論文の概要: Quantum Network Tomography via Learning Isometries on Stiefel Manifold

• arxiv url: http://arxiv.org/abs/2404.06988v1
• Date: Wed, 10 Apr 2024 13:05:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-11 14:31:03.001737
• Title: Quantum Network Tomography via Learning Isometries on Stiefel Manifold
• Title（参考訳）: Stiefel Manifold 上の Isometries 学習による量子ネットワークトモグラフィ
• Authors: Ze-Tong Li, Xin-Lin He, Cong-Cong Zheng, Xu-Tao Yu, Zai-Chen Zhang,
• Abstract要約: 本稿では,Stiefel多様体上のアイソメトリーを学習し,量子ネットワークトモグラフィーの効率的な手法を提案する。 その結果,提案手法は精度と効率性が高いことがわかった。
• 参考スコア（独自算出の注目度）: 8.67520197419735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explicit mathematical reconstructions of quantum networks play a significant role in developing quantum information science. However, tremendous parameter requirements and physical constraint implementations have become computationally non-ignorable encumbrances. In this work, we propose an efficient method for quantum network tomography by learning isometries on the Stiefel manifold. Tasks of reconstructing quantum networks are tackled by solving a series of unconstrained optimization problems with significantly less parameters. The step-wise isometry estimation shows the capability for providing information of the truncated quantum comb while processing the tomography. Remarkably, this method enables the compressive QCT by specifying the dimensions of isometries. As a result, our proposed method exhibits high accuracy and efficiency.
• Abstract（参考訳）: 量子ネットワークの数学的再構成は、量子情報科学の発展に重要な役割を果たしている。 しかし、膨大なパラメータ要求と物理的制約の実装は、計算的に無視できない存在になっている。 本研究では,Stiefel多様体上のアイソメトリーを学習し,量子ネットワークトモグラフィーの効率的な手法を提案する。 量子ネットワーク再構築の課題は、パラメータが大幅に少ない一連の制約のない最適化問題を解くことで解決される。 ステップワイズアイソメトリ推定は、トモグラフィを処理しながら、切り捨てられた量子コムの情報を提供する能力を示す。 注目すべきことに、この方法はイソメトリーの次元を指定して圧縮QCTを可能にする。 その結果,提案手法は精度と効率性が高いことがわかった。

関連論文リスト

• Fast Quantum Process Tomography via Riemannian Gradient Descent [3.1406146587437904]
  制約付き最適化は、量子物理学と量子情報科学の分野において重要な役割を果たす。 量子プロセストモグラフィー(quantum process tomography)は、特定の測定データに基づいて基礎となる量子プロセスを取得することを目的としている。
  論文  参考訳（メタデータ） (2024-04-29T16:28:14Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Learning the tensor network model of a quantum state using a few single-qubit measurements [0.0]
  人工量子システムの次元性は常に増大し、その特徴付けとベンチマークのために非常に効率的な方法が要求される。 本稿では,未知の量子系のテンソルネットワークモデルを学習する構成的かつ数値的に効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-09-01T11:11:52Z)
• Quantivine: A Visualization Approach for Large-scale Quantum Circuit Representation and Analysis [31.203764035373677]
  我々は量子回路の探索と理解のための対話型システムQuantivineを開発した。 一連の新しい回路視覚化は、キュービットの証明、並列性、絡み合いなどのコンテキストの詳細を明らかにするように設計されている。 Quantivineの有効性は、最大100キュービットの量子回路の2つの利用シナリオを通して示される。
  論文  参考訳（メタデータ） (2023-07-18T04:51:28Z)
• Multi-qubit State Tomography with Few Pauli Measurements [8.611891055029076]
  キャラクタリゼーションツールであるQuantum state tomographyは、未知の量子状態の密度行列を再構成する。 これは、大量の量子ビットに対する測定とデータ処理の膨大な負担のため、実用的ではない。 より少ない測定を必要とするが、期待される精度が得られる効率的なフレームワークを構築します。
  論文  参考訳（メタデータ） (2023-05-31T14:10:26Z)
• On quantum backpropagation, information reuse, and cheating measurement collapse [6.476797054353113]
  パラメータ化量子モデルは、古典的ニューラルネットワークと同じくらい効率的にトレーニングできることを示す。 本稿では,量子リソースのバックプロパゲーションスケーリングにマッチするシャドウトモグラフィの基礎を持つアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-22T18:00:02Z)
• Efficient estimation of trainability for variational quantum circuits [43.028111013960206]
  変動量子回路のコスト関数とその分散を効率よく計算する方法を見出した。 この方法は、変分量子回路のトレーニング容易性を証明し、バレンプラトー問題を克服できる設計戦略を探索するために用いられる。
  論文  参考訳（メタデータ） (2023-02-09T14:05:18Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Optimal and robust experiment design for quantum state tomography of star-topology register [7.160429920294401]
  本研究では、周囲スピンの個々のアドレス性が実現不可能な恒星トポロジーレジスタの量子状態トモグラフィーについて検討する。 我々の結果は、量子制御と測定の制約のある量子系の将来の研究に役立つ。
  論文  参考訳（メタデータ） (2022-06-17T06:40:29Z)
• From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
  まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
  論文  参考訳（メタデータ） (2022-02-19T02:56:47Z)
• 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)

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。