論文の概要: QSTToolkit: A Python Library for Deep Learning Powered Quantum State Tomography

• arxiv url: http://arxiv.org/abs/2503.14422v1
• Date: Tue, 18 Mar 2025 16:55:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:15:24.038095
• Title: QSTToolkit: A Python Library for Deep Learning Powered Quantum State Tomography
• Title（参考訳）: QSTToolkit: ディープラーニングによる量子状態トモグラフィのためのPythonライブラリ
• Authors: George FitzGerald, Will Yeadon,
• Abstract要約: QSTToolkitは、光学量子状態測定データ上で量子状態トモグラフィ(QST)を実行するPythonライブラリである。 本稿では,データ生成機能や各種QSTメソッドの実装など,ライブラリの機能について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce QSTToolkit, a Python library for performing quantum state tomography (QST) on optical quantum state measurement data. The toolkit integrates traditional Maximum Likelihood Estimation (MLE) with deep learning-based techniques to reconstruct quantum states. It includes comprehensive noise models to simulate both intrinsic state noise and measurement imperfections, enabling the realistic recreation of experimental data. QSTToolkit bridges TensorFlow, a leading deep learning framework, with QuTiP, a widely used quantum physics toolbox for Python. This paper describes the library's features, including its data generation capabilities and the various QST methods implemented. QSTToolkit is available at https://pypi.org/project/qsttoolkit/, with full documentation at https://qsttoolkit.readthedocs.io/en/latest/.
• Abstract（参考訳）: 光量子状態計測データ上で量子状態トモグラフィ(QST)を実行するためのPythonライブラリであるQSTToolkitを紹介する。 このツールキットは、MLE(Maximum Likelihood Estimation)と深層学習に基づく手法を統合して量子状態を再構築する。 これには、本質的な状態ノイズと測定不能の両方をシミュレートする包括的なノイズモデルが含まれており、実験データの現実的な再現を可能にする。 QSTToolkitは、主要なディープラーニングフレームワークであるTensorFlowと、Python用の広く使用されている量子物理学ツールボックスであるQuTiPを橋渡しする。 本稿では,データ生成機能や各種QSTメソッドの実装など,ライブラリの機能について述べる。 QSTToolkitはhttps://pypi.org/project/qsttoolkit/で、完全なドキュメントはhttps://qsttoolkit.readthedocs.io/en/latest/で入手できる。

関連論文リスト

• TorchQC -- A framework for efficiently integrating machine and deep learning methods in quantum dynamics and control [0.0]
  TorchQCはPythonで完全に書かれた新しいライブラリで、PyTorchディープラーニングライブラリをベースとしている。 PyTorchとそのテンソル機構を利用して量子状態と演算子をテンソルとして表現し、量子系の力学をシミュレートするために必要なすべてのツールも組み込んでいる。
  論文  参考訳（メタデータ） (2024-12-19T07:19:55Z)
• sQUlearn -- A Python Library for Quantum Machine Learning [0.0]
  sQUlearnが量子機械学習(QML)用のNISQ対応Pythonライブラリを導入 図書館の二重層アーキテクチャはQML研究者と実践者の両方に役立っている。
  論文  参考訳（メタデータ） (2023-11-15T14:22:53Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Model-Driven Quantum Federated Learning (QFL) [6.286613532372707]
  開発者はQuantum Computing (QC)ライブラリやフレームワークに慣れていない。 ドメイン特化モデリング言語(DSL)は、基礎となるQCとFederated Learning(FL)ライブラリの抽象化レイヤを提供する。
  論文  参考訳（メタデータ） (2023-04-05T15:19:51Z)
• Bosonic Qiskit [1.0295442937414798]
  本稿では,ハイブリッド量子ビット/ボソニックシステムのシミュレーションを可能にするBosonic Qiskitソフトウェアを提案する。 この実装は、新しいハイブリッドシステムのシミュレーション、提案された物理システムの検証、現在構築されている以上のモデリングシステムに使用することができる。
  論文  参考訳（メタデータ） (2022-09-22T16:58:38Z)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
  この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。 パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
  論文  参考訳（メタデータ） (2021-09-06T16:46:38Z)
• QuaPy: A Python-Based Framework for Quantification [76.22817970624875]
  QuaPyは、定量化を行うためのオープンソースのフレームワークである(例えば、教師付き精度推定)。 Pythonで書かれており、pip経由でインストールできる。
  論文  参考訳（メタデータ） (2021-06-18T13:57:11Z)
• Extending Python for Quantum-Classical Computing via Quantum Just-in-Time Compilation [78.8942067357231]
  Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。 量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
  論文  参考訳（メタデータ） (2021-05-10T21:11:21Z)
• PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
  PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。 データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。 予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
  論文  参考訳（メタデータ） (2021-01-11T22:02:08Z)

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。