論文の概要: Reinforced Disentanglers on Random Unitary Circuits
- arxiv url: http://arxiv.org/abs/2411.09784v1
- Date: Thu, 14 Nov 2024 19:51:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-18 15:38:43.497165
- Title: Reinforced Disentanglers on Random Unitary Circuits
- Title（参考訳）: ランダムユニタリ回路上の強化ディスタングル
- Authors: Ning Bao, Keiichiro Furuya, Gun Suer,
- Abstract要約: ブロックウォールパターンで配置された2ビットゲートのランダムクリフォード回路上で,効率的なアンタングルを探索する。
遠心分離器は連続する絡み合う層の間に挿入される射影測定のセットとして定義される。
- 参考スコア（独自算出の注目度）: 0.10923877073891444
- License:
- Abstract: We search for efficient disentanglers on random Clifford circuits of two-qubit gates arranged in a brick-wall pattern, using the proximal policy optimization (PPO) algorithm \cite{schulman2017proximalpolicyoptimizationalgorithms}. Disentanglers are defined as a set of projective measurements inserted between consecutive entangling layers. An efficient disentangler is a set of projective measurements that minimize the averaged von Neumann entropy of the final state with the least number of total projections possible. The problem is naturally amenable to reinforcement learning techniques by taking the binary matrix representing the projective measurements along the circuit as our state, and actions as bit flipping operations on this binary matrix that add or delete measurements at specified locations. We give rewards to our agent dependent on the averaged von Neumann entropy of the final state and the configuration of measurements, such that the agent learns the optimal policy that will take him from the initial state of no measurements to the optimal measurement state that minimizes the entanglement entropy. Our results indicate that the number of measurements required to disentangle a random quantum circuit is drastically less than the numerical results of measurement-induced phase transition papers. Additionally, the reinforcement learning procedure enables us to characterize the pattern of optimal disentanglers, which is not possible in the works of measurement-induced phase transitions.
- Abstract（参考訳）: ブロックウォールパターンに配置された2ビットゲートのランダムなクリフォード回路上で,PPOアルゴリズムを用いて,効率的なアンタングルを探索する。
遠心分離器は連続する絡み合う層の間に挿入される射影測定のセットとして定義される。
効率的なジエンタングル(英: efficient disentangler)とは、最終状態の平均フォン・ノイマンエントロピーを最小限に抑える射影測度である。
この問題は、回路に沿って投影された計測値を表すバイナリ行列を我々の状態とすることで強化学習技術に自然に対応し、特定の位置で測定値を追加または削除するこのバイナリ行列のビットフリップ操作として動作させることにより、その問題に対処できる。
我々は,最終状態の平均フォン・ノイマンエントロピーと測定値の構成に依存するエージェントに報奨を与える。エージェントは,測定値のない初期状態から,エンタングルメントエントロピーを最小化する最適な測定状態へ彼を導くための最適なポリシを学習する。
その結果,ランダム量子回路の解離に必要な測定回数は,測定誘起相転移紙の数値結果よりも大幅に少ないことがわかった。
さらに, 測定誘起相転移の研究では不可能な, 最適遠心分離器のパターンを特徴付けることができる。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。
提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
論文 参考訳（メタデータ） (2024-09-07T06:37:23Z) - Reducing Mid-Circuit Measurements via Probabilistic Circuits [0.13108652488669736]
中間回路の測定と測定制御ゲートは、多くの量子ハードウェアプラットフォームによって支えられている。
この研究は、これらの測定のいくつかをランダム化ゲート応用の等価回路で置き換えることのできる静的回路最適化を提案する。
論文 参考訳（メタデータ） (2024-05-22T15:33:19Z) - Robust shallow shadows [0.251657752676152]
浅層計測回路の幅広いクラスを対象としたロバストなシャドウ推定プロトコルを提案する。
テンソルネットワークツールを用いて実験データから直接推定する方法を示す。
提案手法は,現在および近時雑音量子デバイスの実用的制約の下で,大域回転による影推定の可能性の最大化を実現する。
論文 参考訳（メタデータ） (2024-05-09T18:00:09Z) - Randomized semi-quantum matrix processing [0.0]
汎用行列関数をシミュレートするためのハイブリッド量子古典的フレームワークを提案する。
この方法は、対象関数のチェビシェフ近似上のランダム化に基づいている。
コストのかかるパラメータの2次高速化を含む,平均深度に対する利点を実証する。
論文 参考訳（メタデータ） (2023-07-21T18:00:28Z) - Exploring the role of parameters in variational quantum algorithms [59.20947681019466]
動的リー代数の階数を用いた変分量子回路のキャラクタリゼーションのための量子制御に着想を得た手法を提案する。
有望な接続は、リーランク、計算されたエネルギーの精度、および所定の回路アーキテクチャを介して目標状態を達成するために必要な深さとの間のものである。
論文 参考訳（メタデータ） (2022-09-28T20:24:53Z) - Characterization of variational quantum algorithms using free fermions [0.0]
我々はこれらの対称性と対象状態の局所性の間の相互作用を数値的に研究する。
解に収束するイテレーションの数は、システムサイズと線形にスケールする。
論文 参考訳（メタデータ） (2022-06-13T18:11:16Z) - Efficient quantum imaginary time evolution by drifting real time
evolution: an approach with low gate and measurement complexity [7.1064035036390925]
量子想像時間進化(Quantum imaginary time evolution、QITE)は、ハミルトニアンの固有値や固有状態を見つけるための有望な候補の1つである。
最初のQITE提案(Phys. 16, 205-210 (2020))は、実時間進化による想像上の時間進化を近似したもので、パウリ作用素プールとトロッタライゼーションの大きさによる大きな回路深さと測定に悩まされている。
本稿では,Phys. Lett 123, 070503 LiH] にインスパイアされた時間依存ドリフト方式を提案する。
論文 参考訳（メタデータ） (2022-03-21T16:41:27Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Effective Dimension Adaptive Sketching Methods for Faster Regularized
Least-Squares Optimization [56.05635751529922]
スケッチに基づくL2正規化最小二乗問題の解法を提案する。
我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
論文 参考訳（メタデータ） (2020-06-10T15:00:09Z) - MLE-guided parameter search for task loss minimization in neural
sequence modeling [83.83249536279239]
ニューラル自己回帰シーケンスモデルは、さまざまな自然言語処理(NLP)タスクのシーケンスを生成するために使用される。
本稿では,現在のパラメータとその周辺における乱探索の混合である更新方向の分布から,最大至適勾配の分布をサンプリングする,最大至適誘導パラメータ探索(MGS)を提案する。
以上の結果から,MGS は,機械翻訳における最小リスクトレーニングに比べて,繰り返しや非終端の大幅な削減を図り,シーケンスレベルの損失を最適化できることが示唆された。
論文 参考訳（メタデータ） (2020-06-04T22:21:22Z)
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。