論文の概要: Learning Informative Latent Representation for Quantum State Tomography
- arxiv url: http://arxiv.org/abs/2310.00518v1
- Date: Sat, 30 Sep 2023 22:37:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 03:50:28.097924
- Title: Learning Informative Latent Representation for Quantum State Tomography
- Title（参考訳）: 量子状態トモグラフィのための情報的潜在表現の学習
- Authors: Hailan Ma, Zhenhong Sun, Daoyi Dong, Dong Gong
- Abstract要約: 量子状態トモグラフィ(Quantum state tomography、QST)は、量子系の完全な状態を再構築する過程である。
ディープニューラルネットワーク(DNN)の最近の進歩は、QSTにおけるディープラーニング(DL)の出現につながった。
本稿では,不完全な測定データを備えたQSTに適したトランスフォーマーベースのオートエンコーダアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 18.19768367431327
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum state tomography (QST) is the process of reconstructing the complete
state of a quantum system (mathematically described as a density matrix)
through a series of different measurements. These measurements are performed on
a number of identical copies of the quantum system, with outcomes gathered as
frequencies. QST aims to recover the density matrix and the corresponding
properties of the quantum state from the measured frequencies. Although an
informationally complete set of measurements can specify quantum state
accurately in an ideal scenario with a large number of identical copies, both
measurements and identical copies are restricted and imperfect in practical
scenarios, making QST highly ill-posed. The conventional QST methods usually
assume adequate or accurate measured frequencies or rely on manually designed
regularizers to handle the ill-posed reconstruction problem, suffering from
limited applications in realistic scenarios. Recent advances in deep neural
networks (DNNs) led to the emergence of deep learning (DL) in QST. However,
existing DL-based QST approaches often employ generic DNN models that are not
optimized for imperfect conditions of QST. In this paper, we propose a
transformer-based autoencoder architecture tailored for QST with imperfect
measurement data. Our method leverages a transformer-based encoder to extract
an informative latent representation (ILR) from imperfect measurement data and
employs a decoder to predict the quantum states based on the ILR. We anticipate
that the high-dimensional ILR will capture more comprehensive information about
quantum states. To achieve this, we conduct pre-training of the encoder using a
pretext task that involves reconstructing high-quality frequencies from
measured frequencies. Extensive simulations and experiments demonstrate the
remarkable ability of the ILR in dealing with imperfect measurement data in
QST.
- Abstract（参考訳）: 量子状態トモグラフィー (quantum state tomography, qst) は、量子系の完全な状態(数学的には密度行列として記述される)を一連の異なる測定によって再構成する過程である。
これらの測定は量子系の多くの同一のコピーで行われ、結果が周波数として収集される。
QSTは、測定された周波数から密度行列と量子状態の対応する性質を回復することを目的としている。
情報的に完全な測定セットは、多数の同一コピーを持つ理想的なシナリオで正確に量子状態を特定することができるが、測定と同一コピーの両方が制限され、実用的なシナリオでは不完全なため、QSTは極めて不適切である。
従来のQST法は通常、適切なまたは正確な測定周波数を仮定するか、手動で設計した正規化器を頼りにして、現実的なシナリオにおける限られた応用に苦しむ。
近年のディープニューラルネットワーク(DNN)の進歩は、QSTにおけるディープラーニング(DL)の出現につながった。
しかし、既存のDLベースのQSTアプローチでは、QSTの不完全な条件に最適化されていない一般的なDNNモデルを用いることが多い。
本稿では,不完全な測定データを備えたQSTに適したトランスフォーマーベースのオートエンコーダアーキテクチャを提案する。
提案手法はトランスフォーマーを用いたエンコーダを用いて,不完全な測定データから情報潜在表現(ILR)を抽出し,デコーダを用いてILRに基づく量子状態の予測を行う。
我々は高次元IRRが量子状態に関するより包括的な情報を取得することを期待する。
これを実現するために、測定周波数から高品質な周波数を再構成するプリテキストタスクを用いてエンコーダの事前訓練を行う。
広範囲なシミュレーションと実験は、QSTにおける不完全な測定データを扱うためのIRRの顕著な能力を示している。
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) - Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。
QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。
複数のデータセットとパラメータ構成でその性能を評価する。
論文 参考訳（メタデータ） (2024-04-26T08:42:58Z) - A Tailor-made Quantum State Tomography Approach [0.0]
量子状態トモグラフィーは、量子システムの状態を再構築することを目的としている。
従来のQSTでは、測定の数はキュービットの数と指数関数的にスケールする。
本稿では,しきい値の導入によって,必要な測定回数を大幅に削減できるプロトコルを提案する。
論文 参考訳（メタデータ） (2024-01-23T15:56:12Z) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳（メタデータ） (2023-11-13T09:46:05Z) - Tomography of Quantum States from Structured Measurements via
quantum-aware transformer [12.506858276895915]
量子状態のキャラクタリゼーションのための量子計測の構造について検討する。
我々は、測定周波数と密度行列の複雑な関係を捉えるために、量子認識変換器(QAT)モデルを設計する。
特に、アーキテクチャにおける量子演算子をクエリして、量子データの情報表現を容易にする。
論文 参考訳（メタデータ） (2023-05-09T13:22:13Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - Experimental single-setting quantum state tomography [2.510118175122992]
量子コンピュータは、着実に成長するシステムサイズを使って、より複雑なタスクを解決します。
金標準は量子状態トモグラフィ(QST)であり、事前の知識なしに量子状態を完全に再構築することができる。
単一の測定設定を使用するスケーラブルで実用的なQSTアプローチを実証する。
論文 参考訳（メタデータ） (2022-05-31T18:00:04Z) - Realizing Quantum Convolutional Neural Networks on a Superconducting
Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。
我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。
その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
論文 参考訳（メタデータ） (2021-09-13T12:32:57Z) - Convergence of reconstructed density matrix to a pure state using
maximal entropy approach [4.084744267747294]
量子系の密度行列を任意の量子ビットに対して純粋な状態に完全に再構成するためのQSTの代替手法を提案する。
我々のゴールは、実際の量子コンピュータにおける量子エラー軽減の分野に応用できる純粋状態の量子システムの実用的な推論を提供することである。
論文 参考訳（メタデータ） (2021-07-02T16:58:26Z)
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。