論文の概要: Layerwise Quantum Convolutional Neural Networks Provide a Unified Way for Estimating Fundamental Properties of Quantum Information Theory

• arxiv url: http://arxiv.org/abs/2401.07716v1
• Date: Mon, 15 Jan 2024 14:33:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 17:02:10.834714
• Title: Layerwise Quantum Convolutional Neural Networks Provide a Unified Way for Estimating Fundamental Properties of Quantum Information Theory
• Title（参考訳）: 階層型量子畳み込みニューラルネットワークは、量子情報理論の基本特性を統一的に推定する手段を提供する
• Authors: Myeongjin Shin, Seungwoo Lee, Mingyu Lee, Donghwa Ji, Hyeonjun Yeo, Harrison J. Lee, Kabgyun Jeong
• Abstract要約: 本稿では,レイヤワイド量子畳み込みニューラルネットワーク(LQCNN)を用いた統一手法を提案する。 大規模量子ビット状態におけるバレンプラトーや複雑性問題といった問題に直面した特性推定のためのパラメータ化量子回路の研究が最近行われている。
• 参考スコア（独自算出の注目度）: 1.609244566234922
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The estimation of fundamental properties in quantum information theory, including von Neumann entropy, R\'enyi entropy, Tsallis entropy, quantum relative entropy, trace distance, and fidelity, has received significant attention. While various algorithms exist for individual property estimation, a unified approach is lacking. This paper proposes a unified methodology using Layerwise Quantum Convolutional Neural Networks (LQCNN). Recent studies exploring parameterized quantum circuits for property estimation face challenges such as barren plateaus and complexity issues in large qubit states. In contrast, our work overcomes these challenges, avoiding barren plateaus and providing a practical solution for large qubit states. Our first contribution offers a mathematical proof that the LQCNN structure preserves fundamental properties. Furthermore, our second contribution analyzes the algorithm's complexity, demonstrating its avoidance of barren plateaus through a structured local cost function.
• Abstract（参考訳）: von neumann entropy、r\'enyi entropy、tsallis entropy、quantum relative entropy、trace distance、fidelityなどの量子情報理論における基本的な性質の推定が注目されている。 個々の資産推定には様々なアルゴリズムが存在するが、統一的なアプローチは欠如している。 本稿では,階層型量子畳み込みニューラルネットワーク(lqcnn)を用いた統一手法を提案する。 大規模量子ビット状態におけるバレンプラトーや複雑性問題といった問題に直面した特性推定のためのパラメータ化量子回路の研究が最近行われている。 対照的に、我々の研究はこれらの課題を克服し、不毛の高原を避け、大きな量子ビット状態に対して実用的な解決策を提供する。 我々の最初の貢献は、LQCNN構造が基本的性質を保存するという数学的証明を提供する。 さらに,第2の貢献は,アルゴリズムの複雑さを分析し,構造的局所コスト関数による不毛高原の回避を示す。

関連論文リスト

• One-Shot Min-Entropy Calculation And Its Application To Quantum Cryptography [21.823963925581868]
  古典量子状態のミニエントロピーに対するワンショット下界計算手法を開発した。 これはよく知られたBB84量子鍵分配プロトコルに対して、より厳密な有限データ解析を与える。 これは、新しいソース非依存の連続変数量子乱数生成プロトコルに対するセキュリティ証明を提供する。
  論文  参考訳（メタデータ） (2024-06-21T15:11:26Z)
• Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
  平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。 ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。 これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
  論文  参考訳（メタデータ） (2024-06-10T17:22:09Z)
• Reliable confidence regions for quantum tomography using distribution moments [0.0]
  本稿では,量子トモグラフィーの精度の高い誤差バーを決定するための計算効率が高く信頼性の高い手法を提案する。 我々は,クラウドアクセス可能な量子プロセッサを用いてシミュレーションと実演の両方を用いて,多数の量子トモグラフィープロトコルのアプローチをベンチマークした。
  論文  参考訳（メタデータ） (2023-07-24T14:21:35Z)
• Quantum Neural Estimation of Entropies [20.12693323453867]
  エントロピー測度は、量子システムに存在する情報と相関の量を定量化する。 我々はフォン・ノイマンとレーニイのエントロピーを推定するための変分量子アルゴリズムと、測定された相対エントロピーと測定されたR'enyiの相対エントロピーを提案する。
  論文  参考訳（メタデータ） (2023-07-03T17:30:09Z)
• Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
  ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。 長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-06-03T18:00:02Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)
• Direct Quantum Communications in the Presence of Realistic Noisy Entanglement [69.25543534545538]
  本稿では,現実的な雑音に依拠する新しい量子通信方式を提案する。 性能分析の結果,提案手法は競争力のあるQBER, 利得, 利得を提供することがわかった。
  論文  参考訳（メタデータ） (2020-12-22T13:06:12Z)
• Quantum Sampling for Optimistic Finite Key Rates in High Dimensional Quantum Cryptography [1.5469452301122175]
  我々は、サンプリングベースのエントロピー不確実性関係を再検討し、より新しく、より強力な関係を導き、それらをソース非依存の量子乱数生成器や高次元量子鍵分布プロトコルに適用する。 これらのサンプリングに基づくエントロピー不確実性へのアプローチとその量子暗号への応用は、量子暗号システムのセキュリティの証明を導出する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2020-12-08T01:32:59Z)
• Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
  Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。 観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
  論文  参考訳（メタデータ） (2020-05-05T20:11:53Z)
• Direct estimation of quantum coherence by collective measurements [54.97898890263183]
  量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。 本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。 本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
  論文  参考訳（メタデータ） (2020-01-06T03:50:42Z)

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。