論文の概要: Machine Learning for Quantum State Tomography: Robust Covariance Matrix Estimation for Squeezed Vacuum States with Thermal Noise
- arxiv url: http://arxiv.org/abs/2509.21720v1
- Date: Fri, 26 Sep 2025 00:37:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:54.09283
- Title: Machine Learning for Quantum State Tomography: Robust Covariance Matrix Estimation for Squeezed Vacuum States with Thermal Noise
- Title（参考訳）: 量子状態トモグラフィのための機械学習:熱雑音を伴うスクイーズ真空状態のロバスト共分散行列推定
- Authors: Juan Camilo Rodrıguez, Hsien-Yi Hsieh, Hua-Li Chen, Ole Steuernagel, Chien-Ming Wu, Ray-Kuang Lee,
- Abstract要約: 本稿では,ガウス量子状態の共分散行列を熱雑音の存在下で推定するための教師付き機械学習に基づく手法を提案する。
単モード圧縮真空状態の実験データと比較し、その精度と実験劣化の定量化能力を示す。
熱多成分ガウス状態のリアルタイム量子状態トモグラフィーをマルチモードシステムに拡張するための基礎を築いた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a supervised machine learning-based method using convolutional neural networks to estimate the covariance matrix of Gaussian quantum states in the presence of thermal noise. Unlike computationally intensive density matrix reconstructions, our machine learning-based method allows for the reconstruction of impure squeezed vacuum states using sparse measurements of quadrature sequences based on a model employing a two-component state mixed together from thermal and squeezed thermal states. The method achieves high fidelity and precision, notably also at high squeezing levels, while offering an effective characterization of physical quantities and accurately estimating the covariance matrix. We benchmark our machine against experimental data of single-mode squeezed vacuum states, demonstrating its accuracy and capability to quantify experimental degradation to squeezing and purity. We experimentally verify that our covariance matrix estimation exhibits robustness to state degradation induced by thermal state admixtures. We provide a method for lightweight, compact, and complete representation of lab-generated Gaussian states and lay the foundation for extending real-time quantum state tomography for thermal multi-component Gaussian states to multi-mode systems.
- Abstract（参考訳）: 本稿では,畳み込みニューラルネットワークを用いた教師付き機械学習によるガウス量子状態の共分散行列を熱雑音下で推定する。
計算集約密度行列再構成とは違って,2成分状態と熱・加温状態とを混合したモデルに基づく2次系列のスパース測定により,不純な加圧真空状態の再構成が可能となる。
この方法は高い忠実度と精度、特に高いスクイーズレベルで達成し、物理量の効果的なキャラクタリゼーションを提供し、共分散行列を正確に推定する。
我々は, 単一モード圧縮真空状態の実験データと比較し, その精度と, スクイーズと純度を定量的に評価する能力を示した。
実験により, 共分散行列推定は, 熱状態混和による状態劣化に対する堅牢性を示すことを示した。
実験室で生成したガウス状態の軽量でコンパクトで完全な表現方法を提供し、熱多成分ガウス状態のリアルタイム量子状態トモグラフィーをマルチモードシステムに拡張するための基礎を築いた。
関連論文リスト
- Energy-independent tomography of Gaussian states [0.29998889086656577]
本稿では,効率よく実験可能なガウス状態トモグラフィーアルゴリズムを提案する。
我々のアルゴリズムは量子メロジとセンシングの応用に特に適している。
論文 参考訳（メタデータ） (2025-08-20T18:03:33Z) - Photonic Simulation of Localization Phenomena Using Boson Sampling [0.0]
室内温度で演奏するコンパクトな合成プラットフォームとしてボソンサンプリングを提案する。
ハミルトン粒子の時間進化ユニタリを連続可変ゲート分解により干渉計にマッピングすることにより、単一粒子の局在特性の実証・実証結果を示す。
論文 参考訳（メタデータ） (2024-10-17T18:00:05Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Quantum state tomography with tensor train cross approximation [84.59270977313619]
測定条件が最小限であるような状態に対して、完全な量子状態トモグラフィが実行可能であることを示す。
本手法は,非構造状態と局所測定のための最もよく知られたトモグラフィー法よりも指数関数的に少ない状態コピーを必要とする。
論文 参考訳（メタデータ） (2022-07-13T17:56:28Z) - Fast quantum state reconstruction via accelerated non-convex programming [8.19144665585397]
本稿では, 圧縮センシング, 非状態雑音最適化, 高速化手法のアイデアを組み合わせた新しい量子状態法を提案する。
提案手法は合成実験と実実験の両方において優れた性能を示す。
論文 参考訳（メタデータ） (2021-04-14T17:38:40Z) - Continuous-time dynamics and error scaling of noisy highly-entangling
quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。
我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。
動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文 参考訳（メタデータ） (2021-02-08T14:55:44Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳（メタデータ） (2021-02-04T02:21:08Z) - Mean-squared-error-based adaptive estimation of pure quantum states and
unitary transformations [0.0]
単一キューディットの純量子状態を高精度に推定する手法を提案する。
本手法は,未知状態の複素確率振幅と推定値との2乗誤差の最小化に基づく。
提案手法は, 1つのキュートに作用する未知のユニタリ変換を推定するために, 容易に拡張可能であることを示す。
論文 参考訳（メタデータ） (2020-08-23T00:32:10Z) - Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。
本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。
実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
論文 参考訳（メタデータ） (2020-07-31T17:25:12Z)
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。