次元適応機械学習に基づく量子状態再構成【JST・京大機械翻訳】

Lohani Sanjaya; Regmi Sangita; Lukens Joseph M.; Glasser Ryan T.; Searles Thomas A.; Kirby Brian T.

プレプリント

J-GLOBAL ID：202202202901071116 整理番号：22P0348891

次元適応機械学習に基づく量子状態再構成【JST・京大機械翻訳】

Dimension-adaptive machine-learning-based quantum state reconstruction

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 (6件)： , , , , ,
資料名：
発行年： 2022年05月11日プレプリントサーバーでの情報更新日： 2022年05月11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)

m≧nのm量子ビット上でのみ訓練された機械学習ベースの再構成システムを用いて,n量子ビットのシステム上で量子状態再構成を行うためのアプローチを導入した。この手法は訓練に用いたモデルの次元と考慮して,システムの次元を正確にマッチングする必要性を除去する。少なくとも1つの付加的量子ビットを含むシステム上でのみ訓練された機械学習ベースの方法を用いて,1,2,および3つの量子ビットのランダムにサンプリングされたシステムに関する量子状態再構成を実行することによって,著者らの技術を実証した。機械学習ベースの方法に必要な再構成時間は,訓練時間よりも著しく有利であった。したがって,この技術は,次元可変状態再構成のために単一ニューラルネットワークをレバーすることによって,資源の全体的節約を提供することができ,各Hilbert空間のために専用の機械学習システムを訓練する必要がある。【JST・京大機械翻訳】

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

量子力学一般 , 量子光学一般

, , , ,

前のページに戻る