論文の概要: Neural quantum states for entanglement depth certification from randomized Pauli measurements

• arxiv url: http://arxiv.org/abs/2512.13121v1
• Date: Mon, 15 Dec 2025 09:20:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.601008
• Title: Neural quantum states for entanglement depth certification from randomized Pauli measurements
• Title（参考訳）: ランダム化パウリ測定による絡み合い深度認証のためのニューラル量子状態
• Authors: Marcin Płodzień,
• Abstract要約: 絡み合い深さ(Entanglement depth)は、実際の多部絡み合いを共有するキュービットの数を定量化する。 認定は通常 仕立てられた証人や フルトモグラフィーに頼っている 我々は、エンタングルメント深さと非$$$セパビリティ認定を、可能性に基づくモデル選択として再放送する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entanglement depth quantifies how many qubits share genuine multipartite entanglement, but certification typically relies on tailored witnesses or full tomography, both of which scale poorly with system size. We recast entanglement-depth and non-$k$-separability certification as likelihood-based model selection among neural quantum states whose architecture enforces a chosen entanglement constraint. A hierarchy of separable neural quantum states is trained on finite-shot local Pauli outcomes and compared against an unconstrained reference model trained on the same data. When all constrained models are statistically disfavored, the data certify entanglement beyond the imposed limit directly from measurement statistics, without reconstructing the density matrix. We validate the method on simulated six- and ten-qubit datasets targeting GHZ, Dicke, and Bell-pair states, and demonstrate robustness for mixed states under local noise. Finally, we discuss lightweight interpretability diagnostics derived from trained parameters that expose coarse entanglement patterns and qubit groupings directly from bitstring statistics.
• Abstract（参考訳）: 絡み合い深度(Entanglement depth)は、実際のマルチパートの絡み合いを共有しているキュービットの数を定量化するが、認証は通常、調整された目撃者や完全なトモグラフィーに依存する。 我々は、アーキテクチャが選択された絡み合い制約を強制するニューラルネットワーク状態の確率ベースモデル選択として、絡み合い深度と非$kの分離性証明を再放送する。 分離可能なニューラル量子状態の階層は、有限ショットの局所的なパウリ結果に基づいて訓練され、同じデータで訓練された非制約参照モデルと比較される。 すべての制約されたモデルが統計的に不利な場合、データは密度行列を再構成することなく、測定統計から直接課された制限を超えた絡みを認証する。 本手法は,GHZ,Dicke,Bell-pairをターゲットとした6ビットおよび10ビットのデータセットをシミュレーションし,局所雑音下での混合状態に対するロバスト性を示す。 最後に、ビットストリング統計から直接粗い絡み込みパターンや量子グループ化を公開する訓練パラメータから導かれる軽量な解釈可能性診断について論じる。

関連論文リスト

• Efficient Fidelity Estimation with Few Local Pauli Measurements [3.428706362109922]
  本研究では,実験状態がターゲットとどの程度近いかを定量化するプロトコルを開発する。 この推定器のバイアスを分析し、その性能を目標状態によって誘導されるマルコフ連鎖の混合時間$tau$にリンクする。 この作業により、スケーラブルなベンチマーク、エラーキャラクタリゼーション、トモグラフィ支援が可能になる。
  論文  参考訳（メタデータ） (2025-10-09T12:35:58Z)
• Information-Computation Gaps in Quantum Learning via Low-Degree Likelihood [9.179660060516916]
  本研究では、状態設計と低次硬度との一般的な関係を確立する。 これを応用して、ギブス状態のランダム、スパース、非局所ハミルトニアンの学習に最初の情報計算ギャップを得る。 また、単一量子ビット測定による戦略に対する量子誤差軽減のための低次硬度結果を得る。
  論文  参考訳（メタデータ） (2025-05-28T18:04:10Z)
• Bounding the Sample Fluctuation for Pure States Certification with Local Random Measurement [4.923287660970805]
  ランダム化計測技術の最近の進歩は、この分野に新たな洞察をもたらした。 ランダム局所ハール測定により純粋量子状態の証明を行うスキームの基本特性について検討する。 その結果,演算子の複雑性と量子アルゴリズムの効率との本質的な相互作用が明らかになり,長距離絡み付き純粋状態の局所的認証の障害となった。
  論文  参考訳（メタデータ） (2024-10-22T02:26:44Z)
• Enhanced Entanglement in the Measurement-Altered Quantum Ising Chain [43.80709028066351]
  局所的な量子測定は単に自由度を乱すのではなく、システム内の絡みを強める可能性がある。 本稿では,局所測定の有限密度が与えられた状態の絡み合い構造をどのように修正するかを考察する。
  論文  参考訳（メタデータ） (2023-10-04T09:51:00Z)
• Valid and efficient entanglement verification with finite copies of a quantum state [0.4523163728236145]
  小データセットにおける絡み検出方式の有効性と効率を最適化する方法を示す。 この手法は相関関数に対する有限統計効果の分析モデルに基づく。
  論文  参考訳（メタデータ） (2022-08-03T11:27:45Z)
• Automatic Mixed-Precision Quantization Search of BERT [62.65905462141319]
  BERTのような事前訓練された言語モデルは、様々な自然言語処理タスクにおいて顕著な効果を示している。 これらのモデルは通常、数百万のパラメータを含んでおり、リソースに制約のあるデバイスへの実践的なデプロイを妨げている。 本稿では,サブグループレベルでの量子化とプルーニングを同時に行うことができるBERT用に設計された混合精密量子化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-30T06:32:47Z)
• Chance-Constrained Control with Lexicographic Deep Reinforcement Learning [77.34726150561087]
  本稿では,レキシックなDeep Reinforcement Learning(DeepRL)に基づく確率制約マルコフ決定プロセスを提案する。 有名なDeepRLアルゴリズムDQNの辞書版も提案され、シミュレーションによって検証されている。
  論文  参考訳（メタデータ） (2020-10-19T13:09:14Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)
• Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
  本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。 我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
  論文  参考訳（メタデータ） (2020-03-04T12:27:36Z)
• Gaussian Process States: A data-driven representation of quantum many-body physics [59.7232780552418]
  我々は、絡み合った多体量子状態をコンパクトに表現するための、新しい非パラメトリック形式を示す。 この状態は、非常にコンパクトで、体系的に即効性があり、サンプリングに効率的である。 また、量子状態に対する普遍的な近似器として証明されており、データセットのサイズが大きくなるにつれて、絡み合った多体状態も捉えることができる。
  論文  参考訳（メタデータ） (2020-02-27T15:54:44Z)

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。