論文の概要: Machine Learning approach to reconstruct Density Matrices from Quantum Marginals

• arxiv url: http://arxiv.org/abs/2410.11145v1
• Date: Tue, 15 Oct 2024 00:00:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:01:57.109977
• Title: Machine Learning approach to reconstruct Density Matrices from Quantum Marginals
• Title（参考訳）: 量子行列から密度行列を再構成する機械学習手法
• Authors: Daniel Uzcategui-Contreras, Antonio Guerra, Sebastian Niklitschek, Aldo Delgado,
• Abstract要約: 量子境界問題の1つの側面に対処する機械学習手法を提案する。 提案手法は,畳み込み型自己エンコーダと量子境界印加法を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this work, we propose a machine learning approach to address one aspect of the quantum marginal problem: finding a global density matrix compatible with a given set of quantum marginals. Our method involves combining a quantum marginal imposition technique with convolutional denoising autoencoders. The loss function ensures that the output density matrix satisfies essential properties such as hermiticity, positivity, and normalization. Through extensive numerical simulations, we demonstrate the effectiveness of our approach, achieving a high success rate and accuracy. Our model can serve as an initial guess generator for solving semidefinite programs (SDPs) associated with the quantum marginal problem, potentially accelerating convergence and improving accuracy. This work highlights the potential of machine learning techniques to address complex problems in quantum mechanics.
• Abstract（参考訳）: 本研究では,量子境界問題の1つの側面に対処する機械学習手法を提案する。 提案手法は,畳み込み型自己エンコーダと量子境界印加法を組み合わせたものである。 損失関数は、出力密度行列がハーミシティ、陽性、正規化といった本質的な性質を満たすことを保証する。 大規模な数値シミュレーションにより,本手法の有効性を実証し,高い成功率と精度を実現する。 我々のモデルは、量子境界問題に関連する半定値プログラム(SDP)を解くための初期推定生成器として機能し、収束を加速し、精度を向上させることができる。 この研究は、量子力学における複雑な問題に対処する機械学習技術の可能性を強調している。

関連論文リスト

• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Full Band Structure Calculation of Semiconducting Materials on a Noisy Quantum Processor [2.6327434138210095]
  本稿では,量子系の全エネルギースペクトルを求めるために,量子方程式の最小化法を提案する。 我々は、2つのノイズモデル上での手法の性能を分析し、IBM量子プロセッサ上での手法を用いてバルクシリコンとガリウムアルセナイドの励起エネルギーを計算する。
  論文  参考訳（メタデータ） (2024-05-15T06:35:39Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Large-Scale Quantum Separability Through a Reproducible Machine Learning Lens [5.499796332553708]
  量子分離性問題は、二部格子密度行列が絡み合っているか分離可能であるかを決定することである。 大規模シナリオにおいて,このNP-hard問題に対する近似解を求めるための機械学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-06-15T18:53:26Z)
• Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
  量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。 量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
  論文  参考訳（メタデータ） (2022-12-06T22:01:49Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• Squeezing and quantum approximate optimization [0.6562256987706128]
  変分量子アルゴリズムは、デジタル量子コンピュータを用いた最適化問題の解法として興味深い可能性を提供する。 しかし、そのようなアルゴリズムにおける達成可能な性能と量子相関の役割は未だ不明である。 我々は、IBM量子チップと同様に、システマティックな手順で高度に圧縮された状態が生成されるかを数値的に示す。
  論文  参考訳（メタデータ） (2022-05-20T18:00:06Z)
• 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)
• Dequantizing the Quantum Singular Value Transformation: Hardness and Applications to Quantum Chemistry and the Quantum PCP Conjecture [0.0]
  量子特異値変換は効率的に「等化」できることを示す。 逆多項式精度では、同じ問題がBQP完全となることを示す。 また、この分位化手法が中心量子PCPの進展にどう役立つかについても論じる。
  論文  参考訳（メタデータ） (2021-11-17T12:50:13Z)
• Numerical hardware-efficient variational quantum simulation of a soliton solution [0.0]
  ハードウェア効率の変動固有解器に特に注意を払う量子アルゴリズムの能力について論じる。 磁気相互作用間の微妙な相互作用は、磁気秩序の均一性を破壊するキラル状態の安定化を可能にする。 均一な磁気構造を正確に再現できる一方で、ハードウェア効率の良いアンサッツは、非コリニア磁気構造に詳細な記述を提供することが困難である。
  論文  参考訳（メタデータ） (2021-05-13T11:58:18Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。