論文の概要: Online learning of quantum processes
- arxiv url: http://arxiv.org/abs/2406.04250v1
- Date: Thu, 6 Jun 2024 16:54:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-07 13:50:11.846473
- Title: Online learning of quantum processes
- Title（参考訳）: 量子過程のオンライン学習
- Authors: Asad Raza, Matthias C. Caro, Jens Eisert, Sumeet Khatri,
- Abstract要約: パウリのチャネルと同様に、境界ゲートの複雑さは、オンライン学習の後悔とミスバウンドモデルでオンラインに学習できることを示します。
また,パウリ流路に対する試料効率の高いシャドウトモグラフィー法も提案する。
我々の研究は、量子チャネルのクラスおよびより一般的には非マルコフ量子プロセスに対するオンライン学習の研究を開始する。
- 参考スコア（独自算出の注目度）: 1.3749490831384268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Among recent insights into learning quantum states, online learning and shadow tomography procedures are notable for their ability to accurately predict expectation values even of adaptively chosen observables. In contrast to the state case, quantum process learning tasks with a similarly adaptive nature have received little attention. In this work, we investigate online learning tasks for quantum processes. Whereas online learning is infeasible for general quantum channels, we show that channels of bounded gate complexity as well as Pauli channels can be online learned in the regret and mistake-bounded models of online learning. In fact, we can online learn probabilistic mixtures of any exponentially large set of known channels. We also provide a provably sample-efficient shadow tomography procedure for Pauli channels. Our results extend beyond quantum channels to non-Markovian multi-time processes, with favorable regret and mistake bounds, as well as a shadow tomography procedure. We complement our online learning upper bounds with mistake as well as computational lower bounds. On the technical side, we make use of the multiplicative weights update algorithm, classical adaptive data analysis, and Bell sampling, as well as tools from the theory of quantum combs for multi-time quantum processes. Our work initiates a study of online learning for classes of quantum channels and, more generally, non-Markovian quantum processes. Given the importance of online learning for state shadow tomography, this may serve as a step towards quantum channel variants of adaptive shadow tomography.
- Abstract（参考訳）: 量子状態の学習に関する最近の知見の中で、オンライン学習とシャドウトモグラフィーの手順は、適応的に選択された観測値であっても予測値を正確に予測する能力で有名である。
状態の場合とは対照的に、適応性に類似した量子プロセス学習タスクはほとんど注目されていない。
本研究では,量子プロセスのオンライン学習タスクについて検討する。
一般的な量子チャネルではオンライン学習が不可能であるのに対して、我々は、オンライン学習の後悔とミスバウンドモデルにおいて、境界ゲートの複雑さのチャネルとパウリのチャネルをオンライン学習できることを示した。
実際、私たちは指数関数的に大きな既知のチャネルの確率的混合をオンラインで学習することができる。
また,パウリ流路に対する試料効率の高いシャドウトモグラフィー法も提案する。
我々の結果は、量子チャネルを超えて非マルコフ的マルチタイムプロセスに拡張され、良好な後悔と誤り境界、およびシャドウトモグラフィーの手順が得られた。
オンライン学習の上位境界と誤りと計算の下位境界を補完する。
技術的には、乗法重み更新アルゴリズム、古典的適応データ分析、ベルサンプリング、およびマルチ時間量子プロセスの量子コム理論のツールを利用する。
我々の研究は、量子チャネルのクラスおよびより一般的には非マルコフ量子プロセスに対するオンライン学習の研究を開始する。
状態影トモグラフィーにおけるオンライン学習の重要性を考えると、これは適応影トモグラフィーの量子チャネル変種へのステップとなる。
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 Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Online Convex Optimization of Programmable Quantum Computers to Simulate
Time-Varying Quantum Channels [26.888629265226264]
任意の量子チャネルは、有限次元のプログラマブル量子プロセッサを用いて正確にシミュレートすることはできない。
シミュレーション対象のチャネルが時間と逆向きに変化する困難条件について検討する。
論文 参考訳（メタデータ） (2022-12-09T23:37:55Z) - Quantifying information scrambling via Classical Shadow Tomography on
Programmable Quantum Simulators [0.0]
我々は,量子情報のダイナミクスを探索する技術を開発し,それをIBM超伝導量子プロセッサ上で実験的に実装する。
量子情報スクランブルの2つの曖昧なシグネチャを識別するが、どちらも散逸過程によって模倣できない。
両シグネチャを測り、量子系の数値シミュレーションで結果を支持する。
論文 参考訳（メタデータ） (2022-02-10T16:36:52Z) - Quantum Stream Learning [3.5268496546972763]
量子力学のエキゾチックな性質は、古典的な応用と比較して量子領域において機械学習(ML)を異なるものにしている。
本研究では, 連続測定量子ビットからのストリーミングデータに対して, 変形, 劣化, 緩和の有無で深い強化学習を行う。
ストリーム学習は、クローズドループ量子制御のより良い理解を提供する。
論文 参考訳（メタデータ） (2021-12-13T13:11:37Z) - Learning Temporal Quantum Tomography [0.0]
量子状態の準備における制御レベルの定量化と検証は、量子デバイス構築における中心的な課題である。
本稿では,機械学習フレームワークを用いた実用的近似トモグラフィ法を開発した。
量子学習タスクのためのアルゴリズムを実証し、その後、量子短期記憶容量を提案して、短期量子デバイスの時間的処理能力を評価する。
論文 参考訳（メタデータ） (2021-03-25T17:01:24Z) - 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) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳（メタデータ） (2021-02-09T13:48:00Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z) - VSQL: Variational Shadow Quantum Learning for Classification [6.90132007891849]
我々は,変分影量子学習と呼ぶ教師付き量子学習のための新しいハイブリッド量子古典フレームワークを提案する。
まず,変分影量子回路を用いて古典的特徴を畳み込みで抽出し,完全連結ニューラルネットワークを用いて分類タスクを完了させる。
本手法は,パラメータ数を著しく削減し,量子回路トレーニングをより容易に行うことができることを示す。
論文 参考訳（メタデータ） (2020-12-15T13:51:01Z) - Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。
この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。
我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
論文 参考訳（メタデータ） (2020-01-15T18:36:53Z)
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。