論文の概要: Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states
- arxiv url: http://arxiv.org/abs/2406.01157v1
- Date: Mon, 3 Jun 2024 09:51:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 01:38:29.334030
- Title: Quantum consistent neural/tensor networks for photonic circuits with strongly/weakly entangled states
- Title（参考訳）: 強/弱絡み状態を持つフォトニック回路のための量子一貫したニューラル/テンソルネットワーク
- Authors: Nicolas Allegra,
- Abstract要約: 本稿では,閉じた絡み合ったシステムの正確なユニタリ進化を,高精度で効率的な量子一貫した方法で近似する手法を提案する。
量子力学の少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にする。
- 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: Modern quantum optical systems such as photonic quantum computers and quantum imaging devices require great precision in their designs and implementations in the hope to realistically exploit entanglement and reach a real quantum advantage. The theoretical and experimental explorations and validations of these systems are greatly dependent on the precision of our classical simulations. However, as Hilbert spaces increases, traditional computational methods used to design and optimize these systems encounter hard limitations due to the quantum curse of dimensionally. To address this challenge, we propose an approach based on neural and tensor networks to approximate the exact unitary evolution of closed entangled systems in a precise, efficient and quantum consistent manner. By training the networks with a reasonably small number of examples of quantum dynamics, we enable efficient parameter estimation in larger Hilbert spaces, offering an interesting solution for a great deal of quantum metrology problems.
- Abstract（参考訳）: フォトニック量子コンピュータや量子イメージングデバイスのような現代の量子光学系は、絡み合いを現実的に活用し、真の量子優位性に達することを期待して、その設計と実装に大きな精度を必要とする。
これらのシステムの理論的、実験的探索と検証は、我々の古典的なシミュレーションの精度に大きく依存している。
しかし、ヒルベルト空間が増加するにつれて、これらのシステムを設計し最適化するために使われる伝統的な計算手法は、次元的に量子的呪いのために厳しい制約に直面する。
この課題に対処するために、ニューラルネットワークとテンソルネットワークに基づくアプローチを提案し、閉じた絡み合ったシステムの正確なユニタリ進化を、正確で効率的で量子一貫した方法で近似する。
量子力学のごく少数の例でネットワークを訓練することにより、より大きなヒルベルト空間における効率的なパラメータ推定を可能にし、多くの量子力学問題に対する興味深い解を提供する。
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) - Quantum Equilibrium Propagation for efficient training of quantum systems based on Onsager reciprocity [0.0]
平衡伝播(Equilibrium propagation、EP)は、平衡に緩和する古典的なエネルギーモデルに導入され応用された手順である。
ここでは、EPとOnsagerの相互性を直接接続し、これを利用してEPの量子バージョンを導出する。
これは任意の量子系の可観測物の期待値に依存する損失関数の最適化に使うことができる。
論文 参考訳（メタデータ） (2024-06-10T17:22:09Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Learning Quantum Systems [0.0]
量子技術は、セキュアな通信、高性能コンピューティング、超精密センシングにおける画期的な応用によって、私たちの社会に革命をもたらすと約束している。
量子技術のスケールアップにおける主な特徴の1つは、量子システムの複雑さがその大きさと指数関数的にスケールすることである。
これは、量子状態の効率的なキャリブレーション、ベンチマーク、検証とその動的制御において深刻な問題を引き起こす。
論文 参考訳（メタデータ） (2022-07-01T09:47:26Z) - Quantum Neural Architecture Search with Quantum Circuits Metric and
Bayesian Optimization [2.20200533591633]
各量子状態に対するゲートの作用を特徴付ける新しい量子ゲート距離を提案する。
提案手法は、経験的量子機械学習の3つの問題において、ベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2022-06-28T16:23:24Z) - 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) - A proposal for practical multidimensional quantum networks [0.0]
高次元量子系 (qudits) は、高光子情報効率とノイズに対する堅牢性を示す。
量子ネットワークにおけるそれらの利用は、高次元の量子リピータに必要な非現実的な資源のために実験的な課題を示す。
我々の研究は、高次元量子ネットワークの実装を著しく単純化し、現在の技術による開発を促進する。
論文 参考訳（メタデータ） (2021-03-16T17:15:58Z) - The Hintons in your Neural Network: a Quantum Field Theory View of Deep
Learning [84.33745072274942]
線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。
ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
論文 参考訳（メタデータ） (2021-03-08T17:24:29Z) - 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) - Finding Quantum Critical Points with Neural-Network Quantum States [0.0]
本稿では,ニューラルネットワーク量子状態を用いた量子イジングモデルの量子臨界点探索手法を提案する。
我々は、本質的に制限されたボルツマンマシン、トランスファーラーニング、教師なし学習を解析的に構築した。
論文 参考訳（メタデータ） (2020-02-07T04:39:09Z)
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。