Fugu-MT 論文翻訳(概要): A Permutation-equivariant Deep Learning Model for Quantum State Characterization

論文の概要: A Permutation-equivariant Deep Learning Model for Quantum State Characterization

arxiv url: http://arxiv.org/abs/2502.15305v2
Date: Thu, 06 Mar 2025 14:23:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-07 15:06:36.280254
Title: A Permutation-equivariant Deep Learning Model for Quantum State Characterization
Title（参考訳）: 量子状態解析のための置換同変深層学習モデル
Authors: Diego Maragnano, Claudio Cusano, Marco Liscidini,
Abstract要約: 量子状態のキャラクタリゼーションは、量子技術のあらゆる応用の基本的なステップである。置換等価なディープラーニングモデルとtQSTプロトコルを組み合わせる方法について述べる。
参考スコア（独自算出の注目度）: 1.9010580518869415
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The characterization of quantum states is a fundamental step of any application of quantum technologies. Nowadays there exist several approaches addressing this problem, also based on machine and deep learning techniques. However, all these approaches usually require a number of measurement that scales exponentially with the number of parties composing the system. Threshold quantum state tomography (tQST) addresses this problem and, in some cases of interest, can significantly reduce the number of measurements. In this paper, we study how to combine a permutation-equivariant deep learning model with the tQST protocol. We test the model on quantum state tomography and purity estimation. Finally, we validate the robustness of the model to noise. We show results up to 4 qubits.
Abstract（参考訳）: 量子状態の特徴づけは、量子技術のあらゆる応用の基本的なステップである。今日では、機械学習やディープラーニングの技術にもとづいて、この問題に対処するアプローチがいくつか存在する。しかしながら、これらすべてのアプローチは、通常、システムを構成するパーティの数と指数関数的にスケールする多数の測定を必要とする。 Threshold quantum state tomography (tQST)はこの問題に対処し、興味のある場合には測定回数を大幅に削減することができる。本稿では,置換等価な深層学習モデルとtQSTプロトコルを組み合わせる方法について検討する。我々は、量子状態トモグラフィーと純度推定のモデルをテストする。最後に、モデルがノイズに対して頑健であることを検証する。結果が4キュービットまで表示されます。

関連論文リスト

Variational Quantum Simulation of the Interacting Schwinger Model on a Trapped-Ion Quantum Processor [26.47874938214435]
本研究では、量子色力学にインスパイアされた玩具モデルであるマルチフレーバー格子シュウィンガーモデルについて検討する。我々は、量子プロセッサ上で実行されるパラメトリック量子回路を用いて、モデルの異なるパラメータ状態の基底状態を特定する。得られた状態は量子状態トモグラフィーによって分析され、出力状態における相関などの特性がどのように変化するかを明らかにする。
論文参考訳（メタデータ） (2025-04-29T14:43:57Z)
Simultaneous estimations of quantum state and detector through multiple quantum processes [4.782967012381978]
複数の量子プロセスを用いて、量子状態と検出器を同時に識別するフレームワークを2つの異なるベースで導入する。平均二乗誤差 (MSE) が QST と QDT の両方に対して$O(1/N) であることを示す。
論文参考訳（メタデータ） (2025-02-17T13:02:36Z)
Benchmarking Variational Quantum Eigensolvers for Entanglement Detection in Many-Body Hamiltonian Ground States [37.69303106863453]
変分量子アルゴリズム(VQA)は近年、量子優位を得る約束として登場している。我々は、変分量子固有解法(VQEs)と呼ばれる特定の種類のVQAを用いて、絡み合った観測と絡み合った基底状態検出においてそれらをベンチマークする。ハミルトニアン相互作用にインスパイアされた構造を持つ量子回路は、問題に依存しない回路よりもコスト関数推定のより良い結果を示した。
論文参考訳（メタデータ） (2024-07-05T12:06:40Z)
A quantum implementation of high-order power method for estimating geometric entanglement of pure states [39.58317527488534]
この研究は、多ビット純状態の絡み合いの幾何学的測度を推定する反復高次電力法の量子的適応を示す。現在の(ハイブリッドな)量子ハードウェア上で実行可能であり、量子メモリに依存しない。標準偏極チャネルに基づく単純な理論モデルを用いて,雑音がアルゴリズムに与える影響について検討する。
論文参考訳（メタデータ） (2024-05-29T14:40:24Z)
Utilizing small quantum computers for machine learning and ground state energy approximation [0.0]
量子回路分割(Quantum circuit partitioning, QCP)は、小さな量子コンピュータ上の大規模量子システムをシミュレートすることを目的としたハイブリッド量子古典的アプローチである。小型の量子システムを用いて,大規模量子系上で観測可能な観測値を測定するためのQCP戦略を提案する。
論文参考訳（メタデータ） (2024-03-21T13:56:32Z)
Quantum State Tomography for Matrix Product Density Operators [28.799576051288888]
実験的測定から量子状態の再構成は、量子デバイスの検証とベンチマークに不可欠である。ノイズや中間スケールの量子コンピュータによって生成される状態のような多くの物理量子状態は通常、構造化される。圧縮センシングのツールと経験過程の理論を用いて,MPOの安定回復の理論的保証を確立する。
論文参考訳（メタデータ） (2023-06-15T18:23:55Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Quantum variational learning for entanglement witnessing [0.0]
この研究は量子アルゴリズムの潜在的な実装に焦点を当て、$n$ qubitsの単一レジスタ上で定義された量子状態を適切に分類することができる。我々は「絡み合いの証人」という概念、すなわち、特定の特定の状態が絡み合うものとして識別できる期待値を持つ演算子を利用する。我々は,量子ニューラルネットワーク(QNN)を用いて,絡み合いの目撃者の行動を再現する方法をうまく学習した。
論文参考訳（メタデータ） (2022-05-20T20:14:28Z)
Variational quantum process tomography [12.843681115589122]
我々は、未知のユニタリ量子プロセスを比較的浅い深さパラメトリック量子回路に符号化する量子機械学習アルゴリズムを提唱した。その結果、これらの量子プロセスは高い忠実度で再構成可能である一方で、必要な入力状態の数は、標準量子プロセストモグラフィーで要求されるよりも少なくとも2ドル以下であることがわかった。
論文参考訳（メタデータ） (2021-08-05T03:36:26Z)
Certification of quantum states with hidden structure of their bitstrings [0.0]
本稿では,量子状態の説明と識別を行う数値的に安価な手法を提案する。エンタングルメントの構造が異なる量子状態を特徴付けるのに十分であることを示す。本手法は、多体量子磁気システムにおいて、異なる性質の相転移を検出するために用いられる。
論文参考訳（メタデータ） (2021-07-21T06:22:35Z)
One Model for All Quantization: A Quantized Network Supporting Hot-Swap Bit-Width Adjustment [36.75157407486302]
多様なビット幅をサポートする全量子化のためのモデルを訓練する手法を提案する。重みの多様性を高めるためにウェーブレット分解と再構成を用いる。同じ精度で訓練された専用モデルに匹敵する精度が得られる。
論文参考訳（メタデータ） (2021-05-04T08:10:50Z)
Direct Fidelity Estimation of Quantum States using Machine Learning [8.306287613158094]
ほとんど全ての量子アプリケーションにおいて、重要なステップの1つは、準備された量子状態の忠実度が期待を満たすことを検証することである。本稿では,機械学習技術を用いた新しい手法を提案する。
論文参考訳（メタデータ） (2021-02-04T02:08:21Z)

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。