論文の概要: Quantum Sensing and Hamiltonian Learning under Stochastic Parameter Evolution

• arxiv url: http://arxiv.org/abs/2609.39908v1
• Date: Wed, 30 Sep 2026 15:04:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.955683
• Title: Quantum Sensing and Hamiltonian Learning under Stochastic Parameter Evolution
• Title（参考訳）: 確率的パラメータ進化下における量子センシングとハミルトン学習
• Abstract要約: 微分方程式 (SDEs) によって係数が支配される局所ハミルトン群である局所ハミルトン群 (SEHs) の概念を導入する。 我々は、ハミルトニアン係数学習のハイゼンベルク極限を達成したHuang-Tong-Fang-Suプロトコルを再解析し、必要な拡張を行う。 我々は、量子情報処理における同様の設定の下で、独立して興味を持つかもしれない量子センシングとハミルトンシミュレーションのいくつかのツールを開発する。
• 参考スコア（独自算出の注目度）: 2.1485350418225244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the notion of stochastically evolving Hamiltonians (SEHs), which are local Hamiltonians whose coefficients are governed by stochastic differential equations (SDEs). After developing some theoretical aspects of these objects, we consider the task of Hamiltonian learning for SEHs. We reanalyse and make necessary extensions to the Huang-Tong-Fang-Su protocol, which first achieved the Heisenberg limit for Hamiltonian coefficient learning, under these circumstances. We delineate theoretically the regimes where the Heisenberg limit can and cannot be retained. Along the way we develop a few tools in quantum sensing and Hamiltonian simulation that may be of independent interest under similar settings in quantum information processing. The broad aim is to encourage the exploration of various settings in quantum information processing in which the control parameters are governed by SDEs.
• Abstract（参考訳）: 確率的微分方程式(SDE)によって係数が支配される局所ハミルトン多様体である確率的発展ハミルトン方程式(SEHs)の概念を導入する。 これらの対象の理論的側面を発展させた後、SEHに対するハミルトン学習の課題について考察する。 これらの状況下では,ハミルトニアン係数学習のハイゼンベルク極限を達成したHuang-Tong-Fang-Suプロトコルの再解析と拡張を行う。 我々は理論上、ハイゼンベルク限界が維持可能であり、維持できない体制を列挙する。 その過程で、量子情報処理における同様の設定の下で、独立して興味を持つかもしれない量子センシングとハミルトンシミュレーションのツールをいくつか開発する。 広義の目的は、制御パラメータがSDEによって制御される量子情報処理における様々な設定の探索を促進することである。

関連論文リスト

• Heisenberg-limited Hamiltonian learning continuous variable systems via engineered dissipation [3.023103926472339]
  量子システムの進化を支配下に置くハミルトニアンを同定することは、量子学習理論の基本的な課題である。 本研究では,連続変数量子系の共通型であるボソニック量子系のハミルトニアンの学習に焦点をあてる。 このようなシステムにおける強い消散の効果を研究するための分析フレームワークを導入し、猫のクビット安定化の厳密な分析を可能にした。
  論文  参考訳（メタデータ） (2025-05-31T15:33:26Z)
• Hamiltonian Learning at Heisenberg Limit for Hybrid Quantum Systems [0.7499722271664147]
  異なる粒子種を持つハイブリッド量子系は、量子材料と量子情報科学の基本である。 我々は、未知のスピンボソン型ハミルトニアンにアクセスすると、アルゴリズムがハイゼンベルク制限推定を達成するという厳密な理論的枠組みを確立する。 この結果は、ハイブリッド量子プラットフォームにおける高精度ハミルトン特性評価のためのスケーラブルでロバストなフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-02-27T18:47:47Z)
• Learning interactions between Rydberg atoms [4.17037025217542]
  グラフニューラルネットワーク(GNN)を用いたハミルトン学習へのスケーラブルなアプローチを提案する。 我々は、GNNモデルがトレーニング領域を超えて外挿できることを実証した。
  論文  参考訳（メタデータ） (2024-12-16T17:45:30Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Coherence generation with Hamiltonians [44.99833362998488]
  我々は、ユニタリ進化を通して量子コヒーレンスを生成する方法を探究する。 この量は、ハミルトニアンによって達成できるコヒーレンスの最大微分として定義される。 我々は、ハミルトニアンによって誘導される最大のコヒーレンス微分につながる量子状態を特定する。
  論文  参考訳（メタデータ） (2024-02-27T15:06:40Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Symmetric Pruning in Quantum Neural Networks [111.438286016951]
  量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。 ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。 本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:17:55Z)
• Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
  量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。 まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。 次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
  論文  参考訳（メタデータ） (2022-05-10T08:05:59Z)
• Algebraic Compression of Quantum Circuits for Hamiltonian Evolution [52.77024349608834]
  時間依存ハミルトニアンの下でのユニタリ進化は、量子ハードウェアにおけるシミュレーションの重要な構成要素である。 本稿では、トロッターステップを1ブロックの量子ゲートに圧縮するアルゴリズムを提案する。 この結果、ハミルトニアンのある種のクラスに対する固定深度時間進化がもたらされる。
  論文  参考訳（メタデータ） (2021-08-06T19:38:01Z)

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。