論文の概要: Exponential advantage in continuous-variable quantum state learning

• arxiv url: http://arxiv.org/abs/2501.17633v1
• Date: Wed, 29 Jan 2025 13:10:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:53:48.273356
• Title: Exponential advantage in continuous-variable quantum state learning
• Title（参考訳）: 連続可変量子状態学習における指数的優位性
• Authors: Eugen Coroi, Changhun Oh,
• Abstract要約: ボソニック連続可変(CV)システムにおける量子状態学習の課題について考察する。 本稿では、絡み合った測定と反射状態を利用する実験可能なプロトコルを提案する。 CV量子状態の学習において、絡み合った測定と反射状態へのアクセスから厳密な指数関数的優位性を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We consider the task of learning quantum states in bosonic continuous-variable (CV) systems. We present a concrete experimentally feasible protocol that utilizes entangled measurements and reflected states to enable efficient learning of the characteristic function of CV quantum states with a sample complexity independent of the number of modes $n$. We then prove that any general adaptive learning scheme without entangled measurements requires a sample complexity that is exponential in $n$ to accomplish the same task, demonstrating an exponential advantage provided by entangled measurements. Remarkably, we also prove that any general adaptive entanglement-assisted scheme also requires an exponential sample complexity if access to reflected states is prohibited. Hence, we establish a rigorous exponential advantage from entangled measurements and access to reflected states in learning CV quantum states.
• Abstract（参考訳）: ボソニック連続可変(CV)システムにおける量子状態学習の課題について考察する。 本稿では, CV量子状態の特性関数の効率的な学習を可能にするために, 絡み合った測定値と反射状態を利用する, 実験的に実現可能なプロトコルを提案する。 次に、絡み合った測定をしない汎用的な適応学習手法は、同じ課題を達成するために、$n$で指数関数的なサンプル複雑性を必要とすることを証明し、絡み合った測定によって得られる指数関数的優位性を示す。 また, 一般適応型絡み合い支援方式では, 反射状態へのアクセスが禁止された場合, 指数的なサンプルの複雑さも要求される。 したがって、CV量子状態の学習において、絡み合った測定と反射状態へのアクセスから厳密な指数的優位性を確立する。

関連論文リスト

• Observation of disorder-free localization and efficient disorder averaging on a quantum processor [117.33878347943316]
  我々は、量子並列性を利用して、量子プロセッサ上で効率的な手順を実装し、すべての障害実現を効率的にサンプリングする。 1次元と2次元の量子多体ダイナミクスにおいて、乱れのない局所化を観察する。
  論文  参考訳（メタデータ） (2024-10-09T05:28:14Z)
• Optimal Fidelity Estimation from Binary Measurements for Discrete and Continuous Variable Systems [6.253919624802852]
  連続変数(CV)システムでは、変位パリティ測定によって測定できるウィグナー関数を利用する。 Fock や Gaussian のような特定の興味のある対象状態に対して、このサンプルの複雑さはウィグナー函数の$L1$-ノルムによって特徴づけられる。 汎用ブラックボックスモデルでは,任意の対象状態に対して,対象状態の滑らかな$L1$-normにより,忠実度推定のための最適なサンプル複雑性が特徴づけられる。
  論文  参考訳（メタデータ） (2024-09-06T11:07:55Z)
• 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)
• Learning topological states from randomized measurements using variational tensor network tomography [0.4818215922729967]
  量子状態の忠実な表現を学ぶことは、量子プロセッサ上で生成される多体状態の多様性を完全に特徴づけるのに不可欠である。 本研究では,テンソルネットワーク上の変分最適化とランダムな計測手法を組み合わせたトモグラフィー手法の実装と検討を行う。 我々は、実験により実現可能な量子スピン液体状態と同様に、表面符号の基底状態を学ぶ能力を示す。
  論文  参考訳（メタデータ） (2024-05-31T21:05:43Z)
• Entanglement-enabled advantage for learning a bosonic random displacement channel [6.354564715928202]
  量子絡み合いは、ボソニック連続変数系の学習特性において指数関数的に有利であることを示す。 簡単な絡み合わせ支援スキームは、十分な量のスクイーズを条件に、$n$に依存しないサンプル数だけを必要とする。 本研究は, 連続変数システム学習における絡み合いの役割を照らし, 証明可能な絡み合いを生かした実験的な実証を目指している。
  論文  参考訳（メタデータ） (2024-02-29T02:30:39Z)
• Learning Properties of Quantum States Without the I.I.D. Assumption [7.537220883022466]
  我々は、独立かつ同一に分散された(d.d.)入力状態の仮定を超えた量子状態の性質を学習するためのフレームワークを開発する。 我々は厳密な量子情報理論を用いて、主要な結果を証明している。
  論文  参考訳（メタデータ） (2024-01-30T11:45:38Z)
• Efficient Learning of Continuous-Variable Quantum States [1.7916300812557668]
  マルチモード量子状態の完全なキャラクタリゼーションは、モードの数とともに指数関数的に成長する多くの実験を必要とする。 ここでは、目的が完全な量子状態の再構成ではなく、その特性関数を与えられた点集合で見積もることである別のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-09T08:16:44Z)
• Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
  証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。 我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。 任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
  論文  参考訳（メタデータ） (2022-03-30T02:02:16Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)
• Sample-Efficient Reinforcement Learning of Undercomplete POMDPs [91.40308354344505]
  この研究は、これらの硬度障壁が、部分観測可能決定過程(POMDP)の豊かで興味深いサブクラスに対する効率的な強化学習を妨げないことを示している。 提案手法は, 観測回数が潜伏状態の数よりも大きく, 探索が学習に不可欠であり, 先行研究と区別できるような, エピソード有限不完全POMDPに対するサンプル効率アルゴリズムOOM-UCBを提案する。
  論文  参考訳（メタデータ） (2020-06-22T17:58:54Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)

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。