論文の概要: Memory effects in repeated uses of quantum channels

• arxiv url: http://arxiv.org/abs/2511.05661v1
• Date: Fri, 07 Nov 2025 19:00:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.521497
• Title: Memory effects in repeated uses of quantum channels
• Title（参考訳）: 量子チャネルの繰り返し利用における記憶効果
• Authors: Hayden Zammit, Roberto Salazar, Gianluca Valentino, Johann A. Briffa, Tony J. G. Apollaro,
• Abstract要約: 量子情報処理タスクは、量子力学マップの観点で効率的に定式化することができる。 重要なQIPタスクは、量子ネットワークの遠いノード間で量子情報を共有することを目的とした量子状態転送(QST)である。 比較的小さな読み出しタイミング誤差であっても、その後のQSTタスクに非常に有害な影響を与えるメモリ効果が生じることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Information Processing (QIP) tasks can be efficiently formulated in terms of quantum dynamical maps, whose formalism is able to provide the appropriate mathematical representation of the evolution of open quantum systems. A key QIP task is quantum state transfer (QST) aimed at sharing quantum information between distant nodes of a quantum network, enabling, e.g. quantum key distribution and distributed quantum computing. QST has primarily been addressed insofar by resetting the quantum channel after each use, thus giving rise to memoryless channels. Here we consider the case where the quantum channel is continuously used, without implementing time- and resource- consuming resetting operations. We derive a general, analytical expression for the $n^{\mathrm{th}}$-use average QST fidelity for $U(1)$-symmetric channels and apply our formalism to a perfect QST channel in the presence of imperfect readout timing. We show that even relatively small readout timing errors give rise to memory effects which have a highly detrimental impact on subsequent QST tasks.
• Abstract（参考訳）: 量子情報処理(QIP)タスクは、オープン量子系の進化を適切に数学的に表現できるような、量子力学マップの用語で効率的に定式化することができる。 主要なQIPタスクは、量子ネットワークの遠いノード間で量子情報を共有することを目的とした量子状態転送(QST)であり、例えば量子鍵分布と分散量子コンピューティングを可能にする。 QSTは主に、使用後に量子チャネルをリセットして、メモリレスチャネルを発生させることによって、内部で対処されてきた。 ここでは、時間とリソースを消費するリセット処理を実装することなく、量子チャネルを継続的に使用する場合について考察する。 我々は、$n^{\mathrm{th}}$-use average QST fidelity for $U(1)$-symmetric channelに対して一般的な解析式を導出し、不完全な読み出しタイミングが存在する場合に、我々の形式を完全QSTチャネルに適用する。 比較的小さな読み出しタイミング誤差であっても、その後のQSTタスクに非常に有害な影響を与えるメモリ効果が生じることを示す。

関連論文リスト

• Distributed Quantum Computation via Entanglement Forging and Teleportation [13.135604356093193]
  分散量子計算は、限られたサイズの量子プロセッサ上での大規模量子計算の実用的な方法である。 本稿では,量子相関のない2つの量子プロセッサ上で非局所量子回路を実装する手法を実証する。
  論文  参考訳（メタデータ） (2024-09-04T08:10:40Z)
• 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)
• Assisted quantum simulation of open quantum systems [0.0]
  NISQ技術を用いてUQAの回路深さを低減する量子支援量子アルゴリズムを導入する。 オープン量子システムをシミュレーションするための量子支援量子アルゴリズムを2つ提案する。
  論文  参考訳（メタデータ） (2023-02-26T11:41:02Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
  本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。 本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
  論文  参考訳（メタデータ） (2022-09-16T02:37:32Z)
• Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
  本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。 提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
  論文  参考訳（メタデータ） (2022-05-05T03:49:19Z)
• Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
  本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。 鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。 Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T09:42:37Z)
• Quantum Federated Learning with Quantum Data [87.49715898878858]
  量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。 本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:19:27Z)
• Attention-based Quantum Tomography [9.818293236208413]
  Attention-based Quantum Tomography は、アテンション機構に基づく生成ネットワークを用いた量子状態再構成である。 AQTは、IBMQ量子コンピュータで実験的に実現されたノイズ量子状態に関連する密度行列を正確に再構成可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-22T17:50:12Z)

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。