Fugu-MT 論文翻訳(概要): Entanglement Degradation in the Presence of Markovian Noise: a Statistical Analysis

論文の概要: Entanglement Degradation in the Presence of Markovian Noise: a Statistical Analysis

arxiv url: http://arxiv.org/abs/2404.03505v1
Date: Thu, 4 Apr 2024 15:09:25 GMT
ステータス: 処理完了
システム内更新日: 2024-04-05 14:31:56.698261
Title: Entanglement Degradation in the Presence of Markovian Noise: a Statistical Analysis
Title（参考訳）: マルコフ雑音の存在下での絡み合い劣化の統計的解析
Authors: Nunzia Cerrato, Giacomo De Palma, Vittorio Giovannetti,
Abstract要約: ランダムに分散したマルコフ雑音のアンサンブルの作用による量子系の絡み合いの劣化について検討する。我々は、ランダムに分散した局所的均一なマルコフ雑音の進化を行う$n$クォーディットで形成された量子メモリの絡み合い劣化統計を特徴付ける。
参考スコア（独自算出の注目度）: 4.642647756403863
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Adopting a statistical approach we study the degradation of entanglement of a quantum system under the action of an ensemble of randomly distributed Markovian noise. This enables us to address scenarios where only limited information is available on the mechanisms that rule the noisy evolution of the model. As an application, we characterize the statistic of entanglement deterioration for a quantum memory formed by $n$ qudits that undergo randomly distributed local, uniform, Markovian noise evolution.
Abstract（参考訳）: 統計的アプローチを採用することで、ランダムに分散されたマルコフ雑音のアンサンブルの作用下での量子系の絡み合いの劣化を研究する。これにより、モデルのノイズの多い進化を規定するメカニズムにおいて、限られた情報しか利用できないシナリオに対処できる。応用として、ランダムに分散した局所的均一なマルコフ雑音の進化を行う$n$ quditsで形成された量子メモリの絡み合い劣化統計を特徴付ける。

関連論文リスト

Benchmarking bosonic modes for quantum information with randomized displacements [0.0]
本稿では,位相空間におけるボソニックモードのランダムな変位を利用したボソニックランダム化ベンチマークプロトコルについて述べる。捕捉されたイオン系の運動モードに工学的ノイズを注入することにより解析モデルを実験的に検証する。最後に,本システムにおける固有誤差特性について検討し,高相関雑音の存在を支配的過程として同定した。
論文参考訳（メタデータ） (2024-05-24T06:00:05Z)
Quantum search in a non-Markovian environment [0.0]
この論文は、オープン量子系の力学における「記憶を持つノイズ」の効果と起源を探求する。マルコフ相関雑音は時間相関のない雑音よりもアルゴリズムの効率を高めることができることを示す。開放系のノイズ進化を正確に再現する「衝突モデル」が構築されている。
論文参考訳（メタデータ） (2023-03-23T13:17:42Z)
Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
論文参考訳（メタデータ） (2023-03-11T15:20:54Z)
Statistics of phase space localization measures and quantum chaos in the kicked top model [8.402742655847774]
量子カオスは、最近の理論的および実験的研究におけるいくつかの重要な問題を理解する上で重要な役割を果たしている。局在化の統計量を用いて,量子カオスの特性について検討する。
論文参考訳（メタデータ） (2023-03-09T12:39:35Z)
Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
論文参考訳（メタデータ） (2023-01-04T10:40:30Z)
Full counting statistics as probe of measurement-induced transitions in the quantum Ising chain [62.997667081978825]
局所射影測定は局所磁化の平衡外確率分布関数の修正をもたらすことを示す。特に, 前者の確率分布が, 地域法規と容積法則で異なる振る舞いを示すかを説明する。
論文参考訳（メタデータ） (2022-12-19T12:34:37Z)
Quantum state-preparation control in noisy environment via most-likely paths [1.9260081982051918]
雑音の影響を受けないオープン量子系の別の見方として、平均力学を仮定的雑音軌道に到達させる方法を考える。我々は、量子状態準備に最もよく似た経路技術を採用し、ノイズ変数の経路を構築し、制御関数を見つける。概念実証として,提案手法を劣化雑音下での立方体状態生成に適用し,任意の目標状態に対する制御されたRabiドライブを解析的に解いた。
論文参考訳（メタデータ） (2022-09-27T05:42:09Z)
Suppressing Amplitude Damping in Trapped Ions: Discrete Weak Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
論文参考訳（メタデータ） (2022-09-06T18:18:41Z)
Noisy monitored quantum dynamics of ergodic multi-qubit systems [0.0]
雑音非単位力学の統計モデルの設定と解法にランダム行列法を用いる。モデルは、ランダム力学と1または複数の量子ビットの可変強度の測定を組み合わせた様々なシナリオをカバーする。
論文参考訳（メタデータ） (2022-03-25T17:42:37Z)
Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
雑音分布の明示的な表現に依存しない新しい計画法を提案する。まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
論文参考訳（メタデータ） (2021-10-25T06:18:55Z)
Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
論文参考訳（メタデータ） (2021-01-21T04:48:15Z)

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。