論文の概要: Exponentially-improved effective descriptions of physical bosonic systems

• arxiv url: http://arxiv.org/abs/2604.18720v1
• Date: Mon, 20 Apr 2026 18:20:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.413666
• Title: Exponentially-improved effective descriptions of physical bosonic systems
• Title（参考訳）: 物理ボソニック系の指数的に改善された実効的記述
• Authors: Varun Upreti, Nicolás Quesada, Ulysse Chabaud,
• Abstract要約: ボソニック量子系の効果的な記述は、その基本的な力学を捉えるのに必要な最小有限次元を特定する。 この有効次元は、古典的および量子的アルゴリズムのボゾン系の学習とシミュレートにおいて重要な役割を果たす。 物理ボソニック系は, 従来想定されていたよりもはるかに良好であり, 高精度でも効率的に記述できることを示す。
• 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: The effective description of a bosonic quantum system identifies the minimum finite dimension required to capture its essential dynamics. This effective dimension plays an important role in the complexity of classical and quantum algorithms for learning and simulating bosonic systems. While generic bosonic states require a dimension scaling as $1/ε^2$ for a precision of approximation $ε$, here we identify a natural energy condition which allows us to improve this scaling exponentially to $\log(1/ε)$. We then prove that most bosonic quantum states satisfy this condition, and in particular those produced by combining Gaussian dynamics with generic energy-preserving dynamics, which include the output states of universal bosonic quantum circuits. We apply this finding to enhance learning algorithms for bosonic quantum states and we further obtain new classical simulation algorithms for a large class of bosonic systems. Finally, using efficient decompositions of Kerr gates as sums of Gaussian gates, we significantly refine these classical simulation algorithms for universal bosonic quantum circuits. Our results demonstrate that physical bosonic systems are significantly more well-behaved than previously assumed, allowing for efficient descriptions even at high precision.
• Abstract（参考訳）: ボゾン量子系の効果的な記述は、その基本的な力学を捉えるのに必要な最小有限次元を特定する。 この有効次元は、古典的および量子的アルゴリズムのボゾン系の学習とシミュレートにおいて重要な役割を果たす。 一般ボゾン状態は、近似の精度が$ε$に対して1/ε^2$の次元スケーリングを必要とするが、ここでは、このスケーリングを指数関数的に$\log(1/ε)$に改善できる自然エネルギー条件を特定する。 そして、ほとんどのボソニック量子状態がこの条件を満たすことを証明し、特に普遍ボソニック量子回路の出力状態を含む一般エネルギー保存力学とガウス力学を組み合わせて生成する。 この発見をボソニック量子状態の学習アルゴリズムの強化に適用し、さらに多数のボソニック系に対する新しい古典的シミュレーションアルゴリズムを得る。 最後に、カーゲートの効率的な分解をガウスゲートの和として使用し、これらの古典的なシミュレーションアルゴリズムを普遍ボソニック量子回路のために大幅に洗練する。 以上の結果から,物理ボソニック系は従来想定されていたよりもはるかに良好であり,高精度でも効率的な記述が可能であることが示唆された。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Solving reaction dynamics with quantum computing algorithms [42.408991654684876]
  線形応答によって支配される異なる反応を記述することに関連する応答関数の量子アルゴリズムについて検討する。 我々は原子核物理学の応用に焦点をあて、格子上の量子ビット効率のマッピングを検討し、現実的な散乱シミュレーションに必要な大量の量を効率的に表現することができる。
  論文  参考訳（メタデータ） (2024-03-30T00:21:46Z)
• Adaptive Circuit Learning of Born Machine: Towards Realization of Amplitude Embedding and Quantum Data Loading [14.015610256155602]
  本稿では、アンザッツ回路を動的に拡張するAdaptive Circuit Learning of Born Machineというフレームワークを提案する。 本アルゴリズムは、ターゲット状態に存在する複雑な絡み合いを最もよく捉える2ビットの絡み合いゲートを選択的に統合するように設計されている。
  論文  参考訳（メタデータ） (2023-11-29T16:47:31Z)
• Optimal quantum control via genetic algorithms for quantum state engineering in driven-resonator mediated networks [68.8204255655161]
  進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。 我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。 アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
  論文  参考訳（メタデータ） (2022-06-29T14:34:00Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
  時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。 一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。 幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
  論文  参考訳（メタデータ） (2021-04-01T19:06:00Z)
• Scalable Hamiltonian learning for large-scale out-of-equilibrium quantum dynamics [0.0]
  平衡外量子系におけるハミルトントモグラフィーのためのニューラルネットワークに基づくスケーラブルなアルゴリズムを提案する。 具体的には,任意の大きさの準1次元ボゾン系のハミルトニアンを再構成可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-01T19:00:15Z)
• Autoregressive Transformer Neural Network for Simulating Open Quantum Systems via a Probabilistic Formulation [5.668795025564699]
  オープン量子システムのダイナミクスに対処するためのアプローチを提案する。 自己回帰変換ニューラルネットワークを用いて量子状態をコンパクトに表現する。 効率的なアルゴリズムは、リウヴィリア超作用素の力学をシミュレートするために開発された。
  論文  参考訳（メタデータ） (2020-09-11T18:00:00Z)

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。