論文の概要: Learning the eigenstructure of quantum dynamics using classical shadows
- arxiv url: http://arxiv.org/abs/2309.12631v1
- Date: Fri, 22 Sep 2023 05:56:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-25 15:52:08.322708
- Title: Learning the eigenstructure of quantum dynamics using classical shadows
- Title（参考訳）: 古典影を用いた量子力学の固有構造学習
- Authors: Atithi Acharya, Siddhartha Saha, Shagesh Sridharan, Yanis Bahroun and
Anirvan M. Sengupta
- Abstract要約: 我々は、中程度の大きさのヒルベルト空間、チャネルの低クラス階数、短い時間ステップに対して、チャネルに対応するチェイ行列の固有値が特別な構造を持つことを示す。
推定したChoi行列の固有スペクトルにおける推定ノイズの影響を理解するために,ランダム行列理論のツールを用いる。
- 参考スコア（独自算出の注目度）: 6.12834448484556
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning dynamics from repeated observation of the time evolution of an open
quantum system, namely, the problem of quantum process tomography is an
important task. This task is difficult in general, but, with some additional
constraints could be tractable. This motivates us to look at the problem of
Lindblad operator discovery from observations. We point out that for moderate
size Hilbert spaces, low Kraus rank of the channel, and short time steps, the
eigenvalues of the Choi matrix corresponding to the channel have a special
structure. We use the least-square method for the estimation of a channel
where, for fixed inputs, we estimate the outputs by classical shadows. The
resultant noisy estimate of the channel can then be denoised by diagonalizing
the nominal Choi matrix, truncating some eigenvalues, and altering it to a
genuine Choi matrix. This processed Choi matrix is then compared to the
original one. We see that as the number of samples increases, our
reconstruction becomes more accurate. We also use tools from random matrix
theory to understand the effect of estimation noise in the eigenspectrum of the
estimated Choi matrix.
- Abstract（参考訳）: オープン量子系の時間進化の繰り返し観測から力学を学習すること、すなわち量子プロセストモグラフィーの問題は重要な課題である。
この作業は一般的には難しいが、追加の制約があれば扱いやすい。
これは観測からリンドブラッド・オペレーターの発見の問題を考察する動機となっている。
我々は、適度な大きさのヒルベルト空間、チャネルのクラウスランク、短い時間ステップに対して、チャネルに対応するchoi行列の固有値には特別な構造が存在することを指摘した。
我々は、固定入力に対して古典的な影による出力を推定するチャネル推定に最小二乗法を用いる。
その結果、チャネルのノイズ推定は、名目choi行列の対角化、いくつかの固有値の切り換え、真のchoi行列への変更によって、推論することができる。
この処理されたチョイ行列は元の行列と比較される。
サンプルの数が増えるにつれて、再構築がより正確になる。
また,推定チェイ行列の固有スペクトルにおける推定雑音の影響を理解するために,ランダム行列理論のツールを用いる。
関連論文リスト
- Lindbladian reverse engineering for general non-equilibrium steady states: A scalable null-space approach [49.1574468325115]
NESS を対象とするリンドバルディアン・マスター方程式を再構成する手法を提案する。
相関行列の核(ヌル空間)はリンドブラディアン解に対応する。
ボソニックガウスから散逸駆動の集合スピンまで、様々なシステムでこの方法を説明する。
論文 参考訳（メタデータ） (2024-08-09T19:00:18Z) - Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。
