論文の概要: Quantum Compressive Sensing Meets Quantum Noise: A Practical Exploration
- arxiv url: http://arxiv.org/abs/2501.12335v1
- Date: Tue, 21 Jan 2025 18:10:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:21:44.507860
- Title: Quantum Compressive Sensing Meets Quantum Noise: A Practical Exploration
- Title（参考訳）: 量子ノイズを検知する量子圧縮センシング
- Authors: Naveed Naimipour, Collin Frink, Harry Shaw, Haleh Safavi, Mojtaba Soltanalian,
- Abstract要約: 本稿では,Amazon Braket上でQCS(Quantum Compressive Sensing)の実用化について述べる。
QCSは、テンソルネットワークの状態が絡み合った量子ビット上の量子状態によって表される圧縮センシングに対する量子データ駆動のアプローチである。
本稿では,信号の回復や画像処理などの応用のために,量子圧縮センシングの潜在能力を最大限に活用することを目的とした潜在的長期方向について論じる。
- 参考スコア（独自算出の注目度）: 8.260432715157027
- License:
- Abstract: Compressive sensing is a signal processing technique that enables the reconstruction of sparse signals from a limited number of measurements, leveraging the signal's inherent sparsity to facilitate efficient recovery. Recent works on the Quantum Compressive Sensing (QCS) architecture, a quantum data-driven approach to compressive sensing where the state of the tensor network is represented by a quantum state over a set of entangled qubits, have shown promise in advancing quantum data-driven methods for compressive sensing. However, the QCS framework has remained largely untested on quantum computing resources or in the presence of quantum noise. In this work, we present a practical implementation of QCS on Amazon Braket, utilizing the Quantum Imaginary Time Evolution (QITE) projection technique to assess the framework's capabilities under quantum noise. We outline the necessary modifications to the QCS framework for deployment on Amazon Braket, followed by results under four types of quantum noise. Finally, we discuss potential long-term directions aimed at unlocking the full potential of quantum compressive sensing for applications such as signal recovery and image processing.
- Abstract（参考訳）: 圧縮センシング(英: Compressive sensor)とは、信号の疎結合性を生かして効率的な回復を容易にする信号処理技術である。
量子圧縮センシング(Quantum Compressive Sensing, QCS)アーキテクチャに関する最近の研究は、テンソルネットワークの状態が一組の絡み合った量子ビット上の量子状態によって表されるような、圧縮センシングのための量子データ駆動手法である。
しかし、QCSフレームワークは、量子コンピューティングリソースや量子ノイズの存在下ではほとんどテストされていない。
本研究では,QITE(Quantum Imaginary Time Evolution)プロジェクション技術を用いて,Amazon Braket上でのQCSの実践的実装について述べる。
Amazon Braket上でのデプロイメントに必要なQCSフレームワークの変更について概説する。
最後に,信号の回復や画像処理などの応用において,量子圧縮センシングの潜在能力を最大限に活用するための潜在的長期方向について論じる。
関連論文リスト
- Corrupted sensing quantum state tomography [0.0]
本稿では, 量子状態と構造ノイズの同時再構成を可能にする, 劣化検出型量子状態トモグラフィの概念を提案する。
ノイズの多い量子システムにおいて、量子トモグラフィーのコストと計算労力を大幅に削減するために、これらの技術が実用的なツールとなることが考えられている。
論文 参考訳（メタデータ） (2024-05-23T10:13:59Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Quantum State Compression Shadow [7.060202833581429]
本研究では,コンプレッションシャドー(CompShadow)と呼ばれる革新的な読み出しアーキテクチャを提案する。
CompShadowは、測定前に複数のキュービット状態を単一キュービットのシャドウに圧縮することで、従来の読み出しパラダイムを変換する。
我々の発見は、量子状態の読み出しにおける新しい時代が出現し、量子情報処理能力の革命的な飛躍の舞台となったことを示している。
論文 参考訳（メタデータ） (2023-12-20T14:00:41Z) - Quantum-Error-Mitigation Circuit Groups for Noisy Quantum Metrology [0.0]
量子技術は、量子コヒーレンスや量子絡み合いのような量子系に固有の性質を利用する。
量子技術は環境との相互作用(デコヒーレンス)に対して脆弱であり、それらを高精度に活用するにはエラー軽減技術を開発する必要がある。
論文 参考訳（メタデータ） (2023-03-03T10:01:42Z) - Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。
提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
論文 参考訳（メタデータ） (2022-05-05T03:49:19Z) - Quantum Compressive Sensing: Mathematical Machinery, Quantum Algorithms,
and Quantum Circuitry [10.286119086329762]
圧縮センシングは、比較的少数の測定値から大きな信号の再構成を容易にするプロトコルである。
近年の研究では、興味のある信号の構造を学ぶためにテンソルネットワークを訓練する、データ駆動型アプローチが検討されている。
我々は、テンソルネットワークの状態が絡み合った量子ビットの集合上の量子状態である別の「量子」プロトコルを提案する。
論文 参考訳（メタデータ） (2022-04-27T16:20:28Z) - Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。
特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
論文 参考訳（メタデータ） (2021-12-27T21:15:35Z) - Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。
鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。
Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
論文 参考訳（メタデータ） (2021-07-19T09:42:37Z) - 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。