論文の概要: Experimental demonstration of enhanced quantum tomography via quantum reservoir processing
- arxiv url: http://arxiv.org/abs/2412.11015v1
- Date: Sun, 15 Dec 2024 02:02:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:56:23.110513
- Title: Experimental demonstration of enhanced quantum tomography via quantum reservoir processing
- Title（参考訳）: 量子貯水池処理による拡張量子トモグラフィの実験的研究
- Authors: Tanjung Krisnanda, Pengtao Song, Adrian Copetudo, Clara Yun Fontaine, Tomasz Paterek, Timothy C. H. Liew, Yvonne Y. Gao,
- Abstract要約: ボーソニック回路の量子力学プラットフォーム上での連続可変状態再構成のための量子貯水池処理手法を実験的に実証した。
この方法で学習したマップは,複数のテスト状態に対して高い再現性を実現し,システムの理想化されたモデルに基づいて計算されたマップよりも大幅に性能を向上することを示す。
- 参考スコア（独自算出の注目度）: 0.8672788660913944
- License:
- Abstract: Quantum machine learning is a rapidly advancing discipline that leverages the features of quantum mechanics to enhance the performance of computational tasks. Quantum reservoir processing, which allows efficient optimization of a single output layer without precise control over the quantum system, stands out as one of the most versatile and practical quantum machine learning techniques. Here we experimentally demonstrate a quantum reservoir processing approach for continuous-variable state reconstruction on a bosonic circuit quantum electrodynamics platform. The scheme learns the true dynamical process through a minimum set of measurement outcomes of a known set of initial states. We show that the map learnt this way achieves high reconstruction fidelity for several test states, offering significantly enhanced performance over using map calculated based on an idealised model of the system. This is due to a key feature of reservoir processing which accurately accounts for physical non-idealities such as decoherence, spurious dynamics, and systematic errors. Our results present a valuable tool for robust bosonic state and process reconstruction, concretely demonstrating the power of quantum reservoir processing in enhancing real-world applications.
- Abstract（参考訳）: 量子機械学習は、量子力学の特徴を活用して計算タスクの性能を向上させる、急速に進歩する分野である。
量子ストレージ処理は、量子システムを正確に制御することなく単一の出力層の効率的な最適化を可能にするもので、最も汎用的で実用的な量子機械学習技術の1つとして際立っている。
ここでは、ボソニック回路の量子力学プラットフォーム上での連続可変状態再構成のための量子貯水池処理手法を実験的に実証する。
このスキームは、既知の初期状態の集合の測定結果の最小セットを通して真の力学過程を学習する。
この方法で学習したマップは,複数のテスト状態に対して高い再現性を実現し,システムの理想化されたモデルに基づいて計算されたマップよりも大幅に性能を向上することを示す。
これは、デコヒーレンス、急激なダイナミクス、体系的なエラーなどの物理的非イデオロギーを正確に説明する貯水池処理の重要な特徴によるものである。
本研究は, 量子貯水池処理による実世界の応用の強化を実証し, 頑健なボソニック状態とプロセス再構築のための貴重なツールを提案する。
関連論文リスト
- Active Learning with Variational Quantum Circuits for Quantum Process Tomography [6.842224049271109]
本稿では,情報量子状態の集合を適応的に選択し,再構築をより効率的に行うためのアクティブラーニング(AL)フレームワークを提案する。
我々は委員会ベース、不確実性ベース、多様性ベースの3種類のALアルゴリズムを設計・評価する。
その結果, 量子状態の集合をランダムに選択するベースライン法と比較して, アルゴリズムが大幅に改善したことを示す。
論文 参考訳（メタデータ） (2024-12-30T13:12:56Z) - Quantum reservoir complexity by Krylov evolution approach [0.0]
機械学習タスクにおける所望の性能を評価するため,Krylov進化に基づく強力な物理基盤を持つ高精度な定量的手法を提案する。
以上の結果から,Krylov法は量子貯水池の性能と強く相関し,最適設計の量子貯水池の探索において強力なツールとなることが示唆された。
論文 参考訳（メタデータ） (2023-10-01T21:06:25Z) - 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) - Reconstructing complex states of a 20-qubit quantum simulator [0.6646556786265893]
本稿では, 量子状態の多角化を効果的に再現する手法を示す。
我々は,ニューラルネットワークの量子状態表現に基づく手法と比較して,状態再構成の品質と収束の高速化を観察する。
本研究は,多体量子系のクエンチダイナミクスによって生成される複素状態の効率的な実験的評価への道を開くものである。
論文 参考訳（メタデータ） (2022-08-09T15:52:20Z) - Selective and efficient quantum process tomography for non-trace
preserving maps: a superconducting quantum processor implementation [0.0]
入力量子状態のトレースを保存しない一般的なタイプの量子プロセスについて述べる。
量子チャネルの損失構造に関する事前情報を用いて、この再構成を非トレース保存マップの再構成に適用できることが示される。
以上の結果から,非微量保存過程を高精度で効率的に再構築することが可能であり,その過程が微量保存であると仮定される場合よりも極めて高い忠実度で再現可能であることが示唆された。
論文 参考訳（メタデータ） (2022-05-20T22:36:16Z) - Adaptive Quantum State Tomography with Active Learning [0.0]
本稿では,能動学習を用いた量子状態トモグラフィーの効率的なスキームを提案し,実装する。
本手法は, 1次元のXXZモデルと運動的に制約されたスピン鎖の基底状態だけでなく, 様々なエンタングルメントの程度で異なるマルチキュービット状態の再構成を行う。
提案手法は,量子多体システムにおける物理的洞察を得るとともに,量子デバイスをベンチマークし,特徴付けるためにも有効である。
論文 参考訳（メタデータ） (2022-03-29T16:23:10Z) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳（メタデータ） (2022-02-16T19:00:00Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Imaginary Time Propagation on a Quantum Chip [50.591267188664666]
想像時間における進化は、量子多体系の基底状態を見つけるための顕著な技術である。
本稿では,量子コンピュータ上での仮想時間伝搬を実現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-24T12:48:00Z) - Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。
MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文 参考訳（メタデータ） (2020-12-08T01:10:30Z)
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。