論文の概要: Efficient Circuit-Based Quantum State Tomography via Sparse Entry Optimization

• arxiv url: http://arxiv.org/abs/2407.20298v1
• Date: Mon, 29 Jul 2024 02:59:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-31 19:18:14.262885
• Title: Efficient Circuit-Based Quantum State Tomography via Sparse Entry Optimization
• Title（参考訳）: スパースエントリー最適化による効率的な回路ベース量子状態トモグラフィ
• Authors: Chi-Kwong Li, Kevin Yipu Wu, Zherui Zhang,
• Abstract要約: 我々は、$n$量子ビット状態を$k$非ゼロエントリで再構成する効率的な回路ベースの量子状態トモグラフィー手法を提案する。 我々は、$|psirangle$ における 0 でないエントリの位置に基づいて、CNOT ゲートの数に上限を与える。
• 参考スコア（独自算出の注目度）: 0.6008132390640295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an efficient circuit-based quantum state tomography (QST) scheme to reconstruct $n$-qubit states with $k$ nonzero entries using measurements of $|\psi\rangle$ and $U_1|\psi\rangle, \dots, U_{2m}|\psi\rangle$, where $m \le k$. Each $U_j$ involves CNOT gates followed by a single-qubit gate, either Hadamard $H$ or $HD$, where $D = {\rm diag}(1,i)$, targeting a specific qubit. We provide an upper limit on the number of CNOT gates based on the nonzero entries' positions in $|\psi\rangle$. This approach, applied to both state and process tomography, was tested using the Qiskit simulator.
• Abstract（参考訳）: 回路ベースの効率的な量子状態トモグラフィー(QST)手法を提案し、$m \le k$に対して$|\psi\rangle$および$U_1|\psi\rangle, \dots, U_{2m}|\psi\rangle$の測定値を用いて、$k$非ゼロエントリで$n$-qubit状態の再構成を行う。 それぞれの$U_j$ は CNOT ゲートに続き、Adamard $H$ または $HD$ のいずれかの単一キュービットゲートで、$D = {\rm diag}(1,i)$ は特定のキュービットをターゲットにしている。 我々は、$|\psi\rangle$ の 0 でないエントリの位置に基づいて、CNOT ゲートの数に上限を与える。 このアプローチは状態とプロセストモグラフィの両方に適用され、Qiskitシミュレータを用いてテストされた。

関連論文リスト

• Towards Optimal Circuit Size for Sparse Quantum State Preparation [10.386753939552872]
  我々は、$s$非ゼロ振幅を持つ$n$量子ビットスパース量子状態の準備を検討し、2つのアルゴリズムを提案する。 最初のアルゴリズムは$O(ns/log n + n)$ gatesを使用し、以前のメソッドを$O(log n)$で改善する。 2番目のアルゴリズムは、短いハミルトニアンパスを示す二進弦向けに調整されている。
  論文  参考訳（メタデータ） (2024-04-08T02:13:40Z)
• Spacetime-Efficient Low-Depth Quantum State Preparation with Applications [93.56766264306764]
  任意の量子状態を作成するための新しい決定論的手法は、以前の方法よりも少ない量子資源を必要とすることを示す。 我々は、量子機械学習、ハミルトンシミュレーション、方程式の線形系を解くことなど、この能力が役立ついくつかのアプリケーションを強調した。
  論文  参考訳（メタデータ） (2023-03-03T18:23:20Z)
• Basic quantum subroutines: finding multiple marked elements and summing numbers [1.1265248232450553]
  量子クエリーの最適数$O(sqrtN k)$を用いて、サイズ$N$のリスト内のすべての$k$マーク要素を見つける方法を示す。
  論文  参考訳（メタデータ） (2023-02-20T19:11:44Z)
• Near-Optimal Regret Bounds for Multi-batch Reinforcement Learning [54.806166861456035]
  本研究では,有限水平マルコフ決定過程(MDP)によってモデル化されたエピソディック強化学習(RL)問題をバッチ数に制約を加えて検討する。 我々は,$tildeO(sqrtSAH3Kln (1/delta))$tildeO(cdot)をほぼ最適に後悔するアルゴリズムを設計し,$(S,A,H,K)$の対数項を$K$で隠蔽する。 技術的貢献は2つある: 1) 探索のためのほぼ最適設計スキーム
  論文  参考訳（メタデータ） (2022-10-15T09:22:22Z)
• Enlarging the notion of additivity of resource quantifiers [62.997667081978825]
  量子状態 $varrho$ と量子化器 $cal E(varrho) が与えられたとき、$cal E(varrhootimes N)$ を決定するのは難しい。 本研究では, ある球対称状態の1発の蒸留可能な絡み合いを, このような拡張付加性によって定量的に近似できることを示す。
  論文  参考訳（メタデータ） (2022-07-31T00:23:10Z)
• Supervised Training of Conditional Monge Maps [107.78770597815242]
  最適輸送(OT)理論は、多くの可能な選択の中から確率測度を他のものにマッピングする最も効率的な方法を定義し、選択する一般的な原理を記述している。 本研究では,コンテキスト変数に条件付きOTマップの族を推定するマルチタスク手法であるCondOTを紹介する。 本研究では,CondOTの遺伝的・治療的摂動の任意の組み合わせが単一細胞に与える影響を推測する能力を示す。
  論文  参考訳（メタデータ） (2022-06-28T19:34:44Z)
• Divide-and-conquer verification method for noisy intermediate-scale quantum computation [0.0]
  ノイズの多い中間スケールの量子計算は、スパース量子コンピューティングチップ上の対数深度量子回路と見なすことができる。 このようなノイズの多い中間スケール量子計算を効率よく検証する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-30T08:56:30Z)
• Unitarization Through Approximate Basis [0.0]
  ユニタリゼーションは、全ての$0$状態から量子状態を生成する$k$入力回路を取る問題である。 以下のパラメータの時間に近似した基底を求める。
  論文  参考訳（メタデータ） (2021-04-01T22:11:05Z)
• Agnostic Q-learning with Function Approximation in Deterministic Systems: Tight Bounds on Approximation Error and Sample Complexity [94.37110094442136]
  本稿では,決定論的システムにおける関数近似を用いたQ$学習の問題について検討する。 もし$delta = Oleft(rho/sqrtdim_Eright)$なら、$Oleft(dim_Eright)$を使って最適なポリシーを見つけることができる。
  論文  参考訳（メタデータ） (2020-02-17T18:41:49Z)
• Tight Quantum Lower Bound for Approximate Counting with Quantum States [49.6558487240078]
  Aaronson, Kothari, Kretschmer, Thaler (2020) が考える数え上げ問題の次の変種に対する厳密な下界を証明する。 このタスクは、入力セット$xsubseteq [n]$が$k$か$k'=(1+varepsilon)k$であるかどうかを識別する。
  論文  参考訳（メタデータ） (2020-02-17T10:53:50Z)

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。