論文の概要: Noise Classification in Three-Level Quantum Networks by Machine Learning

• arxiv url: http://arxiv.org/abs/2405.01987v2
• Date: Mon, 02 Dec 2024 11:13:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-03 20:22:26.205104
• Title: Noise Classification in Three-Level Quantum Networks by Machine Learning
• Title（参考訳）: 機械学習による3レベル量子ネットワークのノイズ分類
• Authors: Shreyasi Mukherjee, Dario Penna, Fabio Cirinnà, Mauro Paternostro, Elisabetta Paladino, Giuseppe Falci, Luigi Giannelli,
• Abstract要約: 小型量子ネットワークに作用する雑音の機械学習に基づく分類について検討する。 教師あり学習は,システムに影響を及ぼす古典的嫌悪音の種類を分類できることを示す。 この結果は、量子アーキテクチャにおけるノイズの空間的相関を分類する方法を舗装する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We investigate a machine learning based classification of noise acting on a small quantum network with the aim of detecting spatial or multilevel correlations, and the interplay with Markovianity. We control a three-level system by inducing coherent population transfer exploiting different pulse amplitude combinations as inputs to train a feedforward neural network. We show that supervised learning can classify different types of classical dephasing noise affecting the system. Three non-Markovian (quasi-static correlated, anti-correlated and uncorrelated) and Markovian noises are classified with more than $99\%$ accuracy. On the contrary, correlations of Markovian noise cannot be discriminated with our method. Our approach is robust to statistical measurement errors and retains its effectiveness for physical measurements where only a limited number of samples is available making it very experimental-friendly. Our result paves the way for classifying spatial correlations of noise in quantum architectures.
• Abstract（参考訳）: 本稿では,空間的あるいは多レベルの相関を検出することを目的とした,小さな量子ネットワークに作用する雑音の機械学習に基づく分類と,マルコビアン性との相互作用について検討する。 我々は、入力として異なるパルス振幅の組み合わせを利用してコヒーレント人口移動を誘導し、フィードフォワードニューラルネットワークを訓練することにより、3レベルシステムを制御する。 教師あり学習は,システムに影響を及ぼす古典的嫌悪音の種類を分類できることを示す。 3つの非マルコフノイズ(準静的相関、反相関、非相関)とマルコフノイズは99\%以上の精度で分類される。 一方,マルコフ雑音の相関は本手法では判別できない。 提案手法は, 統計的測定誤差に対して頑健であり, 限られたサンプルしか使用できない物理測定の有効性を保ち, 非常に実験に適している。 この結果は、量子アーキテクチャにおけるノイズの空間的相関を分類する方法を舗装する。

関連論文リスト

• Correlated Noise Estimation with Quantum Sensor Networks [18.51122677780099]
  量子センサネットワークによる相関雑音推定の限界を決定するための理論的枠組みを開発する。 我々は,多体エコー系列を連想させるセンシングプロトコルを同定し,幅広い問題に対して測定感度の基本的な限界を実現する。
  論文  参考訳（メタデータ） (2024-12-23T19:00:06Z)
• Quantum State Reconstruction in a Noisy Environment via Deep Learning [0.9012198585960443]
  未知のノイズチャネルによって崩壊した量子状態の再構成と分類のタスクについて検討する。 このような手法が,99%以上の忠実度で回復できることを示す。 また、異なる量子ノイズチャネルを区別するタスクも検討し、ニューラルネットワークベースの分類器が、そのような分類問題を正確な精度で解決できることを示す。
  論文  参考訳（メタデータ） (2023-09-21T10:03:30Z)
• Spatially correlated classical and quantum noise in driven qubits: The good, the bad, and the ugly [0.0]
  複数の量子ビットにわたる相関ノイズは、スケーラブルな量子プロセッサを実現する上で大きな課題となる。 マルコフ雑音と非マルコフ雑音の両方を含む空間相関雑音下での駆動量子ビットの力学について検討した。 特に、量子極限において純粋に強調されるノイズは、遠くの量子ビットと相関するコヒーレントな長距離2量子ビットイジング相互作用を誘導する。
  論文  参考訳（メタデータ） (2023-08-06T08:34:49Z)
• Autonomous coherence protection of a two-level system in a fluctuating environment [68.8204255655161]
  我々は、もともと、相互作用しない2レベルシステム(量子ビット)のアンサンブルから静的ドップラー拡大の効果を取り除くことを意図したスキームを再検討する。 このスキームははるかに強力であり、時間と空間に依存するノイズから単一(あるいはアンサンブル)量子ビットのエネルギーレベルを保護できることを示した。
  論文  参考訳（メタデータ） (2023-02-08T01:44:30Z)
• Distinguishing quantum dynamics via Markovianity and Non-Markovianity [0.716879432974126]
  我々は、異なる種類の量子力学を示すXXスピン鎖を解析的に研究した。 マルコビアン性と非マルコビアン性の間の接続を構築します。 3種類の量子力学は、量子ビットのみを測定することで区別することができる。
  論文  参考訳（メタデータ） (2022-12-09T16:43:50Z)
• Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise [68.1992787416233]
  量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。 我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
  論文  参考訳（メタデータ） (2022-11-02T05:17:04Z)
• Characterizing low-frequency qubit noise [55.41644538483948]
  量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。 ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。 この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T22:48:43Z)
• Error-Mitigated Simulation of Quantum Many-Body Scars on Quantum Computers with Pulse-Level Control [0.0]
  最大19箇所の混合場イジング鎖における反強磁性初期状態のダイナミクスをシミュレートする。 様々なエラー発生源が存在する場合でも,最大40段階まで継続するコヒーレントダイナミクスが見つかる。
  論文  参考訳（メタデータ） (2022-03-15T22:12:25Z)
• S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
  本稿では,ラベルノイズの存在下での分類の問題に対処する。 提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。 提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-22T15:49:20Z)
• Combating Noise: Semi-supervised Learning by Region Uncertainty Quantification [55.23467274564417]
  現在の手法は、擬似ラベルによって生成されるノイズの多い領域によって容易に妨げられる。 領域の不確実性を定量化して雑音耐性半教師付き学習を提案する。 PASCAL VOCとMS COCOの併用実験により,本手法の異常な性能を実証した。
  論文  参考訳（メタデータ） (2021-11-01T13:23:42Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)

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。