論文の概要: Optimal detection of dissipation in Lindbladian dynamics
- arxiv url: http://arxiv.org/abs/2603.17736v1
- Date: Wed, 18 Mar 2026 14:02:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-19 18:32:57.734653
- Title: Optimal detection of dissipation in Lindbladian dynamics
- Title（参考訳）: リンドブラディアン力学における散逸の最適検出
- Abstract要約: ハミルトン量子力学は、環境との相互作用による散逸ノイズの影響を受けている。
このことは、システムの観測時間進化にのみアクセスすることで、そのような散逸の有無を検知できるかどうかという疑問を提起する。
時間独立なLindbladian $mathcalL$が生成する時間進化チャネルへのブラックボックスアクセスを与えられる。
総進化時間$mathcalO(-1)$,
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Experimental implementations of Hamiltonian dynamics are often affected by dissipative noise arising from interactions with the environment. This raises the question of whether one can detect the presence or absence of such dissipation using only access to the observed time evolution of the system. We consider the following decision problem: given black-box access to the time-evolution channels $e^{t\mathcal{L}}$ generated by an unknown time-independent Lindbladian $\mathcal{L}$, determine whether the dynamics are purely Hamiltonian or contain dissipation of magnitude at least $ε$ in normalized Frobenius norm. We give a randomized procedure that solves this task using total evolution time $\mathcal{O}(ε^{-1})$, which is information-theoretically optimal. This guarantee holds under the assumptions that the Lindblad generator has bounded strength and its dissipative part is of constant locality with bounded degree. Our work provides a practical method for detecting dissipative noise in experimentally implemented quantum dynamics.
- Abstract（参考訳）: ハミルトン力学の実験的な実装は、しばしば環境との相互作用から生じる散逸ノイズに影響される。
このことは、システムの観測時間進化にのみアクセスすることで、そのような散逸の有無を検知できるかどうかという疑問を提起する。
時間進化チャネルへのブラックボックスアクセスが与えられる $e^{t\mathcal{L}}$ は未知の時間独立なリンドブラディアンの$\mathcal{L}$ によって生成され、力学が純粋にハミルトン的であるか、あるいは正規化されたフロベニウスノルムにおいて少なくとも$ε$の散逸を含むかを決定する。
情報理論的に最適である全進化時間$\mathcal{O}(ε^{-1})$を用いて、この課題を解決するランダム化された手順を与える。
この保証はリンドブラッド生成元が有界な強度を持ち、その散逸部が有界な局所性を持つという仮定の下で成り立つ。
本研究は,実験的に実装された量子力学における散逸ノイズを検出するための実用的な方法を提供する。
関連論文リスト
- Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Near-Optimal Learning of Local Lindbladians [8.542629891640045]
局所リンドブラディアンをブラックボックスアクセスから物理的進化まで学習する問題について検討する。
有限時間チャネルプローブから直接構築したアルゴリズムで、未知の進化を短時間で行う。
提案アルゴリズムは,物理力学アクセスと全進化時間の両方において,学習アルゴリズムがほぼ最適であることを示す。
論文 参考訳（メタデータ） (2026-06-18T17:48:31Z) - Why SGD is not Brownian Motion: A New Perspective on Stochastic Dynamics [92.39053980710702]
グラディエント・Descent (SGD) は通常ランゲヴィン過程としてモデル化され、ミニバッチノイズがブラウン運動として働くと仮定される。
この近似は、連続時間制限と、離散的なSGD更新を有限学習率で一致しないsqrt(eta)ノイズスケーリングに依存している。
ミニバッチサンプリングによって誘導されるゆらぎのある損失景観における決定論的力学としてのSGDの別の定式化を提案する。
論文 参考訳（メタデータ） (2026-05-21T15:50:40Z) - Hamiltonian dynamics from pure dissipation [3.1798318618973362]
内部ハミルトニアン力学は外部の純粋散逸によって「フェイク」できることを示す。
明示的ハミルトン項が 0 で非トレースなジャンプ作用素を持つ GKSL 表現では、散逸的生成子は$$$エラーでハミルトン力学を近似することができる。
論文 参考訳（メタデータ） (2026-04-20T17:28:28Z) - Lindbladian Learning with Neural Differential Equations [0.32326259807823027]
