論文の概要: Quantum State Reconstruction in a Noisy Environment via Deep Learning

• arxiv url: http://arxiv.org/abs/2309.11949v1
• Date: Thu, 21 Sep 2023 10:03:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-22 15:50:16.935417
• Title: Quantum State Reconstruction in a Noisy Environment via Deep Learning
• Title（参考訳）: 深層学習による雑音環境下での量子状態再構成
• Authors: Angela Rosy Morgillo, Stefano Mangini, Marco Piastra and Chiara Macchiavello
• Abstract要約: 未知のノイズチャネルによって崩壊した量子状態の再構成と分類のタスクについて検討する。 このような手法が,99%以上の忠実度で回復できることを示す。 また、異なる量子ノイズチャネルを区別するタスクも検討し、ニューラルネットワークベースの分類器が、そのような分類問題を正確な精度で解決できることを示す。
• 参考スコア（独自算出の注目度）: 0.9012198585960443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum noise is currently limiting efficient quantum information processing and computation. In this work, we consider the tasks of reconstructing and classifying quantum states corrupted by the action of an unknown noisy channel using classical feedforward neural networks. By framing reconstruction as a regression problem, we show how such an approach can be used to recover with fidelities exceeding 99% the noiseless density matrices of quantum states of up to three qubits undergoing noisy evolution, and we test its performance with both single-qubit (bit-flip, phase-flip, depolarising, and amplitude damping) and two-qubit quantum channels (correlated amplitude damping). Moreover, we also consider the task of distinguishing between different quantum noisy channels, and show how a neural network-based classifier is able to solve such a classification problem with perfect accuracy.
• Abstract（参考訳）: 量子ノイズは現在、効率的な量子情報処理と計算を制限している。 本研究では,古典的フィードフォワードニューラルネットワークを用いて未知のノイズチャネルの動作によって崩壊した量子状態の再構成と分類を行うタスクについて検討する。 回帰問題としてレコンストラクションをフレイムすることで,最大3量子ビットまでの量子状態のノイズのない密度行列を99%超える精度で回復する方法を示し,単一量子ビット(ビットフリップ,位相フリップ,デポーラライジング,振幅減衰)と2量子ビット量子チャネル(関連する振幅減衰)の両方でその性能をテストする。 さらに,異なる量子ノイズチャネル間を識別するタスクについても検討し,ニューラルネットワークに基づく分類器が,これらの分類問題を完全精度で解くことができることを示す。

関連論文リスト

• Classical Verification of Quantum Learning Advantages with Noises [0.27930367518472443]
  本稿では,量子フーリエサンプリング回路で得られるノイズのない結果を再構成する,効率的な古典的誤り訂正アルゴリズムを提案する。 また、ランダムな例のオラクルにアクセス可能な古典的クライアントは、ノイズのある量子証明器によるパリティ学習結果の検証も可能であることを証明した。
  論文  参考訳（メタデータ） (2024-11-14T06:14:39Z)
• Method for noise-induced regularization in quantum neural networks [0.0]
  量子ハードウェアにおけるノイズレベルを効果的に調整することで、量子ニューラルネットワークがデータを一般化する能力を高めることができることを示す。 例えば,回路のノイズレベルを調整することで,平均2乗誤差損失を8%改善する医療レグレッションタスクを考える。
  論文  参考訳（メタデータ） (2024-10-25T18:29:42Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Quantum error mitigation in the regime of high noise using deep neural network: Trotterized dynamics [0.0]
  本稿では,後処理段階に適用したディープニューラルネットワークを利用した学習に基づく量子誤り軽減手法を提案する。 本研究では,高雑音条件下での2次元スピン格子のトロタライズドダイナミクスのシミュレーションに着目する。
  論文  参考訳（メタデータ） (2023-10-20T09:53:05Z)
• Some aspects of noise in binary classification with quantum circuits [2.2311710049695446]
  本研究では,量子回路を用いた二値分類の性能に及ぼす実量子ハードウェアの影響について検討した。 データ中のノイズが正規化器として機能することを示し、機械学習問題のある場合のノイズによる潜在的な利点を示唆する。
  論文  参考訳（メタデータ） (2022-11-11T22:06:17Z)
• Suppressing Amplitude Damping in Trapped Ions: Discrete Weak Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
  この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。 振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。 このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
  論文  参考訳（メタデータ） (2022-09-06T18:18:41Z)
• Noise effects on purity and quantum entanglement in terms of physical implementability [27.426057220671336]
  量子デバイスの不完全操作による量子デコヒーレンスは、ノイズの多い中間スケール量子(NISQ)時代の重要な問題である。 量子情報および量子計算における標準解析は、量子ノイズチャネルをパラメータ化するためにエラーレートを使用する。 本稿では,その逆の物理的実装性により,ノイズチャネルのデコヒーレンス効果を特徴付けることを提案する。
  論文  参考訳（メタデータ） (2022-07-04T13:35:17Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。