ロバストで効率的なハミルトニアン学習【JST・京大機械翻訳】

Yu Wenjun; Sun Jinzhao; Han Zeyao; Yuan Xiao

プレプリント

J-GLOBAL ID：202202200485789760 整理番号：22P0022427

ロバストで効率的なハミルトニアン学習【JST・京大機械翻訳】

Robust and Efficient Hamiltonian Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月01日プレプリントサーバーでの情報更新日： 2023年06月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

量子技術の急速な発展により,ディジタルおよびアナログ量子システムのサイズが大幅に増加する。量子ハードウェアのより良い制御と理解を得るために,重要なタスクは,システムの静的と動的特性の両方を決定するハミルトニアンを学習するために,相互作用を特徴づけることである。従来のハミルトニアン学習法は,高価なプロセストモグラフィーを必要とするか,あるいは,ハミルトニアン構造に関する事前情報やシステムの地上または熱状態のような非実用的仮定を採用する。本研究では,穏やかな仮定のみに基づいて,これらの限界を回避するロバストで効率的なハミルトニアン学習法を提案した。提案方法は,ハミルトニアンまたは任意の固有状態または熱状態に関する情報なしで,短時間動力学および局所演算だけを用いて,Pauli基底上でスパースである任意のハミルトニアンを効率的に学習することができた。この方法は,量子ビット数に関してスケーラブルな複雑性と消失故障確率を持つ。一方,それは,状態準備と測定誤差の存在,およびある量の回路とショットノイズに対して弾性的に,ロバストに与えられた。ランダム相互作用強度および分子ハミルトニアンを有する横方向場Isingハミルトニアンに対するこの方法のスケーリングおよび推定精度を,様々なサイズと手動付加雑音の両方を用いて数値的に試験した。すべてのこれらの結果は,この方法のロバスト性と有効性を検証し,大きな量子系の動力学の系統的理解のための道を開いた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

量子力学一般 , 計算理論

, ,

前のページに戻る