Fugu-MT 論文翻訳(概要): Shallow quantum circuits are robust hunters for quantum many-body scars

論文の概要: Shallow quantum circuits are robust hunters for quantum many-body scars

arxiv url: http://arxiv.org/abs/2401.09279v1
Date: Wed, 17 Jan 2024 15:32:57 GMT
ステータス: 処理完了
システム内更新日: 2024-01-18 15:23:55.385906
Title: Shallow quantum circuits are robust hunters for quantum many-body scars
Title（参考訳）: 浅層量子回路は、量子多体傷のロバストハンターである
Authors: Gabriele Cenedese, Maria Bondani, Alexei Andreanov, Matteo Carrega, Giuliano Benenti and Dario Rosa
Abstract要約: 浅部変分固有解法が量子多体散乱状態の標的となるように訓練可能であることを示す。スカー(英: Scar)は、量子多体ハミルトンの領域法則高エネルギー固有状態であり、体積法則固有状態の海に散発的に浸漬される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Presently, noisy intermediate-scale quantum computers encounter significant technological challenges that make it impossible to generate large amounts of entanglement. We leverage this technological constraint as a resource and demonstrate that a shallow variational eigensolver can be trained to successfully target quantum many-body scar states. Scars are area-law high-energy eigenstates of quantum many-body Hamiltonians, which are sporadic and immersed in a sea of volume-law eigenstates. We show that the algorithm is robust and can be used as a versatile diagnostic tool to uncover quantum many-body scars in arbitrary physical systems.
Abstract（参考訳）: 現在、ノイズの多い中間スケール量子コンピュータは、大量の絡み合いを発生させることができない重要な技術的課題に直面している。我々は、この技術的制約を資源として活用し、浅い変分固有ソルバを量子多体スカル状態をうまく標的にするように訓練できることを実証する。傷跡は量子多体ハミルトニアンの領域則高エネルギー固有状態であり、体積則固有状態の海に散発的および没入する。アルゴリズムは頑健であり、任意の物理系において量子多体傷を発見できる汎用診断ツールとして使用できることを示す。

関連論文リスト

Uncovering Quantum Many-body Scars with Quantum Machine Learning [3.8822047197572975]
量子機械学習(特に量子畳み込みニューラルネットワーク(QCNN))のツールを使用して、量子多体システムに隠された非熱的状態を探索します。シミュレーションにより、QCNNは、既知の全ての傷を識別する際、99%以上の単発測定精度を達成できることが示された。我々は,xorXモデル,PXPモデル,Su-Schrieffer-Heegerモデルなどのモデルにおける新しい非熱的状態の同定に成功した。
論文参考訳（メタデータ） (2024-09-11T16:49:07Z)
The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文参考訳（メタデータ） (2024-08-19T12:18:07Z)
Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文参考訳（メタデータ） (2024-05-31T16:43:20Z)
Strong quantum metrological limit from many-body physics [0.0]
我々は、量子フィッシャー情報成長のためのリーブ・ロビンソン光円錐によって設定された普遍的な速度制限を見つけ、量子資源状態の計量ポテンシャルを特徴づける。これは、有界な一部位エネルギーを持つ一般多体格子系において、ハイゼンベルク極限に達するための基本的な制約を明らかにする。
論文参考訳（メタデータ） (2023-01-28T07:08:35Z)
Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文参考訳（メタデータ） (2023-01-04T23:37:45Z)
Entanglement enhanced metrology with quantum many-body scars [0.0]
量子多体傷を含むシステムを用いて, 安定な多粒子絡みを生成できることを示す。本稿では、この構造を標準量子限界を超える精度で位相推定に利用する方法について述べる。
論文参考訳（メタデータ） (2022-07-27T13:47:21Z)
The Coming Decades of Quantum Simulation [0.0]
我々は、様々な量子シミュレーション(ノイズ中間スケール量子、NISQ)デバイス、アナログおよびデジタル量子シミュレータ、および量子アニールに焦点をあてる。このようなシステムには、物理的システムの量子力学を必ずしもシミュレートすることなく、巨大で制御可能な、堅牢で絡み合った、重畳状態を生成するという明確なニーズと要求がある。これにより、特にデコヒーレンスの制御が可能となり、量子通信にこれらの状態を使用することが可能である。
論文参考訳（メタデータ） (2022-04-19T14:02:32Z)
Quantum Neuronal Sensing of Quantum Many-Body States on a 61-Qubit Programmable Superconducting Processor [17.470012490921192]
物質の性質と相の異なる多体量子状態の分類は、量子多体物理学における最も基本的な課題の1つである。本稿では,量子ニューロンセンシングという新しいアプローチを提案する。本手法は,2種類の多体現象を効率的に分類できることを示す。
論文参考訳（メタデータ） (2022-01-16T03:20:04Z)
Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-24T12:48:00Z)
Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
論文参考訳（メタデータ） (2020-10-14T14:33:34Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。