論文の概要: Quantum Gaussian processes for prediction of channel observations
- arxiv url: http://arxiv.org/abs/2608.19306v1
- Date: Wed, 19 Aug 2026 18:00:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.363909
- Title: Quantum Gaussian processes for prediction of channel observations
- Title（参考訳）: チャネル観測の予測のための量子ガウス過程
- Abstract要約: 量子ガウス過程(QGP)回帰フレームワークをユニタリダイナミクスを超えて拡張する。
量子チャネル上の一様(ルベーグ測度)の下で、関連する閉形式核を導出する。
最大64量子ビットの数値シミュレーションでは、LebesgueカーネルでのチャネルQGP回帰は局所チャネルに対して強い帰納バイアスを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Given a set of input states, we consider the task of predicting the expectation value of a Pauli observable at the output of an unknown quantum evolution, using only a limited number of measurements. Recently, quantum Gaussian process (QGP) regression was introduced for this task across various classes of unitary evolution. Here, we extend the QGP framework beyond unitary dynamics. In particular, we prove convergence of the channel's outputs to a QGP and derive the associated closed-form kernel under a uniform (Lebesgue measure) prior over quantum channels. The kernel's dimensional factor, however, dictates the required observation precision. While manageable when the channel and observable are restricted to small subsystems, exponential suppression precludes learning when the subsystem grows extensively with the system size. Since the Lebesgue prior is overly broad for many applications, we propose an empirical Bayes heuristic that replaces the dimensional factor with a learnable scale parameter while retaining the kernel's state-overlap correlation structure. In numerical simulations of up to 64 qubits, channel QGP regression with the Lebesgue kernel exhibits a strong inductive bias for local channels, enabling faithful extrapolation. For global 64-qubit channels, the rescaled kernel restores learnability, with predictions improving systematically with the shot budget. Results from a noisy quantum computer further demonstrate the robustness of QGP regression under experimental conditions. Beyond regression, we validate QGPs as Bayesian-optimization surrogates for state preparation under noisy XXZ dynamics.
- Abstract（参考訳）: 入力状態のセットが与えられた場合、未知の量子進化の出力で観測可能なパウリの期待値を予測するタスクを、限られた数の測定だけを用いて検討する。
近年,量子ガウス過程(QGP)レグレッションが,多種多様なユニタリ進化のクラスにまたがって導入されている。
ここでは、QGPフレームワークをユニタリダイナミクスを超えて拡張する。
特に、チャネルの出力をQGPに収束させることを証明し、量子チャネルよりも先に一様(ルベーグ測度)で関連する閉形式カーネルを導出する。
しかし、カーネルの次元因子は、必要な観測精度を規定する。
チャネルとオブザーバブルが小さなサブシステムに制限されている場合、管理可能であるが、指数的な抑制は、サブシステムがシステムサイズとともに広範囲に成長するときに学習を妨げる。
ルベーグ先行法は、多くの応用において非常に広いため、カーネルのステートオーバーラップ相関構造を維持しつつ、次元因子を学習可能なスケールパラメータに置き換える経験的ベイズヒューリスティックを提案する。
64量子ビットの数値シミュレーションでは、LebesgueカーネルでのチャネルQGP回帰は局所チャネルに対して強い帰納バイアスを示し、忠実な外挿を可能にする。
グローバル64ビットチャネルでは、再スケールされたカーネルが学習性を回復し、ショット予算によって体系的に改善される。
ノイズの多い量子コンピュータの結果は、実験的条件下でのQGP回帰の堅牢性をさらに証明している。
回帰以外の条件下では,QGPをベイズ最適化サロゲートとして,雑音 XXZ の動的条件下での状態準備を行う。