以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
論文 参考訳（メタデータ） (2024-04-15T12:38:46Z) - Vectorization of the density matrix and quantum simulation of the von
Neumann equation of time-dependent Hamiltonians [65.268245109828]
我々は、von-Neumann方程式を線形化するための一般的なフレームワークを開発し、量子シミュレーションに適した形でレンダリングする。
フォン・ノイマン方程式のこれらの線型化のうちの1つは、状態ベクトルが密度行列の列重ね元となる標準的な場合に対応することを示す。
密度行列の力学をシミュレートする量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-06-14T23:08:51Z) - Robust Dequantization of the Quantum Singular value Transformation and
Quantum Machine Learning Algorithms [0.0]
この弱い仮定の下では、ランダム化線形代数の技法がどれだけ多く適用できるかを示す。
また、これらの結果を用いて、多くの量子機械学習アルゴリズムの頑健な復号化を行う。
論文 参考訳（メタデータ） (2023-04-11T02:09:13Z) - Third quantization of open quantum systems: new dissipative symmetries
and connections to phase-space and Keldysh field theory formulations [77.34726150561087]
3つの方法全てを明示的に接続する方法で第3量子化の手法を再構成する。
まず、我々の定式化は、すべての二次ボゾンあるいはフェルミオンリンドブラディアンに存在する基本散逸対称性を明らかにする。
ボソンに対して、ウィグナー関数と特徴関数は密度行列の「波動関数」と考えることができる。
論文 参考訳（メタデータ） (2023-02-27T18:56:40Z) - Trimmed Sampling Algorithm for the Noisy Generalized Eigenvalue Problem [0.0]
一般化固有値問題を解くことは、大きな量子系のエネルギー固有状態を見つけるのに有用な方法である。
マトリックス要素がメソッドを使って評価され、大きなエラーバーがある場合、特に問題となる。
本稿では,この問題を解決するためにトリミングサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-05T18:10:12Z) - On the Benefits of Large Learning Rates for Kernel Methods [110.03020563291788]
本稿では,カーネル手法のコンテキストにおいて,現象を正確に特徴付けることができることを示す。
分離可能なヒルベルト空間における2次対象の最小化を考慮し、早期停止の場合、学習速度の選択が得られた解のスペクトル分解に影響を及ぼすことを示す。
論文 参考訳（メタデータ） (2022-02-28T13:01:04Z) - Machine Learning approach to the Floquet--Lindbladian problem [0.0]
我々は、個別の時間のインスタンスで監視された時に、量子マップによって誘導されたものと同じ進化を生成するリンドブラディアンの発見を試みる。
我々は,質問に対する回答が,いわゆるChoi行列のスペクトル特性に符号化されているという仮説を確認するためのツールとして,異なる機械学習手法を使用している。
実験の結果、与えられた写像に対して、時間に依存しないリンドブラディアンによって生成される性質は、対応するチェイ行列の固有値と固有状態の両方で符号化される。
論文 参考訳（メタデータ） (2022-01-01T22:36:15Z) - A theory of quantum subspace diagonalization [3.248953303528541]
量子部分空間対角化アルゴリズムは、大きなエルミート行列の最小固有値を正確に計算できることを示す。
我々の結果は、量子計算の文脈外の固有値問題を解くことに、独立した関心を持つことができる。
論文 参考訳（メタデータ） (2021-10-14T16:09:07Z) - Hamiltonian-Driven Shadow Tomography of Quantum States [0.0]
我々は、ユニタリチャネルが浅くなり、時間進化を通じて量子カオスハミルトニアンによって生成されるシナリオについて研究する。
中間時間ウィンドウのシーケンスでunitary-2設計に基づくシャドウトモグラフィよりも効率的であることが判明した。
特に対角オブザーバブル予測の効率は、対角オブザーバブル予測の効率を犠牲にすることなく、d$の係数で向上する。
論文 参考訳（メタデータ） (2021-02-19T19:30:18Z) - Provably End-to-end Label-Noise Learning without Anchor Points [118.97592870124937]
本稿では,アンカーポイントを使わずにラベルノイズ学習を実現するためのエンドツーエンドフレームワークを提案する。
提案フレームワークでは,クリーンなクラス後確率が十分に分散している場合,遷移行列を同定できる。
論文 参考訳（メタデータ） (2021-02-04T03:59:37Z)
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。