論文の概要: Parametric Quantum State Tomography with HyperRBMs

• arxiv url: http://arxiv.org/abs/2601.20950v1
• Date: Wed, 28 Jan 2026 19:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.388222
• Title: Parametric Quantum State Tomography with HyperRBMs
• Title（参考訳）: HyperRBMを用いたパラメトリック量子状態トモグラフィ
• Authors: Simon Tonner, Viet T. Tran, Richard Kueng,
• Abstract要約: 量子状態トモグラフィ(QST)は、量子デバイスの検証には不可欠であるが、システムサイズの指数的スケーリングに悩まされている。 本稿では、ハミルトン制御パラメータにRBMを条件付けるハイパーネットワークに基づくパラメトリックQSTフレームワークを提案する。 横場イジングモデルの適用により、1次元および2次元格子上の局所的なパウリ測定から高忠実度再構成を実現する。
• 参考スコア（独自算出の注目度）: 0.20854674413792754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum state tomography (QST) is essential for validating quantum devices but suffers from exponential scaling in system size. Neural-network quantum states, such as Restricted Boltzmann Machines (RBMs), can efficiently parameterize individual many-body quantum states and have been successfully used for QST. However, existing approaches are point-wise and require retraining at every parameter value in a phase diagram. We introduce a parametric QST framework based on a hypernetwork that conditions an RBM on Hamiltonian control parameters, enabling a single model to represent an entire family of quantum ground states. Applied to the transverse-field Ising model, our HyperRBM achieves high-fidelity reconstructions from local Pauli measurements on 1D and 2D lattices across both phases and through the critical region. Crucially, the model accurately reproduces the fidelity susceptibility and identifies the quantum phase transition without prior knowledge of the critical point. These results demonstrate that hypernetwork-modulated neural quantum states provide an efficient and scalable route to tomographic reconstruction across full phase diagrams.
• Abstract（参考訳）: 量子状態トモグラフィ(QST)は、量子デバイスの検証には不可欠であるが、システムサイズの指数的スケーリングに悩まされている。 Restricted Boltzmann Machines (RBMs) のようなニューラルネットワーク量子状態は、個別の多体量子状態を効率的にパラメータ化することができ、QSTに成功している。 しかし、既存のアプローチはポイントワイズであり、フェーズダイアグラムのすべてのパラメータ値で再訓練する必要がある。 本稿では、ハミルトン制御パラメータにRBMを条件付けるハイパーネットワークに基づくパラメトリックQSTフレームワークを導入し、単一のモデルが量子基底状態の族全体を表現できるようにする。 横場イジングモデルに適用し, 両相および臨界領域における1次元および2次元格子の局所的なパウリ測定から高忠実度再構成を実現する。 決定的に、モデルは忠実度感受性を正確に再現し、臨界点の事前の知識なしに量子相転移を識別する。 これらの結果から,超ネットワーク変調型ニューラル量子状態は全位相図間のトモグラフィ再構成に効率的かつスケーラブルな経路を提供することが示された。

関連論文リスト

• Performance Guarantees for Quantum Neural Estimation of Entropies [31.955071410400947]
  量子神経推定器(QNE)は古典的ニューラルネットワークとパラメトリズド量子回路を組み合わせたものである。 非漸近的エラーリスク境界の形で測定された相対エントロピーのQNEの形式的保証について検討する。 我々の理論は、測定された相対エントロピーに対するQNEの原則的実装を促進することを目的としている。
  論文  参考訳（メタデータ） (2025-11-24T16:36:06Z)
• Estimating ground-state properties in quantum simulators with global control [35.3616472951301]
  量子多体系の基底状態の正確な決定は、量子シミュレーションの大きな課題の1つである。 ターゲットハミルトンの下でのグローバルな時間進化のみを用いて基底状態エネルギーを推定するためのプロトコルを提案する。
  論文  参考訳（メタデータ） (2025-11-06T15:08:00Z)
• Quantum Machine Learning for State Tomography Using Classical Data [0.0]
  測定データから量子状態を再構築することは、量子情報科学における重大な課題である。 最近の研究は量子状態トモグラフィー(QST)のための量子機械学習(QML)を探索している。 本稿では,古典的な計測データに完全に依存するQMLベースのトモグラフィープロトコルを提案し,ノイズの多い中間スケール量子(NISQ)デバイス上で完全に実行可能であることを示す。
  論文  参考訳（メタデータ） (2025-07-01T23:42:19Z)
• Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble [40.06696963935616]
  本稿では,量子生成拡散モデル (QGDM) を単純かつエレガントな量子モデルとして紹介する。 QGDMはQGAN(Quantum Generative Adversarial Network)よりも高速な収束を示す 混合状態発生ではQGANよりも53.02%高い忠実性が得られる。
  論文  参考訳（メタデータ） (2024-01-13T10:56:34Z)
• Adaptive Quantum State Tomography with Active Learning [0.0]
  本稿では,能動学習を用いた量子状態トモグラフィーの効率的なスキームを提案し,実装する。 本手法は, 1次元のXXZモデルと運動的に制約されたスピン鎖の基底状態だけでなく, 様々なエンタングルメントの程度で異なるマルチキュービット状態の再構成を行う。 提案手法は,量子多体システムにおける物理的洞察を得るとともに,量子デバイスをベンチマークし,特徴付けるためにも有効である。
  論文  参考訳（メタデータ） (2022-03-29T16:23:10Z)
• Determining ground-state phase diagrams on quantum computers via a generalized application of adiabatic state preparation [61.49303789929307]
  我々は、状態準備のために局所的な断熱ランプを使用して、時間的進化を通じて量子コンピュータ上の基底状態位相図を直接計算することができる。 我々は,IBMの量子マシンを用いて,二つのサイトシステムと3つのサイトシステムの両方の正確な位相図を計算できる。
  論文  参考訳（メタデータ） (2021-12-08T23:59:33Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)

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。