論文の概要: Estimation of the second-order coherence function using quantum reservoir and ensemble methods
- arxiv url: http://arxiv.org/abs/2504.18205v1
- Date: Fri, 25 Apr 2025 09:35:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.719336
- Title: Estimation of the second-order coherence function using quantum reservoir and ensemble methods
- Title（参考訳）: 量子貯水池とアンサンブル法による二階コヒーレンス関数の推定
- Authors: Dogyun Ko, Stanisław Świerczewski, Andrzej Opala, Michał Matuszewski, Amir Rahmani,
- Abstract要約: ゼロ時間二階相関関数 g2(0) を推定する機械学習に基づく手法を提案する。
我々は、このハイブリッド量子古典的アプローチを、様々な量子光学系にわたって評価する。
- 参考スコア（独自算出の注目度）: 0.9402213259706237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a machine learning-based approach enhanced by quantum reservoir computing (QRC) to estimate the zero-time second-order correlation function g2(0). Typically, measuring g2(0) requires single-photon detectors and time-correlated measurements. Machine learning may offer practical solutions by training a model to estimate g2(0) solely from average intensity measurements. In our method, emission from a given quantum source is first processed in QRC. During the inference phase, only intensity measurements are used, which are then passed to a software-based decision tree-based ensemble model. We evaluate this hybrid quantum-classical approach across a variety of quantum optical systems and demonstrate that it provides accurate estimates of g2(0). We further extend our analysis to assess the ability of a trained model to generalize beyond its training distribution, both to the same system under different physical parameters and to fundamentally different quantum sources. While the model may yield reliable estimates within specific regimes, its performance across distinct systems is generally limited.
- Abstract（参考訳）: 本稿では、量子貯水池計算(QRC)によって強化された機械学習に基づく手法を提案し、ゼロ時間2階相関関数g2(0)を推定する。
通常、g2(0)の測定には単一光子検出器と時間関連測定が必要である。
機械学習は、平均強度測定からのみg2(0)を推定するようにモデルを訓練することで、実用的なソリューションを提供することができる。
この方法では、与えられた量子源からの放出をまずQRCで処理する。
推論フェーズでは、強度測定のみを使用し、ソフトウェアベースの決定木に基づくアンサンブルモデルに渡される。
我々は、様々な量子光学系にまたがるこのハイブリッド量子古典的アプローチを評価し、g2(0)の正確な推定値を提供することを示した。
我々はさらに、トレーニングされたモデルがトレーニング分布を超えて一般化できる能力を評価するために分析を拡張し、物理パラメータの異なる同じシステムと根本的に異なる量子源の両方に拡張する。
モデルは特定のレギュレーション内で信頼性の高い推定値が得られるが、異なるシステム間での性能は一般的に制限される。
関連論文リスト
- Faster Quantum Algorithm for Multiple Observables Estimation in Fermionic Problems [0.19999259391104385]
既存の量子アルゴリズムの中で最小のコストでフェルミオン系の集合特性を推定できる2つの変種を提案する。
本稿では,粒子数に制限のある系に対するフェルミオン部分トモグラフィーのタスクにおいて,従来のQGEアルゴリズムと比較して2次高速化が可能であることを示す。
論文 参考訳（メタデータ） (2025-05-01T17:57:19Z) - Learning out-of-time-ordered correlators with classical kernel methods [3.6538093004443155]
XZ-OTOCと特定のOTOCの和を正確に学習できるかを検討する。
この問題を回帰タスクとして、ラベル付きデータの小さなバッチを生成する。
我々は、様々な標準カーネルマシンを訓練し、ラプラシアンおよびラジアル基底関数(RBF)カーネルが最高の性能を発揮することを観察する。
論文 参考訳（メタデータ） (2024-09-03T04:20:24Z) - Non-unitary Coupled Cluster Enabled by Mid-circuit Measurements on Quantum Computers [37.69303106863453]
本稿では,古典計算機における量子化学の柱である結合クラスタ(CC)理論に基づく状態準備法を提案する。
提案手法は,従来の計算オーバーヘッドを低減し,CNOTおよびTゲートの数を平均で28%,57%削減する。
論文 参考訳（メタデータ） (2024-06-17T14:10:10Z) - Exploring quantum localization with machine learning [39.58317527488534]
本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。
提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
論文 参考訳（メタデータ） (2024-06-01T08:50:26Z) - Generalized quantum master equations can improve the accuracy of semiclassical predictions of multitime correlation functions [0.0]
時空量子相関関数は物理科学の中心的な対象である。
2次元分光法や量子制御のような実験は、今ではそのような量を測定することができる。
我々は,多時間半古典的GQMEを利用して,粗い平均場Ehrenfestのダイナミクスの精度を劇的に向上できることを示す。
論文 参考訳（メタデータ） (2024-05-14T22:34:59Z) - Towards Efficient Quantum Anomaly Detection: One-Class SVMs using
Variable Subsampling and Randomized Measurements [4.180897432770239]
量子コンピューティングは、カーネル計算とモデルの精度を大幅に向上させる。
本稿では,量子カーネルの評価にランダム化計測を利用する方法と,可変サブサンプリングアンサンブル法を提案する。
実験の結果, トレーニング時間と推論時間は最大95%, 25%減少した。
不安定ではあるが、ランダム化測定の平均精度は古典的ラジアル基底関数カーネルのそれを上回っている。
論文 参考訳（メタデータ） (2023-12-14T17:42:18Z) - Unbiasing time-dependent Variational Monte Carlo by projected quantum
evolution [44.99833362998488]
量子系を古典的にシミュレートするためのモンテカルロ変分法(英語版)の精度とサンプルの複雑さを解析する。
時間依存変分モンテカルロ(tVMC)が最もよく用いられるスキームは、体系的な統計的バイアスによって影響を受けることを証明している。
本稿では,各段階における最適化問題の解法に基づく異なるスキームが,そのような問題から解放されていることを示す。
論文 参考訳（メタデータ） (2023-05-23T17:38:10Z) - A performance characterization of quantum generative models [35.974070202997176]
量子生成モデリングに使用される量子回路を比較する。
2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。
確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
論文 参考訳（メタデータ） (2023-01-23T11:00:29Z) - Provably efficient variational generative modeling of quantum many-body
systems via quantum-probabilistic information geometry [3.5097082077065003]
パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。
また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。
我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
論文 参考訳（メタデータ） (2022-06-09T17:58:15Z) - Theory of Quantum Generative Learning Models with Maximum Mean
Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。
まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。
次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文 参考訳（メタデータ） (2022-05-10T08:05:59Z) - Generalization Metrics for Practical Quantum Advantage in Generative
Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。
我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。
シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文 参考訳（メタデータ） (2022-01-21T16:35:35Z) - Toward a quantum computing algorithm to quantify classical and quantum
correlation of system states [0.0]
システム状態に対する古典的および量子的相関を実現するために,変分型ハイブリッド量子古典(VHQC)アルゴリズムを設計する。
我々は,いくつかの密度行列の相関関係を求めるアルゴリズムの性能を数値的に検証する。
論文 参考訳（メタデータ） (2021-11-17T09:40:30Z) - Direct estimation of quantum coherence by collective measurements [54.97898890263183]
量子状態におけるコヒーレンス量を推定するための集合的測定手法を提案する。
本手法は、トモグラフィーや適応計測に基づいて、他の推定方法よりも優れている。
本手法は,光子を用いて実験的に実装することで,今日の技術で利用できることを示す。
論文 参考訳（メタデータ） (2020-01-06T03:50:42Z)
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。