論文の概要: Hamiltonian Learning at Heisenberg Limit for Hybrid Quantum Systems

• arxiv url: http://arxiv.org/abs/2502.20373v2
• Date: Tue, 04 Mar 2025 00:48:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 18:50:37.136728
• Title: Hamiltonian Learning at Heisenberg Limit for Hybrid Quantum Systems
• Title（参考訳）: ハイブリッド量子システムのためのハイゼンベルク極限におけるハミルトン学習
• Authors: Lixing Zhang, Ze-Xun Lin, Prineha Narang, Di Luo,
• Abstract要約: ハイブリッドスピンボソン系におけるハミルトン学習がハイゼンベルク極限を達成することを実証する。 我々のアルゴリズムは、ハミルトン結合パラメータをルート平均二乗誤差(RMSE)$epsilon$まで推定し、総進化時間スケーリングを$T sim MathcalO(epsilon-1)$とすることができる。 また、分散量子センシングに基づく代替アルゴリズムも提供し、測定あたりの最大進化時間を著しく短縮する。
• 参考スコア（独自算出の注目度）: 0.7499722271664147
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid quantum systems with different particle species are fundamental in quantum materials and quantum information science. In this work, we demonstrate that Hamiltonian learning in hybrid spin-boson systems can achieve the Heisenberg limit. Specifically, we establish a rigorous theoretical framework proving that, given access to an unknown hybrid Hamiltonian system, our algorithm can estimate the Hamiltonian coupling parameters up to root mean square error (RMSE) $\epsilon$ with a total evolution time scaling as $T \sim \mathcal{O}(\epsilon^{-1})$ using only $\mathcal{O}({\rm polylog}(\epsilon^{-1}))$ measurements. Furthermore, it remains robust against small state preparation and measurement (SPAM) errors. In addition, we also provide an alternative algorithm based on distributed quantum sensing, which significantly reduces the maximum evolution time per measurement. To validate our method, we apply it to the generalized Dicke model for Hamiltonian learning and the spin-boson model for spectrum learning, demonstrating its efficiency in practical quantum systems. These results provide a scalable and robust framework for precision quantum sensing and Hamiltonian characterization in hybrid quantum platforms.
• Abstract（参考訳）: 異なる粒子種を持つハイブリッド量子系は、量子材料と量子情報科学の基本である。 本研究では,ハイブリッドスピンボソン系におけるハミルトン学習がハイゼンベルク極限を達成することを実証する。 具体的には、未知のハイブリッドハミルトニアン系にアクセスすると、我々のアルゴリズムはルート平均二乗誤差(RMSE)$\epsilon$を$T \sim \mathcal{O}(\epsilon^{-1})$として推定できる。 さらに、小さな状態の準備と測定(SPAM)の誤りに対して頑健である。 さらに、分散量子センシングに基づく代替アルゴリズムも提供し、測定あたりの最大進化時間を著しく短縮する。 本手法を検証するために、ハミルトン学習のための一般化ディックモデルとスペクトル学習のためのスピンボソンモデルに適用し、実用的な量子システムにおいてその効率を実証する。 これらの結果は、ハイブリッド量子プラットフォームにおける高精度量子センシングとハミルトン特徴づけのためのスケーラブルで堅牢なフレームワークを提供する。

