論文の概要: Extremely slow scaling of minimal Hamming distance in quantum sampling data

• arxiv url: http://arxiv.org/abs/2606.04558v1
• Date: Wed, 03 Jun 2026 07:43:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 07:07:40.472341
• Title: Extremely slow scaling of minimal Hamming distance in quantum sampling data
• Title（参考訳）: 量子サンプリングデータにおける最小ハミング距離の極端に遅いスケーリング
• Authors: P. S. Golubev, I. A. Iakovlev, V. V. Mazurenko,
• Abstract要約: 本稿では,量子状態の複雑性を確実に把握し,限られた量子情報から量子相転移を同定する。 これにより、単一のフレームワーク内で完全に異なる量子実験を解析できる。
• 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: Quantum data can be obtained from a diverse range of sources, including direct measurements from noisy quantum processors, cold-atom simulators, and classical approximations such as variational neural-network states. However, our ability to characterize these systems is fundamentally limited, as the available measurement data is often sparse compared to the exponentially large Hilbert space of the system. To address this, we propose using the average minimal Hamming distance calculated for a set of unique bitstrings as a robust metric revealing a universal power-law behaviour. Through various examples of real experiments and simulations, we show that the power-law parameters reliably capture the complexity of quantum states and identify quantum phase transitions from limited quantum information, without the need for accumulating extensive statistics or explicitly calculating physical observables. This enables the analysis of completely different quantum experiments within a single framework.
• Abstract（参考訳）: 量子データは、ノイズの多い量子プロセッサ、コールド原子シミュレータ、変分ニューラルネットワーク状態のような古典的な近似など、様々な情報源から得ることができる。 しかしながら、これらのシステムを特徴付ける能力は、指数的に大きいヒルベルト空間と比較して、利用可能な測定データが希薄であることから、基本的に制限されている。 これを解決するために,一意のビットストリングの集合に対して計算される平均最小ハミング距離を,普遍的なパワーローの振る舞いを示すロバストな計量として用いることを提案する。 実実験とシミュレーションの様々な例を通して、パワーローパラメータが量子状態の複雑さを確実に捉え、限られた量子情報から量子相転移を識別することを示した。 これにより、単一のフレームワーク内で完全に異なる量子実験を解析できる。

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)
• Statistical learning on randomized data to verify quantum state k-designs [0.0]
  純粋状態のランダムアンサンブルは、量子物理学の様々な側面において非常に重要であることが証明されている。 完全にランダムなアンサンブルを生成するのは 実験的に困難ですが 近似は 同様に有用です ランダム性の度合いを検証することは、多体システム上で完全な量子状態トモグラフィーを実行するのと同様に、高価なタスクである可能性がある。
  論文  参考訳（メタデータ） (2023-05-02T14:46:28Z)
• Measuring Arbitrary Physical Properties in Analog Quantum Simulation [0.5999777817331317]
  アナログ量子シミュレーションにおける中心的な課題は、実験で生成された量子状態の望ましい物理的性質を特徴づけることである。 本稿では,汎用量子力学のエルゴード特性を利用したスケーラブルなプロトコルの提案と解析を行う。 我々のプロトコルは、制限された制御性を克服し、短期量子技術の汎用性と実用性を高めることをエキサイティングに約束する。
  論文  参考訳（メタデータ） (2022-12-05T19:00:01Z)
• Probing finite-temperature observables in quantum simulators of spin systems with short-time dynamics [62.997667081978825]
  ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。 長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
  論文  参考訳（メタデータ） (2022-06-03T18:00:02Z)
• The randomized measurement toolbox [3.2095357952052854]
  我々は最近,複雑な多ビットシステムの特性を探索するためのプロトコルを概説した。 これら全てのプロトコルにおいて、量子状態は繰り返し準備され、ランダムに選択された基底で測定される。 量子デバイスですでに実現されているさまざまなユースケースについて論じる。
  論文  参考訳（メタデータ） (2022-03-21T22:33:18Z)
• Scalable approach to many-body localization via quantum data [69.3939291118954]
  多体局在は、量子多体物理学の非常に難しい現象である。 計算コストの高いステップを回避できるフレキシブルニューラルネットワークベースの学習手法を提案する。 我々のアプローチは、量子多体物理学の新たな洞察を提供するために、大規模な量子実験に適用することができる。
  論文  参考訳（メタデータ） (2022-02-17T19:00:09Z)
• Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
  時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。 観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。 我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T08:32:43Z)

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。