故障性量子デバイス上での測定駆動アルゴリズムを効率的に設計するための道を開く。
論文 参考訳（メタデータ） (2024-09-20T17:59:56Z) - Simulating Gaussian boson sampling quantum computers [68.8204255655161]
実験的なガウスボソンサンプリングネットワークをシミュレートする最近の理論手法について概説する。
主に、量子力学の位相空間表現を使用する手法に焦点を当てる。
GBSの理論、最近の実験、その他の手法についても概説する。
論文 参考訳（メタデータ） (2023-08-02T02:03:31Z) - Empirical Sample Complexity of Neural Network Mixed State Reconstruction [0.0]
混合状態に対する異なる量子状態再構成技術の性能を数値的に検討する。
本稿では,分散低減手法を適用して,アルゴリズムの量子リソース要求を体系的に低減する方法を示す。
論文 参考訳（メタデータ） (2023-07-04T17:42:43Z) - Optimized trajectory unraveling for classical simulation of noisy
quantum dynamics [4.772237365196053]
任意のデコヒーレンスチャネルでは、アンラベリング方式を最適化し、エンタングルメント相転移の閾値を下げることができることを示す。
また、与えられた雑音チャネルに対して、未発見の基底を適応的に最適化するアルゴリズムを提案する。
準局所アンラベリングを用いて、任意に小さいが有限なデコヒーレンス率で開系を効率的にシミュレートする可能性を評価する。
論文 参考訳（メタデータ） (2023-06-29T17:59:01Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳（メタデータ） (2022-06-09T17:58:15Z) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳（メタデータ） (2022-01-21T16:35:35Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳（メタデータ） (2021-06-27T06:27:22Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2020-07-31T17:25:12Z)
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。