論文の概要: Post-Selection-Free Decoding of Measurement-Induced Area-Law Phases via Neural Networks

• arxiv url: http://arxiv.org/abs/2604.03550v1
• Date: Sat, 04 Apr 2026 02:34:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.633243
• Title: Post-Selection-Free Decoding of Measurement-Induced Area-Law Phases via Neural Networks
• Title（参考訳）: ニューラルネットを用いた計測誘導型エリアロー位相の非選択復号化
• Authors: Hui Yu, Jiangping Hu, Shi-Xin Zhang,
• Abstract要約: 我々は、畳み込みニューラルネットワークと注意機構を組み合わせたニューラルネットワークアーキテクチャを考案し、自明で長距離の絡み合いがあり、対称性に保護された位相を分類する。 定常状態への緩和は、量子状態再構成の必要性を完全に回避し、分類器の精度の急激な収束として現れることを示す。
• 参考スコア（独自算出の注目度）: 5.626168552306134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monitored quantum circuits host a rich variety of exotic non-equilibrium phases. Among the most representative examples are measurement-induced phase transitions between distinct area-law entangled states. However, because these transitions are characterized by specific entanglement quantities such as mutual information or topological entanglement entropy that are nonlinear functionals of the density matrix, their experimental observation requires multiple identical quantum trajectories via post-selection, which becomes exponentially unfeasible for large systems. Here, we leverage modern machine learning tools to address this challenge. We devise a neural network architecture combining a convolutional neural network with an attention mechanism, and use raw measurement outcomes directly as input to classify trivial, long-range entangled, and symmetry-protected topological phases. We show that the system's relaxation to a steady-state phase manifests as a sharp convergence in the classifier's accuracy, entirely bypassing the need for quantum state reconstruction. We systematically study the performance of our network as a function of sample size, input data, spatial and temporal constraints, and system size scalability. Our results demonstrate that this approach is robust and post-selection free, offering a practical pathway for experimentally probing measurement-induced phases.
• Abstract（参考訳）: モニターされた量子回路は、多様なエキゾチックな非平衡相をホストする。 最も代表的な例としては、異なる領域法交絡状態間の測定誘起相転移がある。 しかしながら、これらの遷移は、密度行列の非線形機能である相互情報や位相エンタングルメントエントロピーのような特定の絡み合い量によって特徴づけられるため、実験的な観察では、ポストセレクションによって複数の同一の量子軌道が必要であり、これは大規模システムでは指数関数的に不可能になる。 ここでは、この課題に対処するために、現代の機械学習ツールを活用します。 我々は、畳み込みニューラルネットワークと注意機構を組み合わせたニューラルネットワークアーキテクチャを考案し、生計測結果を直接入力として使用して、自明で長距離の絡み合った、対称性に保護された位相を分類する。 定常状態への緩和は、量子状態再構成の必要性を完全に回避し、分類器の精度の急激な収束として現れることを示す。 我々は,サンプルサイズ,入力データ,空間的制約,時間的制約,システムサイズスケーラビリティなどの機能として,ネットワークの性能を体系的に研究する。 以上の結果から,本手法は頑健で選択後自由であり,測定誘起相を実験的に探究するための実用的な経路であることが示された。

関連論文リスト

• Distance learning from projective measurements as an information-geometric probe of many-body physics [0.0]
  現代の量子シミュレーターは単発射影「スナップショット」の大きなアンサンブルを生成する このような表現学習は遠距離学習に有利である。 我々は、Csiszar f-divergences(分布間の統計的距離)を教師なしの方法で推定するために、単一の神経判別器を使用する。
  論文  参考訳（メタデータ） (2026-03-13T18:03:28Z)
• Unsupervised Detection of Topological Phase Transitions with a Quantum Reservoir [1.2098020464460586]
  本稿では,多体局所化進化に基づく教師なし量子位相検出法を提案する。 提案手法では, 複素測定も完全密度行列再構成も必要とせず, ノイズの多い中間規模量子デバイスに対して実用的かつ実現可能である。
  論文  参考訳（メタデータ） (2025-09-30T05:58:48Z)
• Experimental demonstration of scalable cross-entropy benchmarking to detect measurement-induced phase transitions on a superconducting quantum processor [0.0]
  線形交叉エントロピーを用いた絡み合い相転移検出のための新しいプロトコルを提案する。 我々は,IBMの量子ハードウェア上で最大22量子ビットの1次元および全対全接続性を持つシステムにおいて,このプロトコルのデモンストレーションを報告する。 クロスエントロピー・ベンチマークの実証は、測定によって引き起こされる絡み合い相転移と、より大きな短期量子系における関連する臨界現象の研究の道を開くものである。
  論文  参考訳（メタデータ） (2024-03-01T19:35:54Z)
• Message-Passing Neural Quantum States for the Homogeneous Electron Gas [41.94295877935867]
  連続空間における強相互作用フェルミオンをシミュレートするメッセージパッシング・ニューラルネットワークに基づく波動関数Ansatzを導入する。 等質電子ガスの基底状態を3次元でシミュレーションすることにより,その精度を実証する。
  論文  参考訳（メタデータ） (2023-05-12T04:12:04Z)
• 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)
• Neural-Network Decoders for Measurement Induced Phase Transitions [0.0]
  観測量子系における測定誘起絡み合い相転移は顕著な例である。 測定結果に基づいて基準量子ビットの状態を決定するニューラルネットワークデコーダを提案する。 エンタングルメント相転移は,デコーダ関数の学習可能性に変化をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-04-22T19:40:26Z)
• Probing the topological Anderson transition with quantum walks [48.7576911714538]
  光線形ネットワークにおける1次元量子ウォークについて考察する。 ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
  論文  参考訳（メタデータ） (2021-02-01T21:19:15Z)
• Probing Criticality in Quantum Spin Chains with Neural Networks [0.0]
  隠れた層を持たないニューラルネットワークでさえ、磁気秩序と乱れ相の区別を効果的に訓練できることが示される。 我々の結果は、相互作用する量子多体系の幅広いクラスに拡張され、多体量子物理学へのニューラルネットワークの広範な適用性を示す。
  論文  参考訳（メタデータ） (2020-05-05T12:34:50Z)
• Unsupervised machine learning of quantum phase transitions using diffusion maps [77.34726150561087]
  本研究では, 測定データの非線形次元減少とスペクトルクラスタリングを行う拡散写像法が, 教師なしの複雑な位相遷移を学習する上で有意なポテンシャルを持つことを示す。 この方法は、局所観測可能量の単一の基底での測定に役立ち、多くの実験的な量子シミュレータに容易に適用できる。
  論文  参考訳（メタデータ） (2020-03-16T18:40:13Z)

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。