論文の概要: A neural processing approach to quantum state discrimination
- arxiv url: http://arxiv.org/abs/2409.03748v2
- Date: Mon, 9 Sep 2024 03:39:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-10 13:16:17.383597
- Title: A neural processing approach to quantum state discrimination
- Title（参考訳）: 量子状態判別のためのニューラルプロセッシングアプローチ
- Authors: Saeed A. Khan, Fangjun Hu, Gerasimos Angelatos, Michael Hatridge, Hakan E. Türeci,
- Abstract要約: 量子信号の非線形処理は、しばしば非イデアル性や余剰ノイズと関連付けられる。
本稿では,幅広いボゾン量子非線形プロセッサの一般量子信号処理原理を明らかにする枠組みを提案する。
我々の研究は、非線形量子システムを汎用デバイスとして活用するための経路を提供し、非線形量子情報処理の新しいパラダイムを可能にする。
- 参考スコア（独自算出の注目度）: 0.2796197251957245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although linear quantum amplification has proven essential to the processing of weak quantum signals, extracting higher-order quantum features such as correlations in principle demands nonlinear operations. However, nonlinear processing of quantum signals is often associated with non-idealities and excess noise, and absent a general framework to harness nonlinearity, such regimes are typically avoided. Here we present a framework to uncover general quantum signal processing principles of a broad class of bosonic quantum nonlinear processors (QNPs), inspired by a remarkably analogous paradigm in nature: the processing of environmental stimuli by nonlinear, noisy neural ensembles, to enable perception. Using a quantum-coherent description of a QNP monitoring a quantum signal source, we show that quantum nonlinearity can be harnessed to calculate higher-order features of an incident quantum signal, concentrating them into linearly-measurable observables, a transduction not possible using linear amplifiers. Secondly, QNPs provide coherent nonlinear control over quantum fluctuations including their own added noise, enabling noise suppression in an observable without suppressing transduced information, a paradigm that bears striking similarities to optimal neural codings that allow perception even under highly stochastic neural dynamics. Unlike the neural case, we show that QNP-engineered noise distributions can exhibit non-classical correlations, providing a new means to harness resources such as entanglement. Finally, we show that even simple QNPs in realistic measurement chains can provide enhancements of signal-to-noise ratio for practical tasks such as quantum state discrimination. Our work provides pathways to utilize nonlinear quantum systems as general computation devices, and enables a new paradigm for nonlinear quantum information processing.
- Abstract（参考訳）: 線形量子増幅は弱い量子信号の処理に不可欠であることが証明されているが、原理的に非線形演算を必要とする相関のような高次量子特徴を抽出している。
しかし、量子信号の非線形処理は、しばしば非イデアル性や余剰ノイズと関連付けられ、非線形性を利用する一般的な枠組みが欠如しているため、そのような規則は避けられる。
本稿では,広帯域のボソニック量子非線形プロセッサ(QNP)の一般量子信号処理原理を明らかにする枠組みを提案する。
量子信号源を監視するQNPの量子コヒーレントな記述を用いて、入射量子信号の高次特性を計算するために量子非線形性を利用でき、線形増幅器では不可能な線形測定可能な可観測器に濃縮することができることを示す。
第2に、QNPは、独自のノイズを含む量子ゆらぎに対するコヒーレントな非線形制御を提供し、伝達された情報を抑制することなく観測可能なノイズ抑圧を可能にする。
ニューラルケースと異なり,QNPによる雑音分布は非古典的相関を示し,絡み合いなどの資源を活用する新たな手段を提供する。
最後に,実測鎖における単純なQNPであっても,量子状態判別などの実用的なタスクにおいて,信号対雑音比の増大が期待できることを示す。
我々の研究は、非線形量子システムを一般的な計算装置として活用するための経路を提供し、非線形量子情報処理の新しいパラダイムを可能にする。
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) - Non-linear classification capability of quantum neural networks due to emergent quantum metastability [0.0]
量子ニューラルネットワークで有効な非線形性を実現することができることを示す。
分散多体量子スピンモデルにインスパイアされたアーキテクチャを持つ量子ニューラルネットワークを用いることで、このメカニズムが実際に非線形データ分類を実現することができることを示す。
論文 参考訳（メタデータ） (2024-08-20T12:01:07Z) - Retrieving non-linear features from noisy quantum states [11.289924445850328]
本稿では,ノイズ状態から高次モーメントを抽出する実現可能性と効率について分析する。
まず、基礎となるノイズチャネルが可逆である場合に限り、このタスクを達成できる量子プロトコルが存在することを示す。
我々の研究は、量子ノイズが高次情報抽出にどのように影響するかを深く理解し、それに取り組むためのガイダンスを提供する。
論文 参考訳（メタデータ） (2023-09-20T15:28:18Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳（メタデータ） (2022-04-26T09:52:02Z) - Quantifying fermionic nonlinearity of quantum circuits [0.5658123802733283]
フェルミオンハミルトニアンをシミュレートするために設計された量子回路の古典的シミュラビリティを定量化する。
誤差確率と原子間隔に依存すると、フェルミオンの非線形性が非常に小さい領域や統一領域が存在することが分かる。
論文 参考訳（メタデータ） (2021-11-29T15:31:43Z) - Designing Kerr Interactions for Quantum Information Processing via
Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。
非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。
その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
論文 参考訳（メタデータ） (2021-07-14T15:11:05Z) - Generation of quantum states with nonlinear squeezing by Kerr
nonlinearity [1.52292571922932]
非線形スクイーズを持つ量子状態は、高次二次位相ゲートの決定論的実装に必要な資源である。
このような状態のクラスは、適切なガウス処理を伴う1つのケーラーゲートを用いて決定的に準備できることを実証する。
論文 参考訳（メタデータ） (2021-05-11T16:46:33Z) - Noisy Quantum Computation Modeled by Quantum Walk: Universality without
Ancillas [0.0]
我々は、NISQコンピュータの研究ツールを提供するために、量子ウォークモデルをノイズの多いシステムに拡張する。
我々の計画では、量子ウォーク振幅は純粋な状態の波動関数ではなく密度行列の要素を表す。
論文 参考訳（メタデータ） (2021-04-25T08:07:24Z) - 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) - Direct Quantum Communications in the Presence of Realistic Noisy
Entanglement [69.25543534545538]
本稿では,現実的な雑音に依拠する新しい量子通信方式を提案する。
性能分析の結果,提案手法は競争力のあるQBER, 利得, 利得を提供することがわかった。
論文 参考訳（メタデータ） (2020-12-22T13:06:12Z)
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。