論文の概要: Capturing Quantum Snapshots from a Single Copy via Mid-Circuit Measurement and Dynamic Circuit

• arxiv url: http://arxiv.org/abs/2504.21250v1
• Date: Wed, 30 Apr 2025 01:18:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 22:54:42.862144
• Title: Capturing Quantum Snapshots from a Single Copy via Mid-Circuit Measurement and Dynamic Circuit
• Title（参考訳）: 中間回路計測と動的回路による単一コピーからの量子スナップショットのキャプチャ
• Authors: Debarshi Kundu, Avimita Chatterjee, Archisman Ghosh, Swaroop Ghosh,
• Abstract要約: Quantum Snapshot with Dynamic Circuit (QSDC)は、量子スナップショットをキャプチャするハードウェアに依存しない学習駆動のフレームワークである。 本稿では、未知の量子状態の再構成のために古典的モデルを訓練する推測・検査手法を提案する。 本手法は,動的回路をサポートしたハードウェアを前提として,シングルコピー・中間回路状態再構成をサポートする。
• 参考スコア（独自算出の注目度）: 1.912429179274357
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose Quantum Snapshot with Dynamic Circuit (QSDC), a hardware-agnostic, learning-driven framework for capturing quantum snapshots: non-destructive estimates of quantum states at arbitrary points within a quantum circuit, which can then be classically stored and later reconstructed. This functionality is vital for introspection, debugging, and memory in quantum systems, yet remains fundamentally constrained by the no-cloning theorem and the destructive nature of measurement. QSDC introduces a guess-and-check methodology in which a classical model, powered by either gradient-based neural networks or gradient-free evolutionary strategie, is trained to reconstruct an unknown quantum state using fidelity from the SWAP test as the sole feedback signal. Our approach supports single-copy, mid-circuit state reconstruction, assuming hardware with dynamic circuit support and sufficient coherence time. We validate core components of QSDC both in simulation and on IBM quantum hardware. In noiseless settings, our models achieve average fidelity up to 0.999 across 100 random quantum states; on real devices, we accurately reconstruct known single-qubit states (e.g., Hadamard) within three optimization steps.
• Abstract（参考訳）: 量子スナップショットをキャプチャするハードウェアに依存しない学習駆動フレームワークであるQuantum Snapshot with Dynamic Circuit (QSDC)を提案する。 この機能は量子系のイントロスペクション、デバッギング、メモリに不可欠であるが、非閉鎖定理と測定の破壊的な性質によって根本から制約されている。 QSDCは、勾配ベースのニューラルネットワークまたは勾配のない進化戦略を駆使した古典的なモデルを用いて、SWAPテストからの忠実度を唯一のフィードバック信号として、未知の量子状態の再構築を訓練する。 本手法は,動的回路サポートと十分なコヒーレンス時間を有するハードウェアを前提として,単一コピー・中回路状態再構成をサポートする。 我々はQSDCのコアコンポーネントをシミュレーションとIBM量子ハードウェアの両方で検証する。 実機では、既知の1量子ビット状態(例えば、アダマール)を3つの最適化ステップで正確に再構成する。

関連論文リスト

• Guess, SWAP, Repeat : Capturing Quantum Snapshots in Classical Memory [2.089191490381739]
  直接測定せずに量子状態の観測を可能にし,再利用のために保存する新しい手法を提案する。 提案手法では,複数の量子状態が1つの回路内の異なる地点で1回ずつ観測され,破壊することなく古典記憶に保存される。 本稿では,回路内の任意の点における量子状態の非破壊的推定,あるいは「スナップショット」を捉えるための,ハードウェアに依存しない機械学習駆動フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-20T02:39:30Z)
• Quantum Compressive Sensing Meets Quantum Noise: A Practical Exploration [8.260432715157027]
  本稿では,Amazon Braket上でQCS(Quantum Compressive Sensing)の実用化について述べる。 QCSは、テンソルネットワークの状態が絡み合った量子ビット上の量子状態によって表される圧縮センシングに対する量子データ駆動のアプローチである。 本稿では,信号の回復や画像処理などの応用のために,量子圧縮センシングの潜在能力を最大限に活用することを目的とした潜在的長期方向について論じる。
  論文  参考訳（メタデータ） (2025-01-21T18:10:03Z)
• 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)
• Parallel Quantum Computing Simulations via Quantum Accelerator Platform Virtualization [44.99833362998488]
  本稿では,量子回路実行の並列化モデルを提案する。 このモデルはバックエンドに依存しない機能を利用することができ、任意のターゲットバックエンド上で並列量子回路の実行を可能にする。
  論文  参考訳（メタデータ） (2024-06-05T17:16:07Z)
• Single-Round Proofs of Quantumness from Knowledge Assumptions [41.94295877935867]
  量子性の証明は、効率的な量子コンピュータが通過できる、効率よく検証可能な対話型テストである。 既存のシングルラウンドプロトコルは大きな量子回路を必要とするが、マルチラウンドプロトコルはより小さな回路を使用するが、実験的な中間回路測定を必要とする。 我々は、既存の知識仮定に基づいて、量子性の効率的なシングルラウンド証明を構築した。
  論文  参考訳（メタデータ） (2024-05-24T17:33:10Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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)
• Mapping quantum circuits to shallow-depth measurement patterns based on graph states [0.0]
  我々は,測定に基づく量子コンピューティングのためのハイブリッドシミュレーション手法を開発した。 完全可換作用素の群は完全並列、すなわち非適応的測定を用いて実装可能であることを示す。 量子テレポーテーションを用いることで、そのような回路を一定の量子深さで実装する方法について議論する。
  論文  参考訳（メタデータ） (2023-11-27T19:00:00Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Improved variational quantum eigensolver via quasi-dynamical evolution [0.0]
  変分量子固有解法 (VQE) は、現在および短期の量子デバイス向けに設計されたハイブリッド量子古典アルゴリズムである。 VQEには、量子優位性に対する好ましいスケーリングを禁じる問題がある。 本稿では,VQEを補う量子アニール法を提案する。 改良されたVQEは不毛の台地を回避し、局所的なミニマを放出し、低深度回路で動作する。
  論文  参考訳（メタデータ） (2022-02-21T11:21:44Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)

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。