論文の概要: Learning Orthogonal Random Unitary Channels with Contracted Quantum Approaches and Simplex Optimization

• arxiv url: http://arxiv.org/abs/2501.17243v1
• Date: Tue, 28 Jan 2025 19:02:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:53:53.854775
• Title: Learning Orthogonal Random Unitary Channels with Contracted Quantum Approaches and Simplex Optimization
• Title（参考訳）: 制約量子アプローチと単純度最適化を用いた直交ランダムユニタリチャネルの学習
• Authors: Scott E. Smart, Alexander Jürgens, Joseph Peetz, Prineha Narang,
• Abstract要約: 本稿では,量子コンピュータ上でランダムなユニタリチャネルのクラスを学習するための手順を提案する。 我々のアプローチは、多目的、パウリ、ユニタリベースの最小化を伴い、局所的に等価なチャネルを学習することができる。
• 参考スコア（独自算出の注目度）: 41.94295877935867
• License:
• Abstract: Random (mixed) unitary channels describe an important subset of quantum channels, which are commonly used in quantum information, noise modeling, and quantum error mitigation. Despite their usefulness, there is substantial complexity in characterizing or identifying generic random unitary channels. We present a procedure for learning a class of random unitary channels on orthogonal unitary bases on a quantum computer utilizing Pauli learning and a contracted quantum learning procedure. Our approach involves a multi-objective, Pauli- and unitary-based minimization, and allows for learning locally equivalent channels. We demonstrate our approach for varying degrees of noise and investigate the scalability of these approaches, particularly with sparse noise models.
• Abstract（参考訳）: ランダム(混合)ユニタリチャネルは量子チャネルの重要なサブセットであり、量子情報、ノイズモデリング、量子エラー軽減によく用いられる。 その有用性にも拘わらず、ジェネリックランダムユニタリチャネルの特徴付けや識別にはかなりの複雑さがある。 本稿では,パウリ学習と制約付き量子学習手法を用いて,直交ユニタリ基底上のランダムなユニタリチャネルのクラスを量子コンピュータ上で学習する手法を提案する。 我々のアプローチは、多目的、パウリ、ユニタリベースの最小化を伴い、局所的に等価なチャネルを学習することができる。 ノイズの度合いの異なるアプローチを実証し、これらのアプローチのスケーラビリティ、特にスパースノイズモデルについて検討する。

関連論文リスト

• Efficient self-consistent learning of gate set Pauli noise [6.298222373534273]
  ゲートセットパウリ雑音学習の課題について検討し、量子ゲートのセット、状態準備、測定はすべて、カスタマイズされたノイズアンサッツを備えた未知のパウリ雑音チャネルに悩まされる。 ゲートノイズに関する学習可能な情報はすべて、ノイズアンザッツに関する軽度な仮定の下で、相対的精度で学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-04T20:19:57Z)
• 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)
• Noise-tolerant learnability of shallow quantum circuits from statistics and the cost of quantum pseudorandomness [0.0]
  量子過程を学習するための量子統計クエリの自然な堅牢性を示す。 定深量子回路の学習アルゴリズムを量子統計クエリ設定に適用する。 擬似乱数ユニタリ(PRU)は一定深さの回路では構築できないことを示す。
  論文  参考訳（メタデータ） (2024-05-20T14:55:20Z)
• Separable Power of Classical and Quantum Learning Protocols Through the Lens of No-Free-Lunch Theorem [70.42372213666553]
  No-Free-Lunch(NFL)定理は、最適化プロセスに関係なく問題とデータ非依存の一般化誤差を定量化する。 我々は、様々な量子学習アルゴリズムを、特定の観測可能条件下で量子力学を学習するために設計された3つの学習プロトコルに分類する。 得られたNFL定理は, CLC-LP, ReQu-LP, Qu-LPにまたがるサンプルの複雑性を2次的に低減することを示した。 この性能差は、非直交量子状態のグローバル位相に関する情報を間接的に活用するために、量子関連学習プロトコルのユニークな能力に起因している。
  論文  参考訳（メタデータ） (2024-05-12T09:05:13Z)
• Learning unitaries with quantum statistical queries [0.0]
  量子統計クエリ(QSQ)からユニタリ演算子を学習するためのいくつかのアルゴリズムを提案する。 本手法は, 1つの量子統計的クエリを用いて, パウリ弦の部分集合上のユニタリのフーリエ質量を推定する新しい手法に基づく。 量子統計的クエリは,Choi-Jamiolkowski状態に対する分離可能な測定値と比較して,特定のタスクに対して指数関数的に大きなサンプル複雑性をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-10-03T17:56:07Z)
• Efficient information recovery from Pauli noise via classical shadow [6.689075863602204]
  パウリ雑音下での量子状態から情報を復元する効率的なアルゴリズムを導入する。 局所的および境界度観測可能の場合、理想的な情報を回復するためには、チャネルの部分的な知識しか必要とされない。 顕著な応用として,本手法はクリフォード回路のサンプリング効率のよい誤差軽減手法として評価できる。
  論文  参考訳（メタデータ） (2023-05-06T23:34:13Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Exploring super-additivity of coherent information of noisy quantum channels through Genetic algorithms [0.0]
  パウリ流路の繰り返し符号より優れた非自明な量子符号が見つかる。 パウリのいくつかのチャンネルでは、これらの符号は非常に高い0.01の超付加性を示す。
  論文  参考訳（メタデータ） (2022-01-11T14:09:11Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)

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。