論文の概要: Scalable protocol to coherence estimation from scarce data: Theory and experiment

• arxiv url: http://arxiv.org/abs/2510.21138v1
• Date: Fri, 24 Oct 2025 04:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.379915
• Title: Scalable protocol to coherence estimation from scarce data: Theory and experiment
• Title（参考訳）: 不足データからのコヒーレンス推定のためのスケーラブルプロトコル:理論と実験
• Authors: Qi-Ming Ding, Ting Zhang, Hui Li, Da-Jian Zhang,
• Abstract要約: コヒーレンス(Coherence)は、量子的優位性を実現するための基本的なリソースである。 少ないデータからコヒーレンスを推定するためのスケーラブルなプロトコルを提案する。 この研究は、データスカース条件下での大規模量子システムのコヒーレンスを推定するための新しい経路を開く。
• 参考スコア（独自算出の注目度）: 4.035237100024747
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Key quantum features like coherence are the fundamental resources enabling quantum advantages and ascertaining their presence in quantum systems is crucial for developing quantum technologies. This task, however, faces severe challenges in the noisy intermediate-scale quantum era. On one hand, experimental data are typically scarce, rendering full state reconstruction infeasible. On the other hand, these features are usually quantified by highly nonlinear functionals that elude efficient estimations via existing methods. In this work, we propose a scalable protocol for estimating coherence from scarce data and further experimentally demonstrate its practical utility. The key innovation here is to relax the potentially NP-hard coherence estimation problem into a computationally efficient optimization. This renders the computational cost in our protocol insensitive to the system size, in sharp contrast to the exponential growth in traditional methods. This work opens a novel route toward estimating coherence of large-scale quantum systems under data-scarce conditions.
• Abstract（参考訳）: コヒーレンスのような重要な量子的特徴は、量子的優位性を実現するための基本的な資源であり、量子システムにおけるそれらの存在を確認することは、量子技術の開発に不可欠である。 しかし、このタスクは、ノイズの多い中間スケールの量子時代において深刻な課題に直面している。 一方、実験データは通常不足しており、完全な状態再構築は不可能である。 一方、これらの特徴は通常、既存の手法による効率的な推定を省略する高非線形汎関数によって定量化される。 本研究では,少ないデータからコヒーレンスを推定するためのスケーラブルなプロトコルを提案し,その実用性を実験的に実証する。 ここでの鍵となる革新は、潜在的なNPハードコヒーレンス推定問題を、計算的に効率的な最適化に緩和することである。 これにより、従来の手法の指数関数的な成長とは対照的に、我々のプロトコルの計算コストはシステムサイズに敏感である。 この研究は、データスカース条件下での大規模量子システムのコヒーレンスを推定するための新しい経路を開く。

関連論文リスト

• Feedback-driven recurrent quantum neural network universality [6.206127662604578]
  本稿では、既存のフィードフォワードモデルのクラスを動的にフィードバック駆動型貯水池設定に拡張する、リカレント量子ニューラルネットワークアーキテクチャを提案する。 近似バウンダリと普遍性結果を含む変分繰り返し量子ニューラルネットワークの理論的保証を提供する。
  論文  参考訳（メタデータ） (2025-06-19T14:07:38Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Retrieving non-linear features from noisy quantum states [11.289924445850328]
  本稿では,ノイズ状態から高次モーメントを抽出する実現可能性と効率について分析する。 まず、基礎となるノイズチャネルが可逆である場合に限り、このタスクを達成できる量子プロトコルが存在することを示す。 我々の研究は、量子ノイズが高次情報抽出にどのように影響するかを深く理解し、それに取り組むためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2023-09-20T15:28:18Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Bounds on an effective thermalization beyond the Zeno limit [0.0]
  量子ゼノ効果は、量子システムに格納された古典的な情報を保護するために広く利用される技術として登場した。 操作間の任意の時間間隔で有効なゼノダイナミクスを導出する。 これらの知見は、量子システムに格納された古典的な情報を保存するための量子ゼノ効果の実用的な適用性についての理解を深める。
  論文  参考訳（メタデータ） (2023-04-12T13:18:11Z)
• Deep reinforcement learning for quantum multiparameter estimation [0.0]
  本研究では,現実的なベイズ量子力学タスクを実現するためのモデルフリーでディープラーニングに基づくアプローチを提案する。 我々は,標準手法よりも高い推定性能の達成を実験的に証明した。
  論文  参考訳（メタデータ） (2022-09-01T18:01:56Z)
• Improved Quantum Algorithms for Fidelity Estimation [77.34726150561087]
  証明可能な性能保証を伴う忠実度推定のための新しい,効率的な量子アルゴリズムを開発した。 我々のアルゴリズムは量子特異値変換のような高度な量子線型代数技術を用いる。 任意の非自明な定数加算精度に対する忠実度推定は一般に困難であることを示す。
  論文  参考訳（メタデータ） (2022-03-30T02:02:16Z)
• Dispersive qubit readout with machine learning [0.08399688944263842]
  オープン量子系は散逸相転移を起こすことができ、その臨界挙動はセンシングアプリケーションに利用することができる。 最近導入された測定プロトコルでは、パラメトリック(2光子駆動)のカー共振器の駆動散逸位相遷移を使い、99.9%の単一量子ビット検出忠実度に達した。 我々は、機械学習に基づく分類アルゴリズムを用いて、この臨界ダイナミクスから情報を抽出する。
  論文  参考訳（メタデータ） (2021-12-10T04:25:43Z)
• On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
  そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。 私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
  論文  参考訳（メタデータ） (2021-06-29T14:01:40Z)

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。