論文の概要: Learning the dynamics of Markovian open quantum systems from experimental data

• arxiv url: http://arxiv.org/abs/2410.17942v1
• Date: Wed, 23 Oct 2024 15:14:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:54:23.488881
• Title: Learning the dynamics of Markovian open quantum systems from experimental data
• Title（参考訳）: 実験データからマルコフ開量子系の力学を学ぶ
• Authors: Stewart Wallace, Yoann Altmann, Brian D. Gerardot, Erik M. Gauger, Cristian Bonato,
• Abstract要約: このアルゴリズムはマルコフ・チェイン・モンテカルロのアプローチに基づいている。 我々は,1対の量子エミッタ上で実行される量子光学実験について,我々のアルゴリズムをベンチマークした。
• 参考スコア（独自算出の注目度）: 3.7127285734321203
• License:
• Abstract: We present a Bayesian algorithm to identify generators of open quantum system dynamics, described by a Lindblad master equation, that are compatible with measured experimental data. The algorithm, based on a Markov Chain Monte Carlo approach, assumes the energy levels of the system are known and outputs a ranked list of interpretable master equation models that produce predicted measurement traces that closely match experimental data. We benchmark our algorithm on quantum optics experiments performed on single and pairs of quantum emitters. The latter case opens the possibility of cooperative emission effects and additional complexity due to the possible interplay between photon and phonon influences on the dynamics. Our algorithm retrieves various minimal models that are consistent with the experimental data, and which can provide a closer fit to measured data than previously suggested and physically expected approximate models. Our results represent an important step towards automated systems characterisation with an approach that is capable of working with diverse and tomographically incomplete input data. This may help with the development of theoretical models for unknown quantum systems as well as providing scientists with alternative interpretations of the data that they might not have originally envisioned and enabling them to challenge their original hypotheses.
• Abstract（参考訳）: 実験データと互換性のあるLindbladマスター方程式によって記述された開量子系力学の生成元を同定するベイズアルゴリズムを提案する。 このアルゴリズムはマルコフ・チェイン・モンテカルロ(Markov Chain Monte Carlo)のアプローチに基づいて、システムのエネルギーレベルが知られていると仮定し、予測された測定トレースを生成する解釈可能なマスター方程式モデルのランクリストを出力する。 我々は,1対の量子エミッタ上で実行される量子光学実験について,我々のアルゴリズムをベンチマークした。 後者の場合、光子とフォノンの相互作用がダイナミクスに与える影響により、協調的な放出効果とさらなる複雑さの可能性が開ける。 提案アルゴリズムは,実験データと一致した様々な最小限のモデルを検索し,これまでに提案され,物理的に予測された近似モデルよりも,測定データに密に適合することを示す。 この結果は,多種多様かつトモグラフィ的に不完全な入力データを扱うことができるアプローチにより,自動システムの特徴付けに向けた重要なステップを示す。 これは未知の量子系の理論モデルの開発に役立ち、科学者が本来想定していなかったデータの代替解釈を提供し、元の仮説に挑戦できるようにするのに役立つかもしれない。

関連論文リスト

• Data-Driven Characterization of Latent Dynamics on Quantum Testbeds [0.23408308015481663]
  我々は、パラメータ化された元項でリンドブラッドマスター方程式によって記述された量子系の力学方程式を拡大する。 本稿では,線形演算子に基づいてパラメータ化された発散潜在力学からユニタリを学習し,区別する拡張を保存する構造について考察する。 我々は、我々の解釈、構造保存、非線形モデルがリンドブラッドマスター方程式の予測精度を向上させることを実証した。
  論文  参考訳（メタデータ） (2024-01-18T09:28:44Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Data-driven discovery of statistically relevant information in quantum simulators [0.0]
  合成量子物質における情報抽出の理論的枠組みを提案する。 我々は、支配的な自由度を特定するためのシステムに依存しないアプローチを実証する。 仮定不要のアプローチは、すぐに様々な実験プラットフォームに適用できる。
  論文  参考訳（メタデータ） (2023-07-19T15:20:11Z)
• Inferring interpretable dynamical generators of local quantum observables from projective measurements through machine learning [17.27816885271914]
  マルチボディシステムにおける局所可観測物の進化を管理する動的生成器をノイズデータから推論するために,機械学習手法を用いる。 本手法は,多体システムから効率的な動的ジェネレータを抽出するだけでなく,量子シミュレーションや計算プラットフォームのデコヒーレンス機構の推測にも有効である。
  論文  参考訳（メタデータ） (2023-06-06T18:01:18Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
  一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。 本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。 量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
  論文  参考訳（メタデータ） (2022-06-01T11:03:51Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Probing non-Markovian quantum dynamics with data-driven analysis: Beyond "black-box" machine learning models [0.0]
  オープン量子系の非マルコフ力学の解析に対するデータ駆動型アプローチを提案する。 提案手法では, 環境の有効次元と, 共同系環境量子力学のスペクトルを計測する。 オープン量子システムの様々なモデルを用いて提案手法の性能を実証する。
  論文  参考訳（メタデータ） (2021-03-26T14:27:33Z)
• 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)

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。