論文の概要: Heuristically optimizing, synthesizing, and prioritizing measurement settings for quantum state tomography
- arxiv url: http://arxiv.org/abs/2609.02633v1
- Date: Wed, 02 Sep 2026 14:10:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.406341
- Title: Heuristically optimizing, synthesizing, and prioritizing measurement settings for quantum state tomography
- Title(参考訳): 量子状態トモグラフィーのためのヒューリスティックな最適化、合成、優先度付け計測設定
- Abstract要約: 量子計算応用における主要な課題は、任意の演算子の集合を効率的な測定のために可換部分集合に分割することである。
そこで我々は,演算子分割をグラフカラー化(GC)問題として再構成し,その解法として効率的な計算フレームワークを開発する。
当社のフレームワークは,演算子パーティショニングをベンチマークするGCアルゴリズムの幅広い利用を可能にします。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key task in many quantum-computing applications, e.g., quantum simulation and quantum state tomography (QST), is to partition an arbitrary set of operators into mutually commuting subsets for efficient measurements. However, brute-force approaches to this task quickly become intractable as the number and dimensionality of operators grow. Here, we reformulate operator partitioning as a graph-coloring (GC) problem and develop an efficient computational framework to solve it, balancing accuracy and efficiency. Our framework enables leveraging a range of GC algorithms, which we benchmark for operator partitioning. Then, we demonstrate their utility in optimizing QST experiments, where determining non-overlapping data acquisition settings for QST is a major challenge, and prioritizing among these settings, i.e., selecting the experiments that provide the most information. We further show how to perform these experiments by synthesizing Clifford circuits for joint measurement of commuting Pauli operators in multi-qubit systems. We validate our framework across multi-qubit (up to five qubits), multi-qutrit (up to three qutrits), and hybrid qubit-qutrit systems. Our results show that heuristic GC methods substantially reduce the number of required measurement settings for QST and enable priority-based scheduling that maximizes the information gain per experiment. The optimization converges within minutes on a student-grade laptop, providing speedups of several orders of magnitude over brute-force methods already for these relatively small quantum systems. This demonstrates the potential of GC heuristics as a scalable and practical tool for characterization of noisy intermediate-scale quantum devices. We have made the Python implementation of our GC framework to optimize and schedule QST experiments publicly available at https://github.com/ssm8015/QST_GT.git.
- Abstract(参考訳): 量子シミュレーションや量子状態トモグラフィ(QST)など、多くの量子コンピューティングアプリケーションにおいて重要な課題は、任意の演算子の集合を互いに交換する部分集合に分割して効率的な測定を行うことである。
しかし、作用素の数と次元が増加するにつれて、この問題に対するブルートフォースのアプローチは急速に魅力的になる。
そこで我々は,演算子分割をグラフカラー化(GC)問題として再構成し,精度と効率を両立させる効率的な計算フレームワークを開発する。
当社のフレームワークは,演算子パーティショニングをベンチマークするGCアルゴリズムの幅広い利用を可能にします。
次に、QST実験の最適化において、QSTの非重複データ取得設定を決定することが大きな課題であり、これらの設定のうち、すなわち、最も情報を提供する実験を選択することの優先順位付けを行う。
さらに、マルチキュービット系における通勤パウリ作用素の合同測定のためにクリフォード回路を合成してこれらの実験を行う方法を示す。
マルチキュービット(最大5キュービット)、マルチキュービット(最大3キュービット)、ハイブリッドキュービットキュービットシステムにまたがるフレームワークを検証する。
以上の結果から, ヒューリスティックGC手法はQSTに必要な測定設定数を大幅に削減し, 実験ごとの情報ゲインを最大化する優先度に基づくスケジューリングを実現する。
この最適化は、学生級のラップトップ上で数分以内に収束し、これらの比較的小さな量子系に対して既にブルートフォース法よりも数桁のスピードアップを提供する。
このことは、ノイズの多い中間スケール量子デバイスのキャラクタリゼーションのためのスケーラブルで実用的なツールとしてのGCヒューリスティックスの可能性を示している。
我々は、GCフレームワークのPython実装を作成し、https://github.com/ssm8015/QST_GT.git.comで公開されているQST実験を最適化しスケジュールしました。
関連論文リスト
- A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
分散量子最適化のための構造認識フレームワークを提案する。
検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。
構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
論文 参考訳(メタデータ) (2026-03-08T15:15:52Z) - Kernel-based optimization of measurement operators for quantum reservoir computers [5.486630950557179]
我々は、カーネルリッジ回帰の枠組みにおいて、ステートレス(量子極端学習マシン、QELM)とステートフル(依存依存)QRCの両方のトレーニングを定式化する。
このアプローチは、与えられた貯水池とトレーニングデータセットの予測誤差を最小限に抑える最適な測定演算子を示す。
論文 参考訳(メタデータ) (2026-02-16T12:04:42Z) - AQER: a scalable and efficient data loader for digital quantum computers [62.40228216126285]
我々は,ターゲット状態の絡み合いを体系的に低減し,負荷回路を構成するスケーラブルなAQL手法であるAQERを開発した。
我々は、合成データセット、古典画像および言語データセット、最大50キュービットの量子多体状態データセットを用いて、AQERの有効性を評価するための体系的な実験を行う。
論文 参考訳(メタデータ) (2026-02-02T14:39:42Z) - An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。
入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。
我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文 参考訳(メタデータ) (2025-04-13T11:49:53Z) - Gradient-descent methods for fast quantum state tomography [0.24999074238880484]
量子状態トモグラフィー(QST)の処理後ステップのためのグラデーション・ディフレクション(GD)アルゴリズムを導入する。
我々は、コレスキー分解、スティーフェル多様体、射影正規化など、様々な密度行列パラメタライゼーションを使用する。
我々のミニバッチGD-QSTアルゴリズムのランク制御されたアンサーゼは、ノイズやデータセットを効果的に処理する。
論文 参考訳(メタデータ) (2025-03-06T15:13:45Z) - 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) - Scaling Up the Quantum Divide and Conquer Algorithm for Combinatorial Optimization [0.8121127831316319]
本稿では,デバイス間通信コストを大幅に削減する量子回路の構築手法を提案する。
そこで本研究では,従来のQDCA手法の約3倍の大きさのトラクタブル回路を構築できることを示す。
論文 参考訳(メタデータ) (2024-05-01T20:49:50Z) - Performance analysis of a filtering variational quantum algorithm [0.0]
Filtering Variational Quantum Eigensolver (F-VQE) は、既存の量子コンピュータにおける最適化問題を解くために設計された変分型ハイブリッド量子アルゴリズムである。
我々は、パラメータ化量子回路として、瞬時量子多項式回路を用いる。
F-VQEの実用的優位性には大きな発展が必要であると結論付けている。
論文 参考訳(メタデータ) (2024-04-13T08:50:44Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳(メタデータ) (2022-09-22T21:54:28Z) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳(メタデータ) (2022-08-01T12:48:48Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z)
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。