論文の概要: Structured Quantum State Reconstruction via Physically Motivated Operator Selection

• arxiv url: http://arxiv.org/abs/2604.21272v1
• Date: Thu, 23 Apr 2026 04:30:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.302846
• Title: Structured Quantum State Reconstruction via Physically Motivated Operator Selection
• Title（参考訳）: 物理的動機付け演算子選択による構造量子状態再構成
• Authors: Ayush Chambyal, Brijesh, Rakesh Sharma,
• Abstract要約: 量子状態トモグラフィ(QST)は、測定と計算コストの両方で指数関数的にスケールする。 既存のアプローチはこの複雑さを減らそうとしているが、物理的に関係のある相関関係に基づいて作用素空間を明示的に制限しない。 我々は,密度行列をギブズ表現に制限された可観測量の集合を用いて再構成する構造化QSTフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 0.38233569758620045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum state tomography (QST) scales exponentially in both measurement and computational cost, making full reconstruction impractical for multi-qubit systems. Existing approaches attempt to reduce this complexity, but do not explicitly restrict the operator space based on physically relevant correlations. We develop a structured QST framework in which the density matrix is reconstructed using a restricted set of observables in a Gibbs representation. The Structured Gibbs Quantum State Tomography (SG-QST) is built by progressively including local, nearest-neighbor, and global correlations. Benchmarking on three, four, and five-qubit. GHZ states shows that comparable fidelity can be achieved with significantly fewer parameters by restricting the operator space to physically relevant observables. These results demonstrate that physically motivated operator-space restriction enables efficient and interpretable quantum state reconstruction.
• Abstract（参考訳）: 量子状態トモグラフィ(QST)は、測定と計算コストの両方で指数関数的にスケールし、マルチキュービットシステムでは完全な再構築は不可能である。 既存のアプローチはこの複雑さを減らそうとしているが、物理的に関係のある相関関係に基づいて作用素空間を明示的に制限しない。 我々は,密度行列をギブズ表現に制限された可観測量の集合を用いて再構成する構造化QSTフレームワークを開発する。 構造化ギブス量子状態トモグラフィ(Structured Gibbs Quantum State Tomography, SG-QST)は、局所的・近接的・大域的相関関係を含む。 ベンチマークは3、4、5-qubit。 GHZ 状態は、演算子空間を物理的に関係する観測可能量に制限することにより、同等の忠実度をかなり少ないパラメータで達成できることを示している。 これらの結果は、物理的に動機付けられた演算子空間の制限が、効率的かつ解釈可能な量子状態再構成を可能にすることを示す。

関連論文リスト

• Efficient direct quantum state tomography using fan-out couplings [0.2796197251957245]
  本稿では,強測度推定とファンアウト結合アーキテクチャを組み合わせた直接量子状態トモグラフィー手法を提案する。 我々は、IBM Quantum Platformを介して超伝導量子プロセッサ上のスキームを実験的に検証した。
  論文  参考訳（メタデータ） (2026-04-06T06:02:27Z)
• Hysteretic squashed entanglement in many-body quantum systems [42.085941481155295]
  多体量子系の絡み合いは空間領域に分散する。 本研究では,二つの領域間の真の量子相関を測る条件付きエンタングルメントである,ヒステリックエンタングルメント$T_sq$を提案する。 我々は、T_sq$が隣接するサブシステムと長距離サブシステムの両方で真の量子相関を検出できることを示した。
  論文  参考訳（メタデータ） (2026-03-10T17:00:49Z)
• Localization Without Disorder: Quantum Walks on Structured Graphs [0.0]
  連続時間量子ウォーク(CTQW)は、古典的なものと根本的に異なる局所化現象を示す。 2つの高対称グラフ族上のCTQWにおける局所化の完全な解析的特徴について述べる。
  論文  参考訳（メタデータ） (2026-03-05T19:54:40Z)
• Explicit Quantum Circuits for Simulating Linear Differential Equations via Dilation [0.0]
  本稿では,拡張形式と明示的な量子回路構成を結合する具体的なパイプラインを提案する。 解析面では、量子実装に適した連続拡張作用素の離散化を導入する。 得られたスキームは、指数関数的に小さな境界効果まで、オーダー$O(M-3/2)$の大域的誤差境界を達成することを証明した。
  論文  参考訳（メタデータ） (2025-09-20T18:54:49Z)
• Structure-Fair Quantum Circuit Complexity: An Auditable Information-Theoretic Lower Bound [0.2606834301724095]
  本稿では、利用可能な量子演算によって校正される情報理論測度であるReference-Contingent Complexity (RCC)を紹介する。 我々の中心的な結果は、RCCが任意の普遍量子回路の複雑さの低い境界となることを厳密に証明する鍵定理である。 この研究は、構造フェアであり、クロスプラットフォームの比較を可能にする量子技術のための「ルーラー」を提供する。
  論文  参考訳（メタデータ） (2025-09-20T14:58:34Z)
• Overlapping qubits from non-isometric maps and de Sitter tensor networks [41.94295877935867]
  局所的な実効理論の過程は、自由度が低い量子系と密接な関係を持つことが示される。 重なり合う量子ビットが、概念的にはヒルベルト空間次元の検証、ブラックホールやホログラフィーにおける自由度数とどのように結びついているかを強調した。
  論文  参考訳（メタデータ） (2023-04-05T18:08:30Z)
• Quantum state tomography with tensor train cross approximation [84.59270977313619]
  測定条件が最小限であるような状態に対して、完全な量子状態トモグラフィが実行可能であることを示す。 本手法は,非構造状態と局所測定のための最もよく知られたトモグラフィー法よりも指数関数的に少ない状態コピーを必要とする。
  論文  参考訳（メタデータ） (2022-07-13T17:56:28Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)

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。