論文の概要: Scalable tomography of many-body quantum environments with low temporal entanglement
- arxiv url: http://arxiv.org/abs/2406.18458v1
- Date: Wed, 26 Jun 2024 16:08:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-27 12:50:18.736619
- Title: Scalable tomography of many-body quantum environments with low temporal entanglement
- Title(参考訳): 低時間エンタングルメントを有する多体量子環境のスケーラブルトモグラフィー
- Authors: Ilia A. Luchnikov, Michael Sonner, Dmitry A. Abanin,
- Abstract要約: 本研究では,量子プロセッサ上でシミュレーションされた多体環境のIMを再構築するための学習アルゴリズムについて検討する。
1次元スピンチェーン環境の例を用いて、古典的に生成されたトレーニングデータセットを用いて、このアルゴリズムが長い進化期間にわたってIMのスケーラブルな再構築を可能にすることを実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Describing dynamics of a quantum system coupled to a complex many-body environment is a ubiquitous problem in quantum science. General non-Markovian environments are characterized by their influence matrix~(IM) -- a multi-time tensor arising from repeated interactions between the system and environment. While complexity of the most generic IM grows exponentially with the evolution time, recent works argued that for many instances of physical many-body environments, the IM is significantly less complex. This is thanks to area-law scaling of temporal entanglement, which quantifies the correlations between the past and the future states of the system. However, efficient classical algorithms for computing IM are only available for non-interacting environments or certain interacting 1D environments. Here, we study a learning algorithm for reconstructing IMs of large many-body environments simulated on a quantum processor. This hybrid algorithm involves experimentally collecting quantum measurement results of auxiliary qubits which are repeatedly coupled to the many-body environment, followed by a classical machine-learning construction of a matrix-product (MPS) representation of the IM. Using the example of 1D spin-chain environments, with a classically generated training dataset, we demonstrate that the algorithm allows scalable reconstruction of IMs for long evolution times. The reconstructed IM can be used to efficiently model quantum transport through an impurity, including cases with multiple leads and time-dependent controls. These results indicate the feasibility of characterizing long-time dynamics of complex environments using a limited number of measurements, under the assumption of a moderate temporal entanglement.
- Abstract(参考訳): 複雑な多体環境に結合した量子系の力学を記述することは、量子科学においてユビキタスな問題である。
一般的な非マルコフ環境は、システムと環境の間の繰り返し相互作用から生じるマルチタイムテンソルである影響行列~(IM)によって特徴づけられる。
最も一般的なIMの複雑さは進化の時間とともに指数関数的に増加するが、最近の研究は、多くの物理的多体環境の場合、IMは著しく複雑ではないと主張した。
これは、システムの過去と将来の状態の相関を定量化する時間的絡み合いの領域法則スケーリングによるものである。
しかし、IMの効率的な古典的アルゴリズムは、非相互作用環境や特定の相互作用する1D環境でしか利用できない。
本稿では,量子プロセッサ上でシミュレーションされた多体環境のIMを再構築するための学習アルゴリズムについて検討する。
このハイブリッドアルゴリズムは、多体環境に繰り返し結合する補助量子ビットの量子測定結果を実験的に収集し、続いてIMの行列積(MPS)表現を古典的な機械学習で構築する。
1次元スピンチェーン環境の例を用いて、古典的に生成されたトレーニングデータセットを用いて、このアルゴリズムが長い進化期間にわたってIMのスケーラブルな再構築を可能にすることを実証する。
再構成されたIMは、複数のリードと時間依存制御を持つケースを含む不純物を通して量子輸送を効率的にモデル化するために使用することができる。
これらの結果は,中程度の時間的絡み合いを前提として,限られた測定値を用いて複雑な環境の長時間動態を特徴付けることが可能であることを示す。
関連論文リスト
- Generalized quantum master equations can improve the accuracy of semiclassical predictions of multitime correlation functions [0.0]
時空量子相関関数は物理科学の中心的な対象である。
2次元分光法や量子制御のような実験は、今ではそのような量を測定することができる。
我々は,多時間半古典的GQMEを利用して,粗い平均場Ehrenfestのダイナミクスの精度を劇的に向上できることを示す。
論文 参考訳(メタデータ) (2024-05-14T22:34:59Z) - On-demand transposition across light-matter interaction regimes in
bosonic cQED [69.65384453064829]
ボソニックcQEDは、非線形回路素子に結合した高温超伝導キャビティの光電場を用いる。
空洞コヒーレンスを劣化させることなく, 相互作用系を高速に切り替える実験を行った。
我々の研究は、単一のプラットフォーム内での光-物質相互作用のフル範囲を探索する新しいパラダイムを開く。
論文 参考訳(メタデータ) (2023-12-22T13:01:32Z) - Measurement-induced entanglement and teleportation on a noisy quantum
processor [105.44548669906976]
最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。
二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。
我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
論文 参考訳(メタデータ) (2023-03-08T18:41:53Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳(メタデータ) (2022-12-21T19:00:04Z) - Quantum simulations of interacting systems with broken time-reversal
symmetry [0.0]
量子プロセッサにおいて、相互作用する時間反転量子系の量子シミュレーションを実現する。
本研究の結果は, 多様な特徴を持つ時間反転多体系のシミュレーションへの道を開くものである。
論文 参考訳(メタデータ) (2022-05-23T10:29:34Z) - Digital quantum simulation of non-perturbative dynamics of open systems
with orthogonal polynomials [0.0]
本稿では,時間進化密度演算子と直交多項式アルゴリズム(TEDOPA)を量子コンピュータ上で用いることを提案する。
本研究では,本研究で検討したシステムの時間進化シミュレーションにおいて,計算資源の指数的スケーリングを回避できることが示唆された。
論文 参考訳(メタデータ) (2022-03-28T11:16:33Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳(メタデータ) (2021-03-04T18:21:00Z) - Simulation of Collective Neutrino Oscillations on a Quantum Computer [117.44028458220427]
本稿では,現在発生している量子デバイスを用いたニュートリノ相互作用系の最初のシミュレーションを行う。
量子ビットの自然接続における制限を克服し、それをリアルタイムに絡み合いの進化を追跡する戦略を導入する。
論文 参考訳(メタデータ) (2021-02-24T20:51:25Z) - Probing quantum information propagation with out-of-time-ordered
correlators [41.12790913835594]
小型の量子情報プロセッサは、多体量子システムを効率的にエミュレートする約束を持っている。
ここでは、時間外順序付き相関器(OTOC)の測定を実演する。
我々の実験における中心的な要件は、時間進化をコヒーレントに逆転させる能力である。
論文 参考訳(メタデータ) (2021-02-23T15:29:08Z) - Characterizing many-body localization via exact disorder-averaged
quantum noise [0.0]
乱れた量子多粒子系の多体局在化(MBL)相は、多くのユニークな性質を持つ。
我々は、乱れたスピンシステムが影響行列(IM)を介してその部分に作用する量子ノイズを特徴づける。
個々のスピンの軌道空間における波動関数と見なされ、IMはMBL相における時間的絡み合いの緩やかなスケーリングを示す。
論文 参考訳(メタデータ) (2020-12-01T19:01:31Z) - Quantum Non-equilibrium Many-Body Spin-Photon Systems [91.3755431537592]
論文は、非平衡状態における強相関量子系の量子力学に関するものである。
本研究の主な成果は, 臨界ダイナミクスのシグナチャ, 超ストロング結合のテストベッドとしての駆動ディックモデル, キブルズルーク機構の3つにまとめることができる。
論文 参考訳(メタデータ) (2020-07-23T19:05:56Z)
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。