論文の概要: Entanglement detection with quantum support vector machine(QSVM) on near-term quantum devices

• arxiv url: http://arxiv.org/abs/2503.23443v2
• Date: Wed, 09 Apr 2025 11:13:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 13:04:05.584295
• Title: Entanglement detection with quantum support vector machine(QSVM) on near-term quantum devices
• Title（参考訳）: 量子支援ベクトルマシン(QSVM)を用いた近距離量子デバイス上の絡み検出
• Authors: M. Mahdian, Z. Mousavi,
• Abstract要約: 本稿では,IBM量子デバイス上での量子支援ベクトルマシン(QSVM)の実装について述べる。 ハードウェアノイズにもかかわらず, 絡み合った状態の識別において, QSVM フレームワークは90%以上の精度を実現していることを示す。 この研究は、エンタングルメント検出のための量子機械学習の大幅な進歩を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Detecting and quantifying quantum entanglement remain significant challenges in the noisy intermediate-scale quantum (NISQ) era. This study presents the implementation of quantum support vector machines (QSVMs) on IBM quantum devices to identify and classify entangled states. By employing quantum variational circuits, the proposed framework achieves a runtime complexity of $O(\frac{N t}{\epsilon^2})$, where $N$ is the number of qubits, $t$ is the number of iterations, and $\epsilon$ is the acceptable error margin. We investigate various quantum circuits with multiple blocks and obtain the accuracy of QSVM as measures of expressibility and entangling capability. Our results demonstrate that the QSVM framework achieves over 90\% accuracy in distinguishing entangled states, despite hardware noise such as decoherence and gate errors. Benchmarks across superconducting qubit platforms (e.g., IBM Perth, Lagos, and Nairobi) highlight the robustness of the model. Furthermore, the QSVM framework effectively classifies two-qubit states and extends its predictive capabilities to three-qubit entangled states. This work marks a significant advancement in quantum machine learning for entanglement detection.
• Abstract（参考訳）: 量子エンタングルメントの検出と定量化は、ノイズの多い中間スケール量子(NISQ)時代において重要な課題である。 本稿では,IBM量子デバイス上での量子支援ベクトルマシン(QSVM)の実装について述べる。 量子変分回路を用いることで、提案したフレームワークは、$O(\frac{N t}{\epsilon^2})$のランタイム複雑性を達成し、$N$はキュービットの数、$t$は反復数、$\epsilon$は許容されるエラーマージンである。 複数ブロックの量子回路を探索し,QSVMの精度を表現性とエンタングリング能力の尺度として求める。 この結果から, ハードウェアノイズであるデコヒーレンスやゲートエラーにもかかわらず, 絡み合った状態の識別において, QSVM フレームワークは90%以上精度が高いことがわかった。 超伝導量子ビットプラットフォーム(IBM Perth、Lagos、Nairobiなど)のベンチマークでは、モデルの堅牢性を強調している。 さらに、QSVMフレームワークは、2量子状態を効果的に分類し、予測能力を3量子絡み合った状態に拡張する。 この研究は、エンタングルメント検出のための量子機械学習の大幅な進歩を示す。

関連論文リスト

• 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)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Quantum subspace expansion in the presence of hardware noise [0.0]
  現在の量子処理ユニット(QPU)の基底状態エネルギーの発見は課題を呈し続けている。 ハードウェアノイズは、パラメタライズド量子回路の表現性とトレーニング性の両方に深刻な影響を及ぼす。 量子サブスペース拡張とVQEを統合する方法を示し、量子コンピューティング能力と古典コンピューティング能力とコストの最適なバランスを可能にする。
  論文  参考訳（メタデータ） (2024-04-14T02:48:42Z)
• Mitigating Errors on Superconducting Quantum Processors through Fuzzy Clustering [38.02852247910155]
  新しいQuantum Error Mitigation(QEM)技術では、Fizzy C-Meansクラスタリングを使用して測定エラーパターンを特定できる。 実 NISQ 5-qubit 量子プロセッサのサブセットとして得られた 2-qubit レジスタ上で,この手法の原理的検証を報告する。 我々は、FCMベースのQEM技術により、単一および2ビットゲートベースの量子回路の期待値が合理的に改善できることを実証した。
  論文  参考訳（メタデータ） (2024-02-02T14:02:45Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Delegated variational quantum algorithms based on quantum homomorphic encryption [69.50567607858659]
  変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。 クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。 量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
  論文  参考訳（メタデータ） (2023-01-25T07:00:13Z)
• Iterative Qubits Management for Quantum Index Searching in a Hybrid System [56.39703478198019]
  IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。 我々はQiskitでIQuCSを実装し、集中的な実験を行う。 その結果、量子ビットの消費を最大66.2%削減できることが示されている。
  論文  参考訳（メタデータ） (2022-09-22T21:54:28Z)
• Universal expressiveness of variational quantum classifiers and quantum kernels for support vector machines [0.0]
  量子カーネルを用いた変分量子分類器(VQC)とサポートベクトルマシン(QSVM)は、k-Forrelation問題に基づく分類問題を解くことができることを示す。 この結果から,任意のBQP問題に対して,VQCとQSVMを効率的に解ける特徴写像と量子カーネルが存在することが示唆された。
  論文  参考訳（メタデータ） (2022-07-12T22:03:31Z)
• Quantum Support Vector Machine without Iteration [17.384061512750158]
  本稿では、一般化量子振幅推定(AE-QSVM)に基づく量子支援ベクトルマシン(LS-QSVM)を提案する。 AE-QSVMは、トレーニング行列、イテレーションの数、空間の複雑さ、時間の複雑さの点で有利であることを示す実験である。
  論文  参考訳（メタデータ） (2022-06-02T07:57:39Z)
• Efficient Bipartite Entanglement Detection Scheme with a Quantum Adversarial Solver [89.80359585967642]
  パラメータ化量子回路で完了した2プレーヤゼロサムゲームとして,両部絡み検出を再構成する。 このプロトコルを線形光ネットワーク上で実験的に実装し、5量子量子純状態と2量子量子混合状態の両部絡み検出に有効であることを示す。
  論文  参考訳（メタデータ） (2022-03-15T09:46:45Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。