論文の概要: Self-Attention for Quantum Entanglement Prediction

• arxiv url: http://arxiv.org/abs/2607.02767v1
• Date: Thu, 02 Jul 2026 21:03:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.416828
• Title: Self-Attention for Quantum Entanglement Prediction
• Title（参考訳）: 量子絡み合い予測のための自己注意
• Abstract要約: 我々は2つのモデル、フィードフォワードニューラルネットワークとアテンションベースモデルを提案し、量子状態の射影的測定から2部目のRenyiを正確に予測する。 機械学習アプローチは,システムサイズの範囲で精度が高く,サンプル効率が向上していることがわかった。
• 参考スコア（独自算出の注目度）: 0.03499870393443267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum entanglement is a powerful resource for quantum-enhanced technologies. However, its reliable quantification remains challenging due to the exponential scaling of the Hilbert space with system size, which renders full state tomography infeasible. Moreover, experimentally estimating entanglement typically requires a large number of measurement samples leading to a significant overhead. In this work, we present two models, a feed-forward neural network and an attention-based model, to accurately predict the bipartite second Renyi from projective measurements of quantum states. We benchmark their performance against standard classical shadow estimators and find that the machine-learning approaches achieve higher accuracy and improved sample efficiency across a range of system sizes. Our results demonstrate the potential of machine learning for scalable and efficient estimation of quantum correlations.
• Abstract（参考訳）: 量子絡み合い(quantum entanglement)は、量子強化技術のための強力な資源である。 しかし、その信頼性の高い定量化は、フル状態トモグラフィーが実現不可能なシステムサイズを持つヒルベルト空間の指数的スケーリングのため、依然として困難である。 さらに、実験的に推定される絡み合いは、通常、かなりのオーバーヘッドにつながる多数の測定サンプルを必要とする。 本研究では,2つのモデル,フィードフォワードニューラルネットワークとアテンションベースモデルを提案し,量子状態の射影的測定から2部目のレニイを正確に予測する。 従来のシャドウ推定器と比較して性能をベンチマークし、機械学習手法が精度を高め、様々なシステムサイズでサンプル効率を向上させることを発見した。 本研究は,量子相関をスケーラブルかつ効率的に推定するための機械学習の可能性を示す。

関連論文リスト

• Quenched Quantum Feature Maps [32.2069811127299]
  本稿では,量子スピンガラスのクエンチダイナミクスを利用して複雑なデータパターンを抽出する量子特徴マッピング手法を提案する。 我々の研究は量子アドバンテージレベルにおける最初の量子MLデモを示し、量子超越性と有用な実世界の学術的・産業的応用とのギャップを埋める。
  論文  参考訳（メタデータ） (2025-08-28T16:28:48Z)
• Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors [64.50565018996328]
  本稿では,与えられた量子プロセッサの平均値挙動を計算効率よくエミュレートする予測代理の概念を導入する。 これらのサロゲートを用いて、最大20個のプログラム可能な超伝導量子ビットを持つ量子プロセッサをエミュレートし、変分量子固有解器の効率的な事前学習を可能にする。 実験結果から, 予測サロゲートは測定オーバーヘッドを桁違いに低減するだけでなく, 従来の量子リソース集約的な手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-07-23T12:51:03Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Maximum-Likelihood-Estimate Hamiltonian learning via efficient and robust quantum likelihood gradient [4.490097334898205]
  本稿では,最大推定,勾配降下,量子多体アルゴリズムを組み合わせた効率的な手法を提案する。 従来の手法と比較すると、ノイズ、ゆらぎ、温度範囲に対する精度と全体的な安定性も向上している。
  論文  参考訳（メタデータ） (2022-12-28T06:54:15Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Approaching optimal entangling collective measurements on quantum computing platforms [0.3665899982351484]
  理論的に最適である2つの非可換量子ビット回転を同時に推定するための1つのコピーと2つのコピーの集合的測定結果を示す。 これにより、量子強調センシングを実装することができ、そこでは、メトロジカルゲインが高レベルのデコヒーレンスに持続する。
  論文  参考訳（メタデータ） (2022-05-30T18:07:27Z)
• Entanglement Forging with generative neural network models [0.0]
  ハイブリッド量子-古典的変分アンゼ」は、量子リソースオーバーヘッドを下げるために絡み合いを鍛えることができることを示す。 この方法は観測者の期待値の固定精度を達成するのに必要な測定値の数で効率的である。
  論文  参考訳（メタデータ） (2022-05-02T14:29:17Z)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
  大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。 解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
  論文  参考訳（メタデータ） (2021-08-30T23:50:05Z)
• 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)
• Importance sampling of randomized measurements for probing entanglement [0.0]
  ランダム化計測プロトコルと重要サンプリングを組み合わせることで、より大きな量子系における絡み合いを特徴づけることができることを示す。 量子状態の部分的情報を用いて、機械学習とテンソルネットワークを用いて、統計的誤差の劇的な低減を求める。
  論文  参考訳（メタデータ） (2021-02-26T14:55:53Z)

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。