論文の概要: Enhancing quantum state tomography via resource-efficient attention-based neural networks

• arxiv url: http://arxiv.org/abs/2309.10616v1
• Date: Tue, 19 Sep 2023 13:46:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 14:26:30.839210
• Title: Enhancing quantum state tomography via resource-efficient attention-based neural networks
• Title（参考訳）: リソース効率の高いアテンションベースニューラルネットワークによる量子状態トモグラフィの強化
• Authors: Adriano Macarone Palmieri, Guillem M\"uller-Rigat, Anubhav Kumar Srivastava, Maciej Lewenstein, Grzegorz Rajchel-Mieldzio\'c, and Marcin P{\l}odzie\'n
• Abstract要約: 本稿では,標準的な量子状態再構成手法とアテンションに基づくニューラルネットワークアーキテクチャを組み合わせた新しい量子状態トモグラフィープロトコルを提案する。 提案手法は線形反転と最大類似度推定よりも平均忠実度再構成を改善することができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Resource-efficient quantum state tomography is one of the key ingredients of future quantum technologies. In this work, we propose a new tomography protocol combining standard quantum state reconstruction methods with an attention-based neural network architecture. We show how the proposed protocol is able to improve the averaged fidelity reconstruction over linear inversion and maximum-likelihood estimation in the finite-statistics regime, reducing at least by an order of magnitude the amount of necessary training data. We demonstrate the potential use of our protocol in physically relevant scenarios, in particular, to certify metrological resources in the form of many-body entanglement generated during the spin squeezing protocols. This could be implemented with the current quantum simulator platforms, such as trapped ions, and ultra-cold atoms in optical lattices.
• Abstract（参考訳）: 資源効率の良い量子状態トモグラフィーは、将来の量子技術の主要な要素の1つである。 本研究では,標準量子状態再構成法と注意に基づくニューラルネットワークアーキテクチャを組み合わせた新しいトモグラフィープロトコルを提案する。 提案手法は,有限統計系における線形反転と最大類似度推定よりも平均忠実度再構成を向上し,少なくとも必要なトレーニングデータの量を桁違いに削減できることを示す。 我々は,物理的に関連するシナリオ,特にスピンスクイーズプロトコル中に発生する多体絡み合いという形でメトロロジー資源を認証するために,プロトコルの潜在的利用を実証する。 これは、閉じ込められたイオンや光学格子内の超低温原子といった現在の量子シミュレータプラットフォームで実装できる。

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)
• Universal Quantum Tomography With Deep Neural Networks [0.0]
  純量子状態トモグラフィーと混合量子状態トモグラフィーの両方に対する2つのニューラルネットワークに基づくアプローチを提案する。 提案手法は,実験データから混合量子状態の再構成を行なえることを示す。
  論文  参考訳（メタデータ） (2024-07-01T19:09:18Z)
• On the Characterization of Quantum Flip Stars with Quantum Network Tomography [11.545489116237102]
  量子ネットワークトモグラフィー(Quantum Network Tomography)は、エンドツーエンドの測定を通じて、量子ネットワーク内のチャネルノイズを特徴づける手法である。 本研究では,1つの非自明なパウリ演算子を特徴とする量子チャネルによって形成される量子スターネットワークのネットワークトモグラフィープロトコルを提案する。 本研究は、状態分布と測定を別々に設計したトモグラフィープロトコルを導入することにより、量子ビットフリップ星ネットワークのエンドツーエンド特性をさらに向上させるものである。
  論文  参考訳（メタデータ） (2023-07-12T00:18:15Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• 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)
• Neural-network quantum state tomography [0.0]
  我々は、量子状態トモグラフィーへのニューラルネットワーク技術の適用を再考する。 我々は、標準フィードフォワードニューラルネットワークからの出力を量子状態の有効な記述に変換する訓練されたネットワークで、正の制約をうまく実装できることを確認した。
  論文  参考訳（メタデータ） (2022-06-14T10:37:54Z)
• Quantum Compressive Sensing: Mathematical Machinery, Quantum Algorithms, and Quantum Circuitry [10.286119086329762]
  圧縮センシングは、比較的少数の測定値から大きな信号の再構成を容易にするプロトコルである。 近年の研究では、興味のある信号の構造を学ぶためにテンソルネットワークを訓練する、データ駆動型アプローチが検討されている。 我々は、テンソルネットワークの状態が絡み合った量子ビットの集合上の量子状態である別の「量子」プロトコルを提案する。
  論文  参考訳（メタデータ） (2022-04-27T16:20:28Z)
• 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)
• 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)
• Entanglement Classification via Neural Network Quantum States [58.720142291102135]
  本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。 我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
  論文  参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。