論文の概要: Geometric optimality of entanglement-induced fast qubit reset

• arxiv url: http://arxiv.org/abs/2608.26897v1
• Date: Thu, 27 Aug 2026 09:53:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.338949
• Title: Geometric optimality of entanglement-induced fast qubit reset
• Title（参考訳）: 絡み合いによる高速量子ビットリセットの幾何学的最適性
• Abstract要約: エンタングリング操作は局所的なコヒーレンスを再分配し,各キュービットの状態が基底状態への測地経路を辿ることができることを示す。 注目すべきことに、この局所的最適挙動は、完全な状態空間において集合的進化が最適以下になったとしても現れる。 以上の結果から,Mpembaにインスパイアされたリセットアクセラレーションの幾何学的考察と,2量子ビットプロトコルをより大きなレジスタに拡張した場合のリセットプロセスのさらなる優位性を明らかにすることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fast and reliable qubit reset is essential for the efficient operation of quantum processors. Among the proposed strategies, Mpemba-effect-based protocols offer a simple route to accelerated relaxation, but provide limited insight into the optimality of the full reset dynamics. Geometric approaches, by contrast, quantify optimality but do not generally suggest practical acceleration protocols. Here, we bridge these perspectives through a geometric analysis of entanglement-assisted qubit reset. We show that entangling operations can redistribute local coherences across a multi-qubit register, allowing the reduced state of each qubit to follow a geodesic path towards the ground state. Remarkably, this locally optimal behaviour can emerge even when the collective evolution becomes suboptimal in the full state space. We illustrate this interplay for different families of initial multi-qubit states. Our results provide a geometric perspective on Mpemba-inspired reset acceleration and clarify when extending two-qubit protocols to larger registers provides a further advantage in the reset process.
• Abstract（参考訳）: 量子プロセッサの効率的な動作には、高速で信頼性の高い量子ビットリセットが不可欠である。 提案した戦略の中で、Mpemba効果に基づくプロトコルは緩和を加速する簡単な経路を提供するが、完全なリセット力学の最適性についての限られた洞察を与える。 対照的に幾何学的アプローチは最適性を定量化するが、一般的には実用的な加速プロトコルを示唆しない。 ここでは、エンタングルメント支援量子ビットリセットの幾何学的解析により、これらの視点を橋渡しする。 エンタングリング操作は局所的なコヒーレンスを再分配し,各キュービットの状態が基底状態への測地経路を辿ることができることを示す。 注目すべきことに、この局所的最適挙動は、完全な状態空間において集合的進化が最適以下になったとしても現れる。 初期マルチキュービット状態の異なる族に対するこの相互作用を説明する。 以上の結果から,Mpembaにインスパイアされたリセットアクセラレーションの幾何学的考察と,2量子ビットプロトコルをより大きなレジスタに拡張した場合のリセットプロセスのさらなる優位性を明らかにすることができる。

関連論文リスト

• Deterministic Ground State Preparation via Power-Cosine Filtering of Time Evolution Operators [0.0]
  本稿では,Power-Cosine量子信号処理フィルタを用いた地中準備のための非変分プロトコルを提案する。 複雑なブロックエンコーディング手法を推定することにより,1つのアシラリー量子ビットで制御されるコヒーレントな時間進化演算子を直接利用することができる。
  論文  参考訳（メタデータ） (2026-02-23T07:01:30Z)
• Accelerating qubit reset through the Mpemba effect [0.0]
  We exploit the Mpemba effect, designed indicate the faster cooling of hot systems than cooler which。 本稿では,局所的な単一キュービットコヒーレンスを高速にデカイするグローバルな2キュービットコヒーレンスに変換する,単一の絡み合った2キュービットゲートに基づく単純なプロトコルを提案する。 現実的なパラメータでは、標準のパッシブリセットと比較して、我々のプロトコルはリセット時間を最大50%削減できる。
  論文  参考訳（メタデータ） (2026-02-03T17:26:46Z)
• Optimally Driven Dressed Qubits [0.0]
  我々は、CRTを最適に除去し、複数のパフォーマンス指標に大幅な改善をもたらす、装束制御プロトコルを導入する。 これらの進歩は、我々のスキームを量子ビット制御の最先端戦略として位置づけ、より広範な量子技術への道を開いた。
  論文  参考訳（メタデータ） (2026-01-27T15:42:17Z)
• Optimization Framework for Reducing Mid-circuit Measurements and Resets [0.13108652488669736]
  中間回路計測とリセットの両方を対象とする最適化フレームワークを実装した。 ランダムに生成された動的回路の大規模なデータセットを用いて,我々のフレームワークを評価する。
  論文  参考訳（メタデータ） (2025-04-23T10:01:00Z)
• Fast Training of Recurrent Neural Networks with Stationary State Feedbacks [48.22082789438538]
  リカレントニューラルネットワーク(RNN)は最近、Transformerよりも強力なパフォーマンスと高速な推論を実証している。 BPTTを固定勾配フィードバック機構で置き換える新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-29T14:45:52Z)
• Quantum state preparation via engineered ancilla resetting [0.0]
  フラストレーションのない親ハミルトニアンの基底状態を作成するために,周期的量子リセットを組み込んだプロトコルについて検討する。 このプロトコルでは、ハミルトニアンを操り、システムとアシラリー自由度の間の局所的な結合を可能にする。 以上の結果から,アンシラ系の絡み合いはより高速な収束に不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2023-05-15T13:34:07Z)
• Graph Neural Network Autoencoders for Efficient Quantum Circuit Optimisation [69.43216268165402]
  我々は、量子回路の最適化にグラフニューラルネットワーク(GNN)オートエンコーダの使い方を初めて提示する。 我々は、量子回路から有向非巡回グラフを構築し、そのグラフを符号化し、その符号化を用いてRL状態を表現する。 我々の手法は、非常に大規模なRL量子回路最適化に向けた最初の現実的な第一歩である。
  論文  参考訳（メタデータ） (2023-03-06T16:51:30Z)
• Nesterov Meets Optimism: Rate-Optimal Separable Minimax Optimization [108.35402316802765]
  本稿では,新しい一階最適化アルゴリズムであるAcceleratedGradient-OptimisticGradient (AG-OG) Ascentを提案する。 我々はAG-OGが様々な設定に対して最適収束率(定数まで)を達成することを示す。 アルゴリズムを拡張して設定を拡張し、bi-SC-SCとbi-C-SCの両方で最適な収束率を達成する。
  論文  参考訳（メタデータ） (2022-10-31T17:59:29Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Improved Branch and Bound for Neural Network Verification via Lagrangian Decomposition [161.09660864941603]
  ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。 活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。 BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
  論文  参考訳（メタデータ） (2021-04-14T09:22:42Z)
• Acceleration Methods [57.202881673406324]
  まず2次最適化問題を用いて加速法を2つ導入する。 我々は、ネステロフの精巧な研究から始まる運動量法を詳細に論じる。 我々は、ほぼ最適な収束率に達するための一連の簡単な手法である再起動スキームを議論することで結論付ける。
  論文  参考訳（メタデータ） (2021-01-23T17:58:25Z)
• Activation Relaxation: A Local Dynamical Approximation to Backpropagation in the Brain [62.997667081978825]
  活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。 我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
  論文  参考訳（メタデータ） (2020-09-11T11:56:34Z)

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。