論文の概要: Towards quantum advantage with photonic state injection

• arxiv url: http://arxiv.org/abs/2410.01572v1
• Date: Wed, 2 Oct 2024 14:10:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 16:54:49.220917
• Title: Towards quantum advantage with photonic state injection
• Title（参考訳）: フォトニック状態注入による量子優位性を目指して
• Authors: Léo Monbroussou, Eliott Z. Mamon, Hugo Thomas, Verena Yacoub, Ulysse Chabaud, Elham Kashefi,
• Abstract要約: 本稿では,量子モデルの表現力を高めるための近距離フォトニック量子デバイスの提案を行う。 このスキームは、より制御可能な状態を生成することができる測定に基づく手法である状態注入に依存している。
• 参考スコア（独自算出の注目度）: 0.5497663232622965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a new scheme for near-term photonic quantum device that allows to increase the expressive power of the quantum models beyond what linear optics can do. This scheme relies upon state injection, a measurement-based technique that can produce states that are more controllable, and solve learning tasks that are not believed to be tackled classically. We explain how circuits made of linear optical architectures separated by state injections are keen for experimental implementation. In addition, we give theoretical results on the evolution of the purity of the resulting states, and we discuss how it impacts the distinguishability of the circuit outputs. Finally, we study a computational subroutines of learning algorithms named probability estimation, and we show the state injection scheme we propose may offer a potential quantum advantage in a regime that can be more easily achieved that state-of-the-art adaptive techniques. Our analysis offers new possibilities for near-term advantage that require to tackle fewer experimental difficulties.
• Abstract（参考訳）: 我々は、線形光学ができることを超えて、量子モデルの表現力を高めることができる、近距離フォトニック量子デバイスのための新しいスキームを提案する。 このスキームは、より制御可能な状態を生成し、古典的に取り組まれていないと信じられている学習タスクを解決するための測定ベースの手法であるステートインジェクションに依存している。 我々は、状態注入によって分離された線形光学構造からなる回路が実験的な実装にどのように役立つかを説明する。 さらに、得られた状態の純度の進化に関する理論的結果を与え、それが回路出力の識別性に与える影響について論じる。 最後に、確率推定と呼ばれる学習アルゴリズムの計算サブルーチンについて検討し、提案する状態注入方式が、最先端適応技術よりも容易に達成できるような状況下で、潜在的に量子的優位性をもたらす可能性があることを示す。 我々の分析は、より少ない実験的な困難に対処する必要のある、短期的な優位性に対する新たな可能性を提供する。

関連論文リスト

• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Preparing Schrödinger cat states in a microwave cavity using a neural network [0.0]
  量子状態全体に対して最適化された制御パルスを出力するようにニューラルネットワークに教えることが可能であることを示す。 結果は、ディープニューラルネットワークとトランスファーラーニングが、様々な量子制御タスクに対する効率的な同時解をいかに生み出すかを示す。
  論文  参考訳（メタデータ） (2024-09-09T12:28:02Z)
• Time-bin entanglement in the deterministic generation of linear photonic cluster states [0.0]
  理論的には、個々の量子エミッタを用いて、時間双絡光子の列車を決定論的に生成するための戦略を理論的に検討する。 フル微視的数値シミュレーションにおいて, 束縛されたフォトニック量子ビットのかなりの数の線形クラスター状態の理論的生成を示す。
  論文  参考訳（メタデータ） (2024-03-13T13:38:45Z)
• Engineered dissipation to mitigate barren plateaus [0.7864304771129751]
  変分量子アルゴリズムは、雑音量子コンピュータにおける最適化問題を解くための強力なアプローチである。 本稿では,各ユニタリ量子回路層にマルコフ損失を適切に組み込むことで,量子モデルのトレーニング性を回復する方法について述べる。 我々は、この提案を合成的および実用的な量子化学の例でベンチマークし、その効果と異なる領域における潜在的影響を実証した。
  論文  参考訳（メタデータ） (2023-10-23T15:36:00Z)
• Simulating Gaussian boson sampling quantum computers [68.8204255655161]
  実験的なガウスボソンサンプリングネットワークをシミュレートする最近の理論手法について概説する。 主に、量子力学の位相空間表現を使用する手法に焦点を当てる。 GBSの理論、最近の実験、その他の手法についても概説する。
  論文  参考訳（メタデータ） (2023-08-02T02:03:31Z)
• Empirical Sample Complexity of Neural Network Mixed State Reconstruction [0.0]
  混合状態に対する異なる量子状態再構成技術の性能を数値的に検討する。 本稿では,分散低減手法を適用して,アルゴリズムの量子リソース要求を体系的に低減する方法を示す。
  論文  参考訳（メタデータ） (2023-07-04T17:42:43Z)
• 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)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Accessing ground state and excited states energies in many-body system after symmetry restoration using quantum computers [0.0]
  提案手法は, 量子コンピュータ上での投影法により, 対称性の復元を行う可能性について検討する。 最後の目標は、量子コンピュータ上で事前最適化された多体トライアル状態に基づく構成相互作用技術を開発することである。
  論文  参考訳（メタデータ） (2021-11-25T13:42:27Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)

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。