論文の概要: Measurement-induced entanglement in noisy 2D random Clifford circuits
- arxiv url: http://arxiv.org/abs/2510.12743v1
- Date: Tue, 14 Oct 2025 17:21:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-15 19:02:32.415858
- Title: Measurement-induced entanglement in noisy 2D random Clifford circuits
- Title（参考訳）: 雑音性2次元ランダムクリフォード回路における測定誘起絡み合い
- Authors: Zhi-Yuan Wei, Jon Nelson, Joel Rajakumar, Esther Cruz, Alexey V. Gorshkov, Michael J. Gullans, Daniel Malz,
- Abstract要約: ノイズ2次元ランダムクリフォード回路のカラム・バイ・カラムサンプリングにより生じる測定誘起絡みについて検討した。
一定の局所雑音は、長距離、体積法測定による絡み合いを損なうことが判明した。
テンソルネットワークに基づくアルゴリズムは雑音の多い2次元ランダムクリフォード回路から効率的にサンプリングできると推測する。
- 参考スコア（独自算出の注目度）: 1.915364393561725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study measurement-induced entanglement generated by column-by-column sampling of noisy 2D random Clifford circuits of size $N$ and depth $T$. Focusing on the operator entanglement $S_{\rm op}$ of the sampling-induced boundary state, first, we reproduce in the noiseless limit a finite-depth transition from area- to volume-law scaling. With on-site probablistic trace noise at any constant rate $p>0$, the maximal $S_{\rm op}$ attained along the sampling trajectory obeys an area law in the boundary length and scales approximately linearly with $T/p$. By analyzing the spatial distribution of stabilizer generators, we observe exponential localization of stabilizer generators; this both accounts for the scaling of the maximal $S_{\rm op}$ and implies an exponential decay of conditional mutual information across buffered tripartitions, which we also confirm numerically. Together, these results indicate that constant local noise destroys long-range, volume-law measurement-induced entanglement in 2D random Clifford circuits. Finally, based on the observed scaling, we conjecture that a tensor-network-based algorithm can efficiently sample from noisy 2D random Clifford circuits (i) at sub-logarithmic depths $T = o(\log N)$ for any constant noise rate $p = \Omega(1)$, and (ii) at constant depths $T = O(1)$ for noise rates $p = \Omega(\log^{-1}N)$.
- Abstract（参考訳）: ノイズの多い2次元ランダム・クリフォード回路のカラム・バイ・カラムサンプリングにより生じる測定誘起絡み合いをN$およびDepth $T$で検討した。
まず、サンプリング誘起境界状態の演算子エンタングルメント$S_{\rm op}$に着目して、ノイズレス極限において、領域-体積-法則スケーリングの有限深さ遷移を再現する。
任意の定レート$p>0$のオンサイト確率的トレースノイズでは、サンプリング軌道に沿って到達した最大$S_{\rm op}$は境界長の領域法則に従い、ほぼ直線的に$T/p$でスケールする。
安定化器発生器の空間分布を解析することにより、安定化器発生器の指数的局所化を観測し、どちらも最大$S_{\rm op}$のスケーリングを考慮し、バッファリングされた三分割にまたがる条件付き相互情報の指数的減衰を示唆し、数値的に確認する。
これらの結果から, 局所雑音が2次元ランダムクリフォード回路の長距離, ボリュームロー測定による絡み合いを損なうことが示唆された。
最後に、観測されたスケーリングに基づいて、テンソルネットワークに基づくアルゴリズムがノイズの多い2次元ランダムクリフォード回路から効率的にサンプリングできると推測する。
(i) a sub-logarithmic depths $T = o(\log N)$ for any constant noise rate $p = \Omega(1)$, and
(ii) 一定の深さで、ノイズレート$p = \Omega(\log^{-1}N)$に対して$T = O(1)$。
関連論文リスト
- Limitations of Noisy Geometrically Local Quantum Circuits [0.2039123720459736]
ノイズが分散した雑音量子回路は、$omega(log n)$ depthで均一分布に収束し、$n$は量子ビットの数である。
我々は、我々の境界はまだゆるいものであり、$Theta(1)$-depthしきい値がパーコレーション効果によるシミュラビリティに十分であると予想する。
論文 参考訳（メタデータ） (2025-10-07T18:08:23Z) - Reducing Circuit Depth in Lindblad Simulation via Step-Size Extrapolation [0.0]
我々は、リンドブラッド方程式でモデル化されたオープン量子系の量子シミュレーションのためのリチャードソン式外挿によるアルゴリズム的誤り軽減について研究する。
推定器は精度$varepsilon$を$mathcalO((lT)2/varepsilon)$からpolylogarithmic $mathcalO((lT)2/varepsilon)$スケーリングに還元する。
論文 参考訳（メタデータ） (2025-07-30T02:56:07Z) - Laplace expansions and tree decompositions: polytime algorithm for shallow nearest-neighbour Boson Sampling [0.30693357740321775]
ボーソンサンプリング量子光学実験では、各光子を$m$モード干渉計に送信し、出力の占有パターンを測定する。
我々は,最寄りの浅層回路,すなわち深度$D = MathcalO(log m)$に対して,Cifuentes & Parrilo のアルゴリズムを適用して浅部干渉計の空間性を利用することができるという事実を利用する。
論文 参考訳（メタデータ） (2024-12-24T19:34:26Z) - Breaking the Heavy-Tailed Noise Barrier in Stochastic Optimization Problems [56.86067111855056]
構造密度の重み付き雑音によるクリップ最適化問題を考察する。
勾配が有限の順序モーメントを持つとき、$mathcalO(K-(alpha - 1)/alpha)$よりも高速な収束率が得られることを示す。
得られた推定値が無視可能なバイアスと制御可能な分散を持つことを示す。
論文 参考訳（メタデータ） (2023-11-07T17:39:17Z) - High-probability Convergence Bounds for Nonlinear Stochastic Gradient Descent Under Heavy-tailed Noise [59.25598762373543]
重み付き雑音の存在下でのストリーミングデータにおける学習の精度保証について検討した。
解析的に、与えられた問題に対する設定の選択に$ta$を使うことができることを実証する。
論文 参考訳（メタデータ） (2023-10-28T18:53:41Z) - Efficient sampling of noisy shallow circuits via monitored unraveling [0.03922370499388702]
本稿では,2次元量子ビットアレイ上でのノイズ乱数回路の出力をサンプリングする古典的アルゴリズムを提案する。
このアルゴリズムは、最近提案された「空間進化ブロックデシメーション」(SEBD)に基づいて構築され、ノイズ回路の場合に拡張される。
論文 参考訳（メタデータ） (2023-06-28T18:00:02Z) - Optimal Online Generalized Linear Regression with Stochastic Noise and
Its Application to Heteroscedastic Bandits [88.6139446295537]
一般化線形モデルの設定におけるオンライン一般化線形回帰の問題について検討する。
ラベルノイズに対処するため、古典的追従正規化リーダ(FTRL)アルゴリズムを鋭く解析する。
本稿では,FTRLに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-02-28T08:25:26Z) - Random quantum circuits transform local noise into global white noise [118.18170052022323]
低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。
十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。
ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
論文 参考訳（メタデータ） (2021-11-29T19:26:28Z)
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。