論文の概要: Advances in quantum learning theory with bosonic systems

• arxiv url: http://arxiv.org/abs/2605.08082v1
• Date: Fri, 08 May 2026 17:59:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.264209
• Title: Advances in quantum learning theory with bosonic systems
• Title（参考訳）: ボゾン系を用いた量子学習理論の進歩
• Authors: Francesco Anna Mele,
• Abstract要約: 本稿では,連続可変(CV)システムにおける量子学習理論の最近の進歩を概説する。 CVシステムは、ボゾン系および量子光学系を記述するため、自然と量子技術においてユビキタスである。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper reviews recent advances in quantum learning theory for continuous-variable (CV) systems. Quantum learning theory investigates how to extract classical information from quantum systems as efficiently as possible. CV systems are ubiquitous in nature and in quantum technologies, as they describe bosonic and quantum-optical systems. While quantum learning theory for finite-dimensional systems has been extensively studied, the corresponding theory for CV systems has only recently begun to develop; here we provide a concise review. We focus on the following questions: what is the minimum number of copies (the sample complexity) required to learn a non-Gaussian state, possibly under energy constraints? What is the sample complexity for learning Gaussian states? How does the performance of CV state learning depend on non-Gaussianity? How can one test whether a state is Gaussian or far from the set of Gaussian states? And how can Gaussian processes be learned efficiently? Central to these topics, we also review several bounds on the trace distance between CV states in terms of their covariance matrices, which may be of independent interest. Overall, this work summarises selected developments in tomography of CV systems and highlights a selection of open problems.
• Abstract（参考訳）: 本稿では,連続可変(CV)システムにおける量子学習理論の最近の進歩を概説する。 量子学習理論は、量子システムからできるだけ効率的に古典的な情報を抽出する方法を研究する。 CVシステムは、ボゾン系および量子光学系を記述するため、自然と量子技術においてユビキタスである。 有限次元系の量子学習理論は広く研究されているが、CV系の対応する理論は近年発展し始めている。 エネルギー制約の下で非ガウス状態を学ぶのに必要な最小のコピー数(サンプルの複雑さ)は? ガウス状態を学ぶためのサンプルの複雑さは何か? CV状態学習の性能は非ガウス性に依存するか? 州がガウシアンか、ガウシアン国家の集合から遠く離れているかをどうやって検証できるのか。 ガウス過程を効率的に学習するにはどうすればよいのか? これらの話題の中心として、共分散行列の観点から、CV状態間のトレース距離に関するいくつかの境界についても検討する。 この研究はCVシステムのトモグラフィーにおける選択された展開を要約し、オープンな問題の選択を強調している。

関連論文リスト

• Learning Gaussian optical states with quantum computers [1.2366208723499548]
  近年の成果は、量子コンピュータが利用可能なときの量子状態の学習特性において劇的な優位性を確立している。 これらの結果は、弱い電磁場のイメージングとセンシングへの量子コンピュータの応用を動機付けている。
  論文  参考訳（メタデータ） (2026-05-06T18:01:04Z)
• Is it Gaussian? Testing bosonic quantum states [1.7340190329759613]
  一定数のコピーが、状態が正確にガウス的であるかどうかを決定するのに十分であることを示す。 また、一般混合状態のガウス性をテストするには指数関数的に多くのコピーが必要であることも証明した。 提案手法はガウス状態の回転不変対称性と最近導入されたCVトレース距離境界のツールボックスに依存する。
  論文  参考訳（メタデータ） (2025-10-08T17:56:34Z)
• Efficient Gaussian State Preparation in Quantum Circuits [4.930778301847907]
  本稿では,1キュービット回転から始まって指数振幅プロファイルを形成する回路ベースアプローチを提案し,解析する。 この手法がガウス状態と高い忠実性を達成することを実証する。 提案手法は、ガウス状態がノイズの多い量子ハードウェア上でアクセスできるようにするための有望な方法であると結論付けている。
  論文  参考訳（メタデータ） (2025-07-27T15:15:20Z)
• 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)
• Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
  本稿では,量子情報処理の導入について紹介する。 量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。 分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:43:20Z)
• Classical shadow tomography for continuous variables quantum systems [13.286165491120467]
  CV量子状態の古典的影を得るための実験的に実現可能なスキームを2つ導入する。 CVシステムの無限次元性により,新しい数学的課題を克服することができる。 少数のモード上でのエントロピーのような状態の非線形関数を学習するスキームを提供する。
  論文  参考訳（メタデータ） (2022-11-14T17:56:29Z)
• Non-Gaussian Quantum States and Where to Find Them [0.0]
  ガウス状態におけるモードのサブセットの測定を行うことにより、非ガウス状態が生成可能であることを示す。 We demonstrate that Wigner negativity is is a requirements to violation Bell inequality and to achieve a quantum compute advantage。
  論文  参考訳（メタデータ） (2021-04-26T13:59:41Z)
• Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
  量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。 我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-03-31T02:41:36Z)
• Efficient construction of tensor-network representations of many-body Gaussian states [59.94347858883343]
  本稿では,多体ガウス状態のテンソルネットワーク表現を効率よく,かつ制御可能な誤差で構築する手法を提案する。 これらの状態には、量子多体系の研究に欠かせないボゾン系およびフェルミオン系二次ハミルトン系の基底状態と熱状態が含まれる。
  論文  参考訳（メタデータ） (2020-08-12T11:30:23Z)
• Machine learning transfer efficiencies for noisy quantum walks [62.997667081978825]
  グラフ型と量子系コヒーレンスの両方の要件を見つけるプロセスは自動化可能であることを示す。 この自動化は、特定のタイプの畳み込みニューラルネットワークを使用して、どのネットワークで、どのコヒーレンス要求の量子優位性が可能かを学習する。 我々の結果は、量子実験における利点の実証と、科学的研究と発見の自動化への道を開くために重要である。
  論文  参考訳（メタデータ） (2020-01-15T18:36:53Z)

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。