関連論文リスト

• Hamiltonian Neural Networks approach to fuzzball geodesics [39.58317527488534]
  Hamiltonian Neural Networks (HNN) は、ハミルトンの運動方程式を解くために損失関数を最小化するツールである。 本研究では、D1-D5円形ファズボールと呼ばれる滑らかで水平な幾何学内を移動する無質量プローブに対するハミルトン方程式を高精度に解くために訓練されたいくつかのHNNを実装した。
  論文  参考訳（メタデータ） (2025-02-28T09:25:49Z)
• Optimal Hamiltonian recognition of unknown quantum dynamics [9.075075598775758]
  我々は、既知のハミルトニアン集合からハミルトニアン支配量子力学を識別するフレームワークであるハミルトニアン認識を導入する。 2つの量子信号処理構造上のコヒーレント関数シミュレーションのための量子アルゴリズムを開発した。 超伝導量子プロセッサ上でのプロトコルの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-17T16:31:35Z)
• Learning interactions between Rydberg atoms [4.17037025217542]
  グラフニューラルネットワーク(GNN)を用いたハミルトン学習へのスケーラブルなアプローチを提案する。 我々は、GNNモデルがトレーニング領域を超えて外挿できることを実証した。
  論文  参考訳（メタデータ） (2024-12-16T17:45:30Z)
• Optimizing random local Hamiltonians by dissipation [44.99833362998488]
  簡単な量子ギブスサンプリングアルゴリズムが最適値の$Omega(frac1k)$-fraction近似を達成することを証明した。 この結果から, 局所スピンおよびフェルミオンモデルに対する低エネルギー状態の発見は量子的に容易であるが, 古典的には非自明であることが示唆された。
  論文  参考訳（メタデータ） (2024-11-04T20:21:16Z)
• Hybrid Oscillator-Qubit Quantum Processors: Simulating Fermions, Bosons, and Gauge Fields [31.51988323782987]
  我々は,強い相関を持つフェルミオンとボソンの量子シミュレーションのためのハイブリッド発振器量子ビットプロセッサフレームワークを開発した。 この枠組みは、ベーカー・カンベル・ハウスドルフの公式に基づく近似法と同様に、粒子相互作用の正確な分解を与える。 我々の研究は超伝導ハードウェアの実装に焦点を当てているが、我々のフレームワークはトラップされたイオンや中性原子ハードウェアにも使用できる。
  論文  参考訳（メタデータ） (2024-09-05T17:58:20Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Learning interacting fermionic Hamiltonians at the Heisenberg limit [0.6906005491572401]
  ハイゼンベルク極限でフェルミオンハバードハミルトニアン類を学ぶアルゴリズムを提供する。 このプロトコルは一定量の状態準備と測定誤差に対して堅牢である。
  論文  参考訳（メタデータ） (2024-02-29T19:01:05Z)
• Measuring the Loschmidt amplitude for finite-energy properties of the Fermi-Hubbard model on an ion-trap quantum computer [27.84599956781646]
  本稿では,現在の量子コンピュータ上での量子古典的時系列アルゴリズムの動作について検討する。 具体的には,Fermi-Hubbardモデルに対するLoschmidt振幅をQuantinuum H2-1トラップイオンデバイス上の16$site ladder geometry(32軌道)で測定する。 有限エネルギーにおける局所観測可能量の期待値を測定することにより、量子古典アルゴリズムの完全動作に対する雑音の影響を数値解析する。
  論文  参考訳（メタデータ） (2023-09-19T11:59:36Z)
• Exponentially improved efficient machine learning for quantum many-body states with provable guarantees [0.0]
  量子多体状態とその性質をモデル非依存の応用で効率的に学習するための理論的保証を提供する。 本結果は,量子多体状態とその特性をモデル非依存の応用で効率的に学習するための理論的保証を提供する。
  論文  参考訳（メタデータ） (2023-04-10T02:22:36Z)
• Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
  時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。 本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。 この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
  論文  参考訳（メタデータ） (2021-08-06T19:38:01Z)
• A Hybrid Quantum-Classical Hamiltonian Learning Algorithm [6.90132007891849]
  ハミルトン学習は、量子デバイスと量子シミュレータの認定に不可欠である。 本研究では,ハミルトニアン作用素の係数を求めるために,ハイブリッド量子古典ハミルトン学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-01T15:15:58Z)
• Dynamical Self-energy Mapping (DSEM) for quantum computing [0.0]
  ノイズの多い中間スケール量子(NISQ)デバイスでは、コヒーレンスに制限のある適度な数の量子ビットしか利用できない。 古典量子ハイブリッドアルゴリズムを用いて,NISQデバイス上での分子化学シミュレーションにおいて,この課題を回避する方法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T04:12:21Z)
• Entanglement Hamiltonian Tomography in Quantum Simulation [0.0]
  量子シミュレータの絡み合いは、今日の中間スケール量子デバイスの時代において顕著な課題である。 本稿では, スピン系の密度行列と絡み合ったスペクトルを再構成するための効率的なトモグラフィープロトコルについて論じる。 数値シミュレーションを用いて1次元の長距離Isingモデルのプロトコルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-09-18T18:12:22Z)
• Hamiltonian operator approximation for energy measurement and ground state preparation [23.87373187143897]
  微分表現を用いて、ハミルトン作用素をプロパゲータの和として近似する方法を示す。 提案手法はハミルトン作用素近似 (HOA) と名付けられ, アナログ量子シミュレータの有効利用を目的としている。
  論文  参考訳（メタデータ） (2020-09-07T18:11:00Z)
• Hybrid Quantum-Classical Eigensolver Without Variation or Parametric Gates [0.0]
  本稿では,電子量子系の固有エネルギースペクトルを得る方法を提案する。 これは、量子系のハミルトニアンを有限有効ヒルベルト空間に射影することで達成される。 実効ハミルトニアンの対応する対角線および対角線の項を測定するための短深さ量子回路を作成するプロセスを与える。
  論文  参考訳（メタデータ） (2020-08-26T02:31:24Z)
• Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
  光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。 我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
  論文  参考訳（メタデータ） (2020-07-28T14:52:28Z)

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。