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。
論文 参考訳（メタデータ） (2026-03-08T19:43:48Z) - Ancilla-Free Fast-Forwarding Lindbladian Simulation Algorithms by Hamiltonian Twirling [2.8802622551493773]
時間=t$進化写像は、ユニタリ軌道上のガウスのツワールを正確に表すことができる。
この構造的洞察により、リンドブラディアンシミュレーションのための高速フォワードアルゴリズムを設計できる。
論文 参考訳（メタデータ） (2025-11-13T12:39:18Z) - Nonlocality under Jaynes-Cummings evolution: beyond pseudospin operators [44.99833362998488]
我々は、Jaynes-Cummings Hamiltonianにより動的に決定されるハイブリッドシナリオにおける(ベル)非局所性の生成と進化を再考する。
qubit-qudit系におけるベルの最適違反に関する最近の結果は、非局所性が以前推定されたよりもはるかに大きいことを示している。
論文 参考訳（メタデータ） (2024-10-14T16:01:23Z) - A Skewness-Based Criterion for Addressing Heteroscedastic Noise in Causal Discovery [47.36895591886043]
非定常対称雑音モデル(HSNMs)について検討する。
データ分布のスコア(すなわちログ密度の勾配)の歪度に基づいて、HSNMを識別するための新しい基準を導入する。
外部ノイズの抽出を必要とせずにヘテロ代用ノイズを処理するアルゴリズムであるSkewScoreを提案する。
論文 参考訳（メタデータ） (2024-10-08T22:28:30Z) - Spectral gaps of local quantum channels in the weak-dissipation limit [0.0]
保存則のない一般カオス量子多体系の力学をバルク散逸の弱い条件下で考察する。
これらの散逸動力学の生成元である量子チャネル$mathcalE$は、熱力学的極限が最初に取られるとき、散逸強度$gammaから0$として非ゼロギャップを保持する。
我々は、$gamma から 0$ の極限のギャップは、ユニタリ力学のパラメータをチューニングすることによって非解析的に変化できると主張している。
論文 参考訳（メタデータ） (2024-09-25T18:00:07Z) - Lindbladian reverse engineering for general non-equilibrium steady states: A scalable null-space approach [49.1574468325115]
NESS を対象とするリンドバルディアン・マスター方程式を再構成する手法を提案する。
相関行列の核(ヌル空間)はリンドブラディアン解に対応する。
ボソニックガウスから散逸駆動の集合スピンまで、様々なシステムでこの方法を説明する。
論文 参考訳（メタデータ） (2024-08-09T19:00:18Z) - Exact dynamics of quantum dissipative $XX$ models: Wannier-Stark localization in the fragmented operator space [49.1574468325115]
振動と非振動崩壊を分離する臨界散逸強度において例外的な点が見つかる。
また、演算子部分空間全体の単一減衰モードにつながる異なるタイプの散逸についても記述する。
論文 参考訳（メタデータ） (2024-05-27T16:11:39Z) - Ehrenfest's theorem beyond the Ehrenfest time [1.497411457359581]
環境誘起拡散の強さが$D gg (hbar/s_H)4/3 D_H$を満たすとき、量子的および古典的進化は近いことを証明している。
我々の境界に基づいて、量子リンドブラッド力学をシミュレートするための効率的な古典的アルゴリズムを与える。
論文 参考訳（メタデータ） (2023-06-23T18:01:53Z) - Losing momentum in continuous-time stochastic optimisation [42.617042045455506]
運動量に基づく最適化アルゴリズムは 特に広まりました
本研究では、運動量を伴う勾配降下の連続時間モデルを解析する。
また、画像分類問題において畳み込みニューラルネットワークを訓練する。
論文 参考訳（メタデータ） (2022-09-08T10:46:05Z) - Noisy atomic magnetometry in real time [0.0]
連続監視された原子スピンアンサンブルは、原理的には外部磁場のリアルタイムセンシングを可能にする。
必然的不完全性を考慮に入れた場合には,カルマンフィルタ法に基づく結論がどう変化するかを検討する。
無限小のノイズでさえ、エラーを任意に減少させることができないことを証明している。
論文 参考訳（メタデータ） (2021-03-22T17:28:40Z) - Assessment of weak-coupling approximations on a driven two-level system
under dissipation [58.720142291102135]
我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。
我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
論文 参考訳（メタデータ） (2020-11-11T22:45:57Z) - Non-asymptotic and Accurate Learning of Nonlinear Dynamical Systems [34.394552166070746]
本研究では,1つの有限軌跡から得られた標本からシステム力学を学習するための勾配に基づくアルゴリズムについて検討する。
既存の作業とは異なり、我々の限界はノイズに敏感で、精度が高く、サンプルの複雑さも小さい。
論文 参考訳（メタデータ） (2020-02-20T02:36:44Z)
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。