論文の概要: Data-Driven Learnability Transition of Measurement-Induced Entanglement

• arxiv url: http://arxiv.org/abs/2512.01317v1
• Date: Mon, 01 Dec 2025 06:18:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.710681
• Title: Data-Driven Learnability Transition of Measurement-Induced Entanglement
• Title（参考訳）: 測定誘起絡み目のデータ駆動学習性遷移
• Authors: Dongheng Qian, Jing Wang,
• Abstract要約: 測定誘起絡み合い(MIE)は、局所的な測定が長距離量子相関をいかに生成するかをキャプチャする。 しかし、MIEの推定は実験的に困難である。 ニューラルネットワークを自己教師型でトレーニングし、MIEの不確実性を予測する。
• 参考スコア（独自算出の注目度）: 2.062625346892268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Measurement-induced entanglement (MIE) captures how local measurements generate long-range quantum correlations and drive dynamical phase transitions in many-body systems. Yet estimating MIE experimentally remains challenging: direct evaluation requires extensive post-selection over measurement outcomes, raising the question of whether MIE is accessible with only polynomial resources. We address this challenge by reframing MIE detection as a data-driven learning problem that assumes no prior knowledge of state preparation. Using measurement records alone, we train a neural network in a self-supervised manner to predict the uncertainty metric for MIE--the gap between upper and lower bounds of the average post-measurement bipartite entanglement. Applied to random circuits with one-dimensional all-to-all connectivity and two-dimensional nearest-neighbor coupling, our method reveals a learnability transition with increasing circuit depth: below a threshold, the uncertainty is small and decreases with polynomial measurement data and model parameters, while above it the uncertainty remains large despite increasing resources. We further verify this transition experimentally on current noisy quantum devices, demonstrating its robustness to realistic noise. These results highlight the power of data-driven approaches for learning MIE and delineate the practical limits of its classical learnability.
• Abstract（参考訳）: 測定誘起絡み合い(MIE)は、局所的な測定によって長距離量子相関が生成され、多体系における動的相転移を駆動する方法をキャプチャする。 直接評価は、測定結果よりも広範なポストセレクションを必要とし、MIEが多項式リソースのみでアクセス可能であるかどうかという疑問を提起する。 この課題は、状態準備の事前知識を前提としないデータ駆動学習問題として、MIE検出を再検討することで解決される。 測定記録のみを用いて、ニューラルネットワークを自己教師付きでトレーニングし、平均測位後二分節絡みの上下境界の差であるMIEの不確かさを予測した。 1次元全接続と2次元近接結合を持つランダム回路に適用すると、回路深度の増加に伴う学習可能性遷移が明らかになる:しきい値以下では、不確実性は小さく、多項式測定データやモデルパラメータによって減少するが、その上、資源の増加にもかかわらず不確実性は大きい。 我々は、この遷移を現在のノイズ量子デバイスで実験的に検証し、現実的な雑音に対するロバスト性を実証する。 これらの結果は、MIE学習におけるデータ駆動型アプローチのパワーを強調し、その古典的学習可能性の実践的限界を明確にする。

関連論文リスト

• Machine learning the effects of many quantum measurements [0.5973423278489198]
  超伝導量子プロセッサにおいて、1次元および2次元の量子ビット配列の絡み合った状態を生成する。 遠方の量子ビット対間で引き起こされる長距離の絡み合いを、他の全てを測定する際に特徴付けることを目的とする。
  論文  参考訳（メタデータ） (2025-09-10T18:00:05Z)
• Learning measurement-induced phase transitions using attention [10.601354007979252]
  我々はQuantum Attention Networks (QuAN) を用いたスケーラブルなデータ中心アプローチを導入し,測定誘起相転移を検出する。 我々はまず、QuANがMIPTを「学習可能性」遷移として解釈できることを示す。 サンプル効率で動機付け,弱・強モニタリングデータに代えて「位相認識」タスクを分類する手法を提案する。
  論文  参考訳（メタデータ） (2025-08-21T18:00:06Z)
• Detecting Quantum and Classical Phase Transitions via Unsupervised Machine Learning of the Fisher Information Metric [0.0]
  そこで我々はClassiFIMと呼ばれる教師なし機械学習(ML)手法を開発した。 クラスiFIMは、トポロジカル(例えばXXZ鎖)と動的(例えば、ハバードモデルにおける金属絶縁体遷移)の両方を確実に検出する。
  論文  参考訳（メタデータ） (2024-08-06T19:34:04Z)
• Disturbance Evaluation Circuit in Quantum Measurement [0.0]
  量子ルート平均二乗乱(QRMS)の新たな評価法を提案する。 3状態法 (TSM) と弱測定法 (WMM) との性能比較を行った。
  論文  参考訳（メタデータ） (2024-05-19T04:55:39Z)
• Transition Role of Entangled Data in Quantum Machine Learning [51.6526011493678]
  エンタングルメントは量子コンピューティングを強化するリソースとして機能する。 最近の進歩は量子力学の学習に対する肯定的な影響を浮き彫りにした。 我々は、絡み合ったデータを用いて量子力学を学習するための量子no-free-lunch(NFL)定理を確立する。
  論文  参考訳（メタデータ） (2023-06-06T08:06:43Z)
• Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
  本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。 従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
  論文  参考訳（メタデータ） (2023-03-13T13:06:40Z)
• Measurement-induced entanglement and teleportation on a noisy quantum processor [105.44548669906976]
  最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。 二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。 我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
  論文  参考訳（メタデータ） (2023-03-08T18:41:53Z)

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。