関連論文リスト
- Balancing Expressivity and Learnability in Quantum Kernel Bandit Optimization [50.880384999888044]
我々は,不特定なGP帯域幅アルゴリズムを開発し,近似誤差と情報ゲインとのトレードオフを特徴付ける後悔境界を導出する。
提案手法は, 計算オーバーヘッドを大幅に低減しつつ, サンプル効率で完全量子カーネルの性能を向上する。
論文 参考訳（メタデータ） (2026-07-01T15:38:00Z) - SpinGQE: A Generative Quantum Eigensolver for Spin Hamiltonians [42.007194397302825]
基底状態探索は量子コンピューティングの中心である。
我々は、生成量子固有ソルバフレームワークをスピンハミルトニアンに拡張したSpinGQEを提案する。
我々は、低エネルギー状態を生成する量子回路について学ぶために、トランスフォーマーベースのデコーダを用いる。
論文 参考訳（メタデータ） (2026-03-25T13:38:15Z) - Kraus Constrained Sequence Learning For Quantum Trajectories from Continuous Measurement [0.0]
本稿では,ジェネリックシークエンスバックボーンの隠れ表現を正のトレース保存(CPTP)量子演算に変換するクラス構造出力層を提案する。
すべてのモデルにおいて、Kraus-LSは最強の結果を達成し、制約のないモデルに比べて、状態推定品質を7%向上させる。
論文 参考訳（メタデータ） (2026-03-05T18:37:05Z) - Efficient evaluation of fundamental sensitivity limits and full counting statistics for continuously monitored Gaussian quantum systems [0.0]
一般化マスター方程式(GME)は、オープンまたは継続的に監視される量子システムの特性を計算するのに便利なツールである。
両側のマスター方程式は環境状態の忠実度と量子フィッシャー情報(QFI)をもたらす。
タイル付きマスター方程式は、量子ジャンプと拡散測定の完全なカウント統計を提供する。
論文 参考訳（メタデータ） (2026-02-26T18:09:46Z) - Universal classical and quantum fluctuations in the large deviations of current of noisy quantum systems: The case of QSSEP and QSSIP [2.035631599424874]
ノイズ量子拡散系における積分電流の変動統計について検討する。
積分電流の累積生成関数は大規模に、大きな偏差原理に従うことを示す。
我々は、現在の統計に先行する有限サイズ補正を同定する。
論文 参考訳（メタデータ） (2026-01-23T16:45:31Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Grassmann Variational Monte Carlo with neural wave functions [45.935798913942904]
ヒルベルト空間のグラスマン幾何学の観点から、Pfau et al.citepfau2024accurateによって導入された枠組みを定式化する。
正方格子上のハイゼンベルク量子スピンモデルに対する我々のアプローチを検証し、多くの励起状態に対して高精度なエネルギーと物理観測値を達成する。
論文 参考訳（メタデータ） (2025-07-14T13:53:13Z) - Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。
既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。
我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
論文 参考訳（メタデータ） (2025-07-09T15:22:17Z) - Quantum sensing of displacements with stabilized GKP states [41.94295877935867]
本稿では,2つの四面体変位センサの推定に,Gottesman-Kitaev-Preskill状態の安定化のためのプロトコルをどのように利用できるかを示す。
この安定化のおかげで、このセンサーはバックアクションを回避し、リセットせずに連続的に機能し、イテナント信号の検出に適している。
論文 参考訳（メタデータ） (2025-06-25T17:18:50Z) - Deep Quantum Neural Networks are Gaussian Process [0.0]
1/d$展開を用いて閉形式関係における有限幅の影響を調べる枠組みを提案する。
量子ニューラルタンジェントカーネル(QNTK)を特徴とするGPとそのパラメータ空間の等価性について解明する。
論文 参考訳（メタデータ） (2023-05-22T03:07:43Z) - Universality of critical dynamics with finite entanglement [68.8204255655161]
臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。
その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
論文 参考訳（メタデータ） (2023-01-23T19:23:54Z) - Channeling quantum criticality [0.0]
我々は、局所的な量子チャネルによってモデル化されたデコヒーレンスが量子臨界状態に与える影響を分析する。
混合状態の絡み合いの普遍的な性質は、システムと環境の両方とシステム内の両方で見いだされる。
我々の結果は、ノイズ量子シミュレータ上で実現された量子臨界状態に関係している。
論文 参考訳（メタデータ） (2023-01-17T19:12:15Z)
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。