論文の概要: Gaussian boson sampling validation via detector binning

• arxiv url: http://arxiv.org/abs/2310.18113v2
• Date: Fri, 2 Feb 2024 14:00:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 19:28:23.337533
• Title: Gaussian boson sampling validation via detector binning
• Title（参考訳）: 検出器ビンニングによるガウスボソンサンプリングの検証
• Authors: Gabriele Bressanini, Benoit Seron, Leonardo Novo, Nicolas J. Cerf and M.S. Kim
• Abstract要約: 本稿では,GBS実験を統計的に検証するに適した量として,双対検出器の確率分布を提案する。 それぞれの特性関数との接続を利用して,そのような分布の計算方法を示す。 また、すべての可能な干渉ネットワーク上でHaar平均化を行うとき、双対検出器の確率分布がどのように振る舞うかを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian boson sampling (GBS), a computational problem conjectured to be hard to simulate on a classical machine, has been at the forefront of recent years' experimental and theoretical efforts to demonstrate quantum advantage. The classical intractability of the sampling task makes validating these experiments a challenging and essential undertaking. In this paper, we propose binned-detector probability distributions as a suitable quantity to statistically validate GBS experiments employing photon-number-resolving detectors. We show how to compute such distributions by leveraging their connection with their respective characteristic function. The latter may be efficiently and analytically computed for squeezed input states as well as for relevant classical hypothesis like squashed states. Our scheme encompasses other validation methods based on marginal distributions and correlation functions. Additionally, it can accommodate various sources of noise, such as losses and partial distinguishability, a feature that have received limited attention within the GBS framework so far. We also illustrate how binned-detector probability distributions behave when Haar-averaged over all possible interferometric networks, extending known results for Fock boson sampling.
• Abstract（参考訳）: ガウス・ボソンサンプリング(gaussian boson sampling, gbs)は、古典的マシンではシミュレーションが難しいと推測される計算問題であり、近年の量子的優位性を示す実験的・理論的取り組みの最前線にある。 サンプリングタスクの古典的な難易度は、これらの実験の検証を困難かつ不可欠な作業にする。 本稿では,光子数分解検出器を用いたgbs実験を統計的に検証するための適切な量として,binned-detector確率分布を提案する。 それぞれの特性関数との接続を利用してそのような分布を計算する方法を示す。 後者は、スクワッシュ状態のような関連する古典的仮説と同様に、圧縮された入力状態に対して効率的かつ解析的に計算することができる。 本手法は限界分布と相関関数に基づく他の検証手法を包含する。 さらに、gbsフレームワーク内ではほとんど注目されていない損失や部分的識別性など、さまざまなノイズソースに対応できる。 また,全干渉型ネットワーク上で平均値が得られた場合,バイナリ検出確率分布がどのように振る舞うかを示し,fock bosonサンプリングの既知の結果を拡張した。

関連論文リスト

• Sample space filling analysis for boson sampling validation [0.0]
  ボソンサンプリング波動関数の本質的な性質から,その充填挙動は古典的シミュレートされた場合と計算的に区別できることを示す。 サンプル空間充填分析に基づく新しい検証プロトコルを提案し,400ドルのモード干渉計に最大20ドルの光子を注入する問題に対して検証を行う。
  論文  参考訳（メタデータ） (2024-11-21T12:39:37Z)
• Linear cross-entropy certification of quantum computational advantage in Gaussian Boson Sampling [0.0]
  我々は,対応する理想分布を用いてGBS実装を直接検証することで,この問題を回避することができると論じる。 我々は、LXEスコアと呼ばれる線形クロスエントロピーの修正版を用いて、与えられたGBS実装が対応する理想モデルにどの程度近いかを評価するのに役立つ基準値を求める。
  論文  参考訳（メタデータ） (2024-03-22T16:49:17Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Deterministic and Bayesian Characterization of Quantum Computing Devices [0.4194295877935867]
  本稿では,超伝導量子デバイスにおける遷移周波数と崩壊時間を推定するためのデータ駆動型特性評価手法を提案する。 データは、第1および第2励起状態間の遷移周波数におけるパリティイベントを含む。 2つのリンドブラディアンモデルの平均解に基づく単純だが効果的な数学的モデルを示し、実験的な観測を正確に捉えた。
  論文  参考訳（メタデータ） (2023-06-23T19:11:41Z)
• User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
  拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。 本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。 推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
  論文  参考訳（メタデータ） (2023-06-13T03:42:03Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Machine-Learned Exclusion Limits without Binning [0.0]
  我々は、1次元信号と背景確率密度関数を抽出するためにカーネル密度推定器(KDE)を含むMLL法を拡張した。 本手法は,レプトン対に崩壊するエキゾチックヒッグス粒子の探索と,レプトン対に崩壊するZ'$ボソンの2例に適用する。
  論文  参考訳（メタデータ） (2022-11-09T11:04:50Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
  本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。 楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。 合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T10:01:37Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• Gaussian boson sampling with partial distinguishability [0.0]
  本稿では,仮想モードと識別不可能性に基づくアプローチを用いて,部分的な識別可能性を持つGBSについて検討する。 GBSにおける量子超越性の境界は, 偏微分可能性によってさらに推し進めることができることを示す。
  論文  参考訳（メタデータ） (2021-05-20T08:17:51Z)

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。