論文の概要: Benchmarking machine learning models for quantum state classification
- arxiv url: http://arxiv.org/abs/2309.07679v1
- Date: Thu, 14 Sep 2023 12:45:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-15 14:58:26.681152
- Title: Benchmarking machine learning models for quantum state classification
- Title(参考訳): 量子状態分類のための機械学習モデルのベンチマーク
- Authors: Edoardo Pedicillo, Andrea Pasquale and Stefano Carrazza
- Abstract要約: 本研究では, 励起状態から基底状態を判別することにより, 測定状態の分類モデルを開発する。
実量子デバイスに適用された複数の分類手法をベンチマークする。
- 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: Quantum computing is a growing field where the information is processed by
two-levels quantum states known as qubits. Current physical realizations of
qubits require a careful calibration, composed by different experiments, due to
noise and decoherence phenomena. Among the different characterization
experiments, a crucial step is to develop a model to classify the measured
state by discriminating the ground state from the excited state. In this
proceedings we benchmark multiple classification techniques applied to real
quantum devices.
- Abstract(参考訳): 量子コンピューティングは、情報が量子ビットと呼ばれる2段階の量子状態によって処理される成長分野である。
現在の量子ビットの物理的実現には、ノイズやデコヒーレンス現象のために異なる実験によって構成される慎重な校正が必要である。
異なる評価実験の中で重要なステップは、励起状態から基底状態を識別することで測定状態の分類を行うモデルを開発することである。
本稿では,実量子デバイスに適用する複数の分類手法について検討する。
関連論文リスト
- Power of quantum measurement in simulating unphysical operations [10.8525801756287]
古典的なサンプリングの代わりに量子計測を用いると、一般エルミート保存写像のシミュレーションコストが低下することを示す。
提案手法は,誤差軽減と量子機械学習と密接に関連する2つのアプリケーションで実証する。
論文 参考訳(メタデータ) (2023-09-18T17:39:38Z) - 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) - Theory of entanglement and measurement in high harmonic generation [0.0]
我々は、強いレーザー駆動プロセスに量子情報理論の概念を導入する。
原子の高調波発生のための測定プロトコルの量子力学的記述を提供する。
これにより、光の量子状態工学のための新しいプロトコルを考案することができる。
論文 参考訳(メタデータ) (2022-03-08T19:24:32Z) - A quantum processor based on coherent transport of entangled atom arrays [44.62475518267084]
量子プロセッサは動的で非局所的な接続を持ち、絡み合った量子ビットは高い並列性でコヒーレントに輸送されることを示す。
このアーキテクチャを用いて,クラスタ状態や7キュービットのSteane符号状態などの絡み合ったグラフ状態のプログラム生成を実現する。
論文 参考訳(メタデータ) (2021-12-07T19:00:00Z) - Characterizing quantum instruments: from non-demolition measurements to
quantum error correction [48.43720700248091]
量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。
非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。
量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
論文 参考訳(メタデータ) (2021-10-13T18:00:13Z) - Certification of quantum states with hidden structure of their
bitstrings [0.0]
本稿では,量子状態の説明と識別を行う数値的に安価な手法を提案する。
エンタングルメントの構造が異なる量子状態を特徴付けるのに十分であることを示す。
本手法は、多体量子磁気システムにおいて、異なる性質の相転移を検出するために用いられる。
論文 参考訳(メタデータ) (2021-07-21T06:22:35Z) - An agnostic-Dolinar receiver for coherent states classification [2.6763498831034034]
量子状態を識別する問題は、量子状態について完全に古典的な知識を持つ2つの異なる量子状態を区別することである。
量子状態が光のコヒーレントな状態によって表される場合、部分的な事前情報が利用できる中間シナリオを特定する。
論文 参考訳(メタデータ) (2021-06-22T16:35:42Z) - 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) - 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。