論文の概要: Active Learning with Variational Quantum Circuits for Quantum Process Tomography

• arxiv url: http://arxiv.org/abs/2412.20925v2
• Date: Thu, 05 Jun 2025 05:45:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 16:56:39.430355
• Title: Active Learning with Variational Quantum Circuits for Quantum Process Tomography
• Title（参考訳）: 量子プロセストモグラフィのための変分量子回路を用いた能動学習
• Authors: Jiaqi Yang, Xiaohua Xu, Wei Xie,
• Abstract要約: 本稿では、再構成のための量子状態の最も情報性の高いサブセットを適応的に選択する汎用能動学習(AL)フレームワークを提案する。 最大7量子ビットのランダム量子回路から生じるユニタリ量子過程を再構成することにより、アルゴリズムを実証する。
• 参考スコア（独自算出の注目度）: 6.842224049271109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum process tomography (QPT) is a fundamental tool for fully characterizing quantum systems. It relies on querying a set of quantum states as input to the quantum process. Previous QPT methods typically employ a straightforward strategy for randomly selecting quantum states, overlooking differences in informativeness among them. In this work, we propose a general active learning (AL) framework that adaptively selects the most informative subset of quantum states for reconstruction. We design and evaluate various AL algorithms and provide practical guidelines for selecting suitable methods in different scenarios. In particular, we introduce a learning framework that leverages the widely-used variational quantum circuits (VQCs) to perform the QPT task and integrate our AL algorithms into the query step. We demonstrate our algorithms by reconstructing the unitary quantum processes resulting from random quantum circuits with up to seven qubits. Numerical results show that our AL algorithms achieve significantly improved reconstruction, and the improvement increases with the size of the underlying quantum system. Our work opens new avenues for further advancing existing QPT methods.
• Abstract（参考訳）: 量子プロセストモグラフィ(QPT)は、量子システムを完全に特徴づけるための基本的なツールである。 量子状態の集合を量子プロセスへの入力としてクエリすることに依存する。 従来のQPT手法は、通常、ランダムに量子状態を選択するための単純な戦略を用いており、それら間の情報性の違いを見落としている。 本研究では,量子状態の最も情報性の高い部分集合を適応的に選択する汎用能動学習(AL)フレームワークを提案する。 様々なALアルゴリズムを設計・評価し,様々なシナリオで適切な手法を選択するための実践的ガイドラインを提供する。 特に、広く使われている変分量子回路(VQC)を活用してQPTタスクを実行し、我々のALアルゴリズムをクエリステップに統合する学習フレームワークを導入する。 最大7量子ビットのランダム量子回路から生じるユニタリ量子過程を再構成することにより、アルゴリズムを実証する。 数値計算の結果, ALアルゴリズムは再構成を著しく改善し, 基礎となる量子システムのサイズに応じて改善が増加することがわかった。 我々の研究は、既存のQPT手法をさらに進めるための新たな道を開く。

関連論文リスト

• Enhancing variational quantum algorithms by balancing training on classical and quantum hardware [1.8377902806196762]
  変分量子アルゴリズム(VQA)は、量子ユーティリティや利点への短期的なルートを提供する可能性がある。 VQAは、基底状態推定のような様々なタスクに対して提案されている。 量子ハードウェアのトレーサビリティとリソースコストには、依然として大きな課題がある。
  論文  参考訳（メタデータ） (2025-03-20T17:17:58Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum algorithms: A survey of applications and end-to-end complexities [90.05272647148196]
  期待されている量子コンピュータの応用は、科学と産業にまたがる。 本稿では,量子アルゴリズムの応用分野について検討する。 私たちは、各領域における課題と機会を"エンドツーエンド"な方法で概説します。
  論文  参考訳（メタデータ） (2023-10-04T17:53:55Z)
• Enhancing variational quantum state diagonalization using reinforcement learning techniques [1.583327010995414]
  我々は、量子状態対角化タスクに必要な非常に浅い量子回路を設計する問題に取り組む。 我々は、RL状態に対する新しい符号化法、高密度報酬関数、およびそれを実現するために$epsilon$-greedyポリシーを使用する。 強化学習法により提案される回路は, 標準変分量子状態対角化アルゴリズムよりも浅いことを示す。
  論文  参考訳（メタデータ） (2023-06-19T17:59:04Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• An introduction to variational quantum algorithms for combinatorial optimization problems [0.0]
  このチュートリアルは変分量子アルゴリズムのクラスに関する数学的記述を提供する。 量子側および古典側におけるこれらのハイブリッドアルゴリズムの重要な側面を正確に紹介する。 我々はQAOAに特に注意を払って、そのアルゴリズムに関わる量子回路と、その可能な誘導関数によって満たされる特性を詳述した。
  論文  参考訳（メタデータ） (2022-12-22T14:27:52Z)
• Improved iterative quantum algorithm for ground-state preparation [4.921552273745794]
  ハミルトン系の基底状態を作成するために,改良された反復量子アルゴリズムを提案する。 提案手法には,各イテレーションにおける成功確率の向上,測定精度に依存しないサンプリングの複雑さ,ゲートの複雑さの低減,およびアシラリー状態が十分に準備された場合の量子資源のみを必要とするという利点がある。
  論文  参考訳（メタデータ） (2022-10-16T05:57:43Z)
• 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)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。