論文の概要: Scalable quantum detector tomography by high-performance computing
- arxiv url: http://arxiv.org/abs/2404.02844v1
- Date: Wed, 3 Apr 2024 16:22:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 16:50:16.899737
- Title: Scalable quantum detector tomography by high-performance computing
- Title(参考訳): 高速計算によるスケーラブル量子検出器トモグラフィ
- Authors: Timon Schapeler, Robert Schade, Michael Lass, Christian Plessl, Tim J. Bartley,
- Abstract要約: ヒルベルト空間を106ドルでカバーするメガスケール量子フォトニクス検出器上での量子トモグラフィーのアルゴリズムを開発した。
これは、検出器の量子記述である正の演算子値測度(POVM)に対応する行列の108ドルの要素を見つける必要があり、計算時間の数分で達成される。
問題の構造を利用して並列スケーリングを効率よく実現し、量子オブジェクトのシステムサイズを最大1012ドルの要素で再構築する方法について検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: At large scales, quantum systems may become advantageous over their classical counterparts at performing certain tasks. Developing tools to analyse these systems at the relevant scales, in a manner consistent with quantum mechanics, is therefore critical to benchmarking performance and characterising their operation. While classical computational approaches cannot perform like-for-like computations of quantum systems beyond a certain scale, classical high-performance computing (HPC) may nevertheless be useful for precisely these characterisation and certification tasks. By developing open-source customised algorithms using high-performance computing, we perform quantum tomography on a megascale quantum photonic detector covering a Hilbert space of $10^6$. This requires finding $10^8$ elements of the matrix corresponding to the positive operator valued measure (POVM), the quantum description of the detector, and is achieved in minutes of computation time. Moreover, by exploiting the structure of the problem, we achieve highly efficient parallel scaling, paving the way for quantum objects up to a system size of $10^{12}$ elements to be reconstructed using this method. In general, this shows that a consistent quantum mechanical description of quantum phenomena is applicable at everyday scales. More concretely, this enables the reconstruction of large-scale quantum sources, processes and detectors used in computation and sampling tasks, which may be necessary to prove their nonclassical character or quantum computational advantage.
- Abstract(参考訳): 大規模では、量子システムは、あるタスクを実行する際に古典的な処理よりも有利になる。
したがって、これらのシステムを関連するスケールで分析するツールの開発は、量子力学と一致する方法で、性能をベンチマークし、その動作を特徴づけるのに重要である。
古典的な計算手法は、あるスケールを超える量子システムの類似した計算を行うことはできないが、古典的なハイパフォーマンスコンピューティング(HPC)は、これらの特徴付けと認証タスクに正確に役立つかもしれない。
高速計算を用いたオープンソースのカスタマイズアルゴリズムの開発により、ヒルベルト空間10^6$のメガスケール量子フォトニクス検出器上で量子トモグラフィーを行う。
これは、検出器の量子記述である正の演算子値測度(POVM)に対応する行列の10^8$要素を見つける必要があり、計算時間の数分で達成される。
さらに,この問題の構造を生かして高効率な並列スケーリングを実現し,量子オブジェクトのシステムサイズを10〜12ドルまで削減し,本手法を用いて再構成する手法を提案する。
一般に、これは量子現象の一貫した量子力学的記述が日々のスケールで適用可能であることを示している。
より具体的には、これは計算およびサンプリングタスクに使用される大規模な量子源、プロセス、検出器の再構築を可能にする。
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) - 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) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳(メタデータ) (2024-06-17T18:20:51Z) - Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。
小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
論文 参考訳(メタデータ) (2024-04-01T20:55:03Z) - Quantum Volume for Photonic Quantum Processors [15.3862808585761]
短期量子コンピューティングプロセッサのメトリクスを定義することは、量子ハードウェアの研究と開発に不可欠である。
ランダム化ベンチマークや量子ボリュームのようなほとんどのメトリクスは、もともと回路ベースの量子コンピュータに導入された。
本稿では,MBQCプロセスの物理ノイズと不完全性を等価量子回路の論理誤差にマッピングする枠組みを提案する。
論文 参考訳(メタデータ) (2022-08-24T18:05:16Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳(メタデータ) (2021-12-27T21:15:35Z) - 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) - Variational Quantum Anomaly Detection: Unsupervised mapping of phase
diagrams on a physical quantum computer [0.0]
量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。
このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。
現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
論文 参考訳(メタデータ) (2021-06-15T06:54:47Z) - Resource-efficient encoding algorithm for variational bosonic quantum
simulations [0.0]
量子コンピューティングのノイズ中間スケール量子(NISQ)時代には、量子資源は限られている。
ボゾン基底と励起状態計算のための資源効率のよい量子アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-23T19:00:05Z) - Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。
MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文 参考訳(メタデータ) (2020-12-08T01:10:30Z) - Towards Building A Facial Identification System Using Quantum Machine
Learning Techniques [5.092311422459955]
我々は、特に顔認証アプリケーションをターゲットにした量子機械学習技術がもたらすメリットを探求することを目的としている。
我々は、量子コンピューティングの原理を利用して、分類精度の点で大きな性能を犠牲にすることなく、指数的なスピードアップを実現することができる。
論文 参考訳(メタデータ) (2020-08-26T20:58:50Z)
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。