論文の概要: Efficient learning of mixed-state tomography for photonic quantum walk

• arxiv url: http://arxiv.org/abs/2411.03640v1
• Date: Wed, 06 Nov 2024 03:35:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-07 19:22:35.809788
• Title: Efficient learning of mixed-state tomography for photonic quantum walk
• Title（参考訳）: 光量子ウォークのための混合状態トモグラフィーの効率的な学習
• Authors: Qin-Qin Wang, Shaojun Dong, Xiao-Wei Li, Xiao-Ye Xu, Chao Wang, Shuai Han, Man-Hong Yung, Yong-Jian Han, Chuan-Feng Li, Guang-Can Guo,
• Abstract要約: ニューラルネットワークを用いた混合状態を高忠実度で再構成する手法を提案する。 我々の結果は、表現力の高いニューラルネットワークが従来の状態トモグラフィーの強力な代替手段となることを示した。
• 参考スコア（独自算出の注目度）: 4.8151432508915715
• License:
• Abstract: Noise-enhanced applications in open quantum walk (QW) have recently seen a surge due to their ability to improve performance. However, verifying the success of open QW is challenging, as mixed-state tomography is a resource-intensive process, and implementing all required measurements is almost impossible due to various physical constraints. To address this challenge, we present a neural-network-based method for reconstructing mixed states with a high fidelity (~97.5%) while costing only 50% of the number of measurements typically required for open discrete-time QW in one dimension. Our method uses a neural density operator that models the system and environment, followed by a generalized natural gradient descent procedure that significantly speeds up the training process. Moreover, we introduce a compact interferometric measurement device, improving the scalability of our photonic QW setup that enables experimental learning of mixed states. Our results demonstrate that highly expressive neural networks can serve as powerful alternatives to traditional state tomography.
• Abstract（参考訳）: オープン量子ウォーク(QW)におけるノイズ強化アプリケーションは、最近、性能向上の能力により、急増している。 しかし、混合状態トモグラフィーは資源集約的なプロセスであるため、オープンQWの成功を検証することは困難であり、様々な物理的制約のため、必要なすべての測定を実装することはほぼ不可能である。 この課題に対処するために、高忠実度(約97.5%)で混合状態を再構成するニューラルネットワークベースの手法を提案する。 本手法では, システムと環境をモデル化するニューラル密度演算子を用いて, 学習過程を大幅に高速化する一般化された自然勾配降下法を用いる。 さらに、我々は、混合状態の実験的学習を可能にする、コンパクトな干渉計測装置を導入し、フォトニックQWセットアップのスケーラビリティを改善した。 我々の結果は、表現力の高いニューラルネットワークが従来の状態トモグラフィーの強力な代替手段となることを示した。

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)
• Universal Quantum Tomography With Deep Neural Networks [0.0]
  純量子状態トモグラフィーと混合量子状態トモグラフィーの両方に対する2つのニューラルネットワークに基づくアプローチを提案する。 提案手法は,実験データから混合量子状態の再構成を行なえることを示す。
  論文  参考訳（メタデータ） (2024-07-01T19:09:18Z)
• Learning topological states from randomized measurements using variational tensor network tomography [0.4818215922729967]
  量子状態の忠実な表現を学ぶことは、量子プロセッサ上で生成される多体状態の多様性を完全に特徴づけるのに不可欠である。 本研究では,テンソルネットワーク上の変分最適化とランダムな計測手法を組み合わせたトモグラフィー手法の実装と検討を行う。 我々は、実験により実現可能な量子スピン液体状態と同様に、表面符号の基底状態を学ぶ能力を示す。
  論文  参考訳（メタデータ） (2024-05-31T21:05:43Z)
• Demonstrating efficient and robust bosonic state reconstruction via optimized excitation counting [33.12402484053305]
  励起数サンプリング(ORENS)に基づく効率的でロバストな再構成手法を提案する。 我々の研究は、ボソニックモードを用いた実用的な量子情報処理のための重要かつ価値のあるプリミティブを提供する。
  論文  参考訳（メタデータ） (2024-03-05T16:05:02Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Adaptive Quantum Tomography in a Weak Measurement System with Superconducting Circuits [0.0]
  我々は,高速適応量子状態トモグラフィを実現するために,新しい最適測定基準を導入する。 適応量子状態トモグラフィープロトコルは、約33.74%の必要な測定回数を減らすことができると期待している。 実験により超伝導回路系において14.81%の測定数が減少することがわかった。
  論文  参考訳（メタデータ） (2023-05-08T09:43:03Z)
• Q-Diffusion: Quantizing Diffusion Models [52.978047249670276]
  ポストトレーニング量子化(PTQ)は、他のタスクに対するゴーツー圧縮法であると考えられている。 本稿では,一意なマルチステップパイプラインとモデルアーキテクチャに適した新しいPTQ手法を提案する。 提案手法は,完全精度の非条件拡散モデルを同等の性能を維持しつつ4ビットに定量化できることを示す。
  論文  参考訳（メタデータ） (2023-02-08T19:38:59Z)
• 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)
• Mixed Precision Low-bit Quantization of Neural Network Language Models for Speech Recognition [67.95996816744251]
  長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。 現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。 本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T12:24:02Z)
• On how neural networks enhance quantum state tomography with constrained measurements [3.1866319932300953]
  本稿では,深部ニューラルネットワークを用いた量子状態トモグラフィ(DNN-QST)アプローチを提案する。 DNN-QSTは、限られた測定資源を持つ量子状態トモグラフィーにおいて高い忠実性を達成する大きな可能性を示し、トモグラフィー測定がノイズに悩まされた場合の予測を改善することができる。
  論文  参考訳（メタデータ） (2021-11-18T03:46:37Z)
• 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。