Fugu-MT 論文翻訳(概要): Gradient-descent methods for quantum detector tomography

論文の概要: Gradient-descent methods for quantum detector tomography

arxiv url: http://arxiv.org/abs/2511.14579v1
Date: Tue, 18 Nov 2025 15:20:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-19 16:23:53.177403
Title: Gradient-descent methods for quantum detector tomography
Title（参考訳）: 量子検出器トモグラフィーのためのグラディエント蛍光法
Authors: Amanuel Anteneh, Olivier Pfister,
Abstract要約: 我々は,制約付き凸最適化 (CCO) に対して数値的なベンチマークを行い,より少ない時間で高いあるいは同等の再構成忠実度に達することを示す。また、複素シュティーフェル多様体上のPOVMのパラメトリゼーションによる位相感受性ケースへのアプローチの拡張の可能性を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a technique for performing quantum detector tomography (QDT) of phase insensitive quantum detectors using gradient descent-based optimization to learn the positive operator-valued measure (POVM) that best describes the data collected using the detector under study. We numerically benchmark our method against constrained convex optimization (CCO) and show that it reaches higher or comparable reconstruction fidelity in much less time even in the presence of noise and limited probe state resources. We also present a possible extension of our approach to the phase sensitive case via a parametrization of POVMs on the complex Stiefel manifold which enables gradient based optimization restricted to this manifold.
Abstract（参考訳）: 本稿では,位相非感性量子検出器の量子検出器トモグラフィー(QDT)を勾配勾配に基づく最適化を用いて実行し,検出器を用いて収集したデータを最もよく記述する正の演算子評価測度(POVM)を学習する手法を提案する。我々は,制約付き凸最適化 (CCO) に対して数値的なベンチマークを行い,ノイズやプローブ状態の限られた資源の存在下においても,高いあるいは同等の再現忠実度に達することを示す。また、複素シュティーフェル多様体上のPOVMのパラメトリゼーションにより、この多様体に制限された勾配に基づく最適化を可能にする位相感受性ケースへのアプローチの拡張の可能性を示す。

関連論文リスト

Optimal Quantum Overlapping Tomography [2.555222031881788]
部分トモグラフィーは、複雑な量子システムを特徴づけるための有望なアプローチとして登場した。本稿では,問題を斜め被覆モデルにマッピングすることで,最適な重なり合うトモグラフィのための統一フレームワークを提案する。実用核スピンプロセッサにおける提案手法の有効性を実験的に検証した。
論文参考訳（メタデータ） (2024-10-17T12:03:43Z)
Efficient Quantum Gradient and Higher-order Derivative Estimation via Generalized Hadamard Test [2.5545813981422882]
パラメータ化量子回路(PQC)の動作を理解するためには、勾配に基づく手法が不可欠である有限差分、シフト規則、アダマール試験、直接アダマール試験などの既存の勾配推定法は、特定のPQCに対して最適な勾配回路を得ることが多い。本稿では,一階勾配推定法に適用したフレキシブル・アダマールテスト(Flexible Hadamard Test)を提案する。また、PQ内の個々のパラメータに対する最適勾配推定手法を適応的に選択する統一勾配法である量子自動微分(QAD)を導入する。
論文参考訳（メタデータ） (2024-08-10T02:08:54Z)
Regularization of Riemannian optimization: Application to process tomography and quantum machine learning [0.0]
勾配降下アルゴリズムのコスト関数に付加される各種正規化項の影響について検討する。ラッソ正則化により、量子チャネルの大きなランクに対して罰則を適用する。本手法を量子プロセストモグラフィーおよび量子機械学習問題に適用する。
論文参考訳（メタデータ） (2024-04-30T15:56:16Z)
Pulse engineering via projection of response functions [0.0]
本稿では,最適忠実度を持つ所望の演算の実装を目的とした,量子システムの反復最適制御法を提案する。方法の更新ステップは、制御演算子に対する忠実度の線形応答と、対応する演算子のモード関数への投影に基づく。このアプローチを実証し、2つの量子ビット上の量子ゲートの例のように標準のGRAPEアルゴリズムと比較し、生成したプロトコルの収束性と最適忠実度を明確に向上することを示す。
論文参考訳（メタデータ） (2024-04-16T11:02:49Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文参考訳（メタデータ） (2021-07-21T17:10:14Z)
Optimal and two-step adaptive quantum detector tomography [5.989827606075226]
平均二乗誤差(UMSE)の最小上限と最大ロバスト性に基づく検出器推定のための最適プローブ状態の設計を行う。また、プローブ状態を適応的に最適化する2段階適応型検出器トモグラフィーアルゴリズムを提案する。数値計算により,提案手法と適応型量子検出器トモグラフィ法の有効性が示された。
論文参考訳（メタデータ） (2021-06-17T05:38:16Z)
Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。スペクトルct材料分解の数値的および実験的結果を示す。
論文参考訳（メタデータ） (2021-03-25T15:20:10Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
Stochastic Optimization with Heavy-Tailed Noise via Accelerated Gradient Clipping [69.9674326582747]
そこで本研究では,重み付き分散雑音を用いたスムーズな凸最適化のための,クリップ付きSSTMと呼ばれる新しい1次高速化手法を提案する。この場合、最先端の結果を上回る新たな複雑さが証明される。本研究は,SGDにおいて,ノイズに対する光細かな仮定を伴わずにクリッピングを施した最初の非自明な高確率複雑性境界を導出した。
論文参考訳（メタデータ） (2020-05-21T17:05:27Z)

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。