論文の概要: Extracting Many-Body Quantum Resources within One-Body Reduced Density Matrix Functional Theory

• arxiv url: http://arxiv.org/abs/2311.12596v2
• Date: Wed, 22 Nov 2023 13:48:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 11:38:45.320183
• Title: Extracting Many-Body Quantum Resources within One-Body Reduced Density Matrix Functional Theory
• Title（参考訳）: 一体還元密度行列関数論における多体量子資源の抽出
• Authors: Carlos L. Benavides-Riveros, Tomasz Wasak, Alessio Recati
• Abstract要約: 量子フィッシャー情報(Quantum Fisher information, QFI)は、パラメータ推定の最終的な精度限界を定量化するために用いられる量子科学の中心的な概念である。 ここでは、汎関数理論と量子情報からのアイデアを組み合わせて、フェルミオン基底状態とボゾン基底状態のQFIのための新しい機能的枠組みを開発する。 この結果から, 1体還元密度行列汎関数理論と量子フィッシャー情報との初接続が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Fisher information (QFI) is a central concept in quantum sciences used to quantify the ultimate precision limit of parameter estimation, detect quantum phase transitions, witness genuine multipartite entanglement, or probe nonlocality. Despite this widespread range of applications, computing the QFI value of quantum many-body systems is, in general, a very demanding task. Here we combine ideas from functional theories and quantum information to develop a novel functional framework for the QFI of fermionic and bosonic ground states. By relying upon the constrained-search approach, we demonstrate that the QFI matricial values can universally be determined by the one-body reduced density matrix (1-RDM), avoiding thus the use of exponentially large wave functions. Furthermore, we show that QFI functionals can be determined from the universal 1-RDM functional by calculating its derivatives with respect to the coupling strengths, becoming thus the generating functional of the QFI. We showcase our approach with the Bose-Hubbard model and present exact analytical and numerical QFI functionals. Our results provide the first connection between the one-body reduced density matrix functional theory and the quantum Fisher information.
• Abstract（参考訳）: 量子フィッシャー情報(Quantum Fisher information, QFI)は、量子科学において、パラメータ推定の最終的な精度限界の定量化、量子相転移の検出、真のマルチパーティの絡み合いの目撃、非局所性の探索に使用される中心的な概念である。 この広範囲のアプリケーションにもかかわらず、量子多体システムのQFI値を計算することは、一般に非常に要求の多いタスクである。 ここでは、汎関数理論と量子情報からのアイデアを組み合わせて、フェルミオン基底状態とボゾン基底状態のQFIのための新しい機能的枠組みを開発する。 制約探索手法を用いることで、QFIの行列値は1体還元密度行列 (1-RDM) によって普遍的に決定できることを示し、指数関数的に大きな波動関数を用いることを避けることができる。 さらに,QFI関数は結合強度に関する微分を計算することにより,普遍的な1-RDM関数から決定できることを示し,QFI関数の生成関数となる。 本稿では,Bose-Hubbardモデルおよび解析的および数値的QFI関数について述べる。 この結果から, 1体還元密度行列汎関数理論と量子フィッシャー情報との初接続が得られた。

関連論文リスト

• Harnessing high-dimensional temporal entanglement using limited interferometric setups [41.94295877935867]
  偏極時間領域における高次元エンタングルメントの最初の完全解析法を開発した。 本稿では,量子鍵分布において,関連する密度行列要素とセキュリティパラメータを効率的に認証する方法を示す。 自由空間量子通信の耐雑音性をさらに高める新しい構成を提案する。
  論文  参考訳（メタデータ） (2023-08-08T17:44:43Z)
• Universality of critical dynamics with finite entanglement [68.8204255655161]
  臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。 その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
  論文  参考訳（メタデータ） (2023-01-23T19:23:54Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Quantum Fisher information from randomized measurements [0.0]
  量子フィッシャー情報(QFI)は、多くの領域における基本的な関心の量である。 密度行列の測定を用いて、QFIに収束する下界を構築する。 結合量子ビットと集合スピンからなる量子系におけるこの手法の応用例を2つ提示する。
  論文  参考訳（メタデータ） (2021-05-27T14:16:14Z)
• Experimental estimation of the quantum Fisher information from randomized measurements [9.795131832414855]
  量子フィッシャー情報(QFI)は、量子物理学の基本概念である。 そこで本研究では,ランダム化測定によりQFIを推定する方法について検討する。 本研究では, ダイヤモンド中の窒素空孔中心スピンと超伝導量子コンピュータによって提供される4量子状態の2つのプラットフォームを用いて, このアプローチを実験的に検証した。
  論文  参考訳（メタデータ） (2021-04-01T15:12:31Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Chaos and Complexity from Quantum Neural Network: A study with Diffusion Metric in Machine Learning [0.0]
  量子ニューラルネットワーク(QNN)の機械学習力学における量子カオス現象と複雑性について検討する。 統計的および微分幾何学的手法を用いてQNNの学習理論を研究する。
  論文  参考訳（メタデータ） (2020-11-16T10:41:47Z)
• Variational Quantum Algorithm for Estimating the Quantum Fisher Information [0.0]
  本稿では,変分量量漁業情報推定(VQFIE)という変分量子アルゴリズムを提案する。 QFI上の下限と上限を、その忠実度に基づいて推定することにより、VQFIEは実際のQFIが属する範囲を出力する。 この結果は、量子センシングの適用のために、QFIを最大化する状態を変動的に準備するために使われる。
  論文  参考訳（メタデータ） (2020-10-20T17:44:55Z)
• Quantum restricted Boltzmann machine universal for quantum computation [4.3411599646551196]
  量子ニューラルネットワークは、大規模な波動関数を表現する強力なツールを提供する。 重要なオープン問題は、単一層量子ニューラルネットワークの表現力境界が正確に何であるかである。
  論文  参考訳（メタデータ） (2020-05-25T08:25:22Z)

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。