論文の概要: Lindbladian Learning with Neural Differential Equations

• arxiv url: http://arxiv.org/abs/2603.07778v1
• Date: Sun, 08 Mar 2026 19:43:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.211235
• Title: Lindbladian Learning with Neural Differential Equations
• Title（参考訳）: ニューラル微分方程式を用いたリンドブラディアン学習
• Authors: Timothy Heightman, Roman Aseguinolaza Gallo, Edward Jiang, JRM Saavedra, Antonio Acín, Marcin Płodzień,
• Abstract要約: 量子システムの動的生成を測定データから推定することは、量子プロセッサの検証、校正、制御に不可欠である。 ここでは、過渡ダイナミクスのリッチな情報コンテンツを利用して、リンドブラディアンと呼ばれるこの問題に取り組む。 我々のアルゴリズムは、これらの散逸系を4桁の雑音-信号比で強く推定することができる。
• 参考スコア（独自算出の注目度）: 0.32326259807823027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inferring the dynamical generator of a many-body quantum system from measurement data is essential for the verification, calibration, and control of quantum processors. When the system is open, this task becomes considerably harder than in the purely unitary case, because coherent and dissipative mechanisms can produce similar measurement statistics and long-time data can be insensitive to coherent couplings. Here we tackle this so-called Lindbladian learning problem of open-system characterisation with maximum-likelihood on Pauli measurements at multiple experimentally friendly \emph{transient} times, exploiting the richer information content of transient dynamics. To navigate the resulting non-convex likelihood loss-landscape, we augment the physical model neural differential-equation term, which is progressively removed during training to distil an interpretable Lindbladian solution. Our method reliably learns open-system dynamics across neutral-atom (with 2D connectivity) and superconducting Hamiltonians, as well as the Heisenberg XYZ, and PXP models on a spin-1/2 chain. For the dissipative part, we show robustness over phase noise, thermal noise, and their combination. Our algorithm can robustly infer these dissipative systems over noise-to-signal ratios spanning four orders of magnitude, and system sizes up to $N=6$ qubits with fewer than $5 \times 10^5$ shots.
• Abstract（参考訳）: 測定データから多体量子システムの動的生成を推定することは、量子プロセッサの検証、校正、制御に不可欠である。 システムを開くと、コヒーレントおよび散逸機構が同様の測定統計を生成できるため、このタスクは純粋にユニタリの場合よりもはるかに困難になる。 ここでは,複数の実験に親しみやすい<emph{transient} 時間におけるパウリ測度を最大化したオープンシステム特徴化のリンドブラディアン学習問題に取り組み,過渡的ダイナミクスのより豊かな情報内容を活用する。 結果として生じる非凸性損失ランドスケープをナビゲートするために、トレーニング中に徐々に除去され、解釈可能なリンドブラディアン解を除去する物理モデルニューラル微分方程式項を拡張する。 本手法は,中性原子と超伝導ハミルトニアン,ハイゼンベルクXYZ,およびスピン-1/2鎖上のPXPモデル間の開系力学を確実に学習する。 消音部では, 位相雑音, 熱雑音, それらの組み合わせに対して頑健性を示す。 提案アルゴリズムは,4桁の雑音-信号比,最大で5ドル以下でN=6$ qubits,および10^5$ ショットに対して,これらの散逸系を強く推算することができる。

関連論文リスト

• Quantum algorithm for dephasing of coupled systems: decoupling and IQP duality [0.0]
  我々は、余分なアンシラを伴わないユニタリ量子チャネルをサンプリングすることにより、一様リンドブレディアン力学をシミュレートする量子アルゴリズムを提案する。 このアルゴリズムは一般のリンドブラディアンにも適用可能であることを示す。 入浴に結合した電子-フォノン系における非調和効果から自然に生じるフェミオンに結合したボゾンの模型をデファスで研究することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2026-01-09T20:24:49Z)
• Disordered Dynamics in High Dimensions: Connections to Random Matrices and Machine Learning [52.26396748560348]
  ランダム行列によって駆動される高次元力学系について概説する。 機械学習理論における学習と一般化の単純なモデルへの応用に焦点を当てる。
  論文  参考訳（メタデータ） (2026-01-03T00:12:32Z)
• Quantum Noise Tomography with Physics-Informed Neural Networks [0.15229257192293197]
  物理インフォームドニューラルネットワークを用いたリンドブラッド断層撮影のための新しいフレームワークを提案する。 本手法は,支配主方程式を学習することにより,雑音量子系の完全微分可能なディジタル双対を生成する。
  論文  参考訳（メタデータ） (2025-09-15T13:30:50Z)
• Unraveling Quantum Environments: Transformer-Assisted Learning in Lindblad Dynamics [0.0]
  本稿では,量子システムにおける時間依存散逸率を推定するためのTransformerベースの機械学習フレームワークを提案する。 複雑性を増大させるオープン量子モデルの階層化に対する我々のアプローチの有効性を実証する。 我々の結果は、現代の機械学習ツールが、オープン量子システムにおける未知の環境を特定するためのスケーラブルでデータ駆動の代替手段として役立つことを示唆している。
  論文  参考訳（メタデータ） (2025-05-11T10:18:19Z)
• Simulating quantum collision models with Hamiltonian simulations using early fault-tolerant quantum computers [0.6536048280842786]
  我々は、繰り返し相互作用スキームとしても知られる量子衝突モデルをシミュレートするランダム化量子アルゴリズムを開発した。 我々の手法は、初期のフォールトトレラント量子コンピュータにおけるマルコフ力学と非マルコフ力学の両方に量子衝突モデルを利用することができる。
  論文  参考訳（メタデータ） (2025-04-30T12:09:54Z)
• Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
  構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。 このようなシステムに対して動的疎結合が機能する十分な条件を見つける。 私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
  論文  参考訳（メタデータ） (2024-09-24T04:58:28Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Autonomous coherence protection of a two-level system in a fluctuating environment [68.8204255655161]
  我々は、もともと、相互作用しない2レベルシステム(量子ビット)のアンサンブルから静的ドップラー拡大の効果を取り除くことを意図したスキームを再検討する。 このスキームははるかに強力であり、時間と空間に依存するノイズから単一(あるいはアンサンブル)量子ビットのエネルギーレベルを保護できることを示した。
  論文  参考訳（メタデータ） (2023-02-08T01:44:30Z)
• Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
  量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。 本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。 本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
  論文  参考訳（メタデータ） (2022-02-15T19:00:09Z)

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。