抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】