Effizientes Lernen von $t$-dotierten Stabilisatorzuständen mit Einzelkopiemessungen

Neuauflage von Plato

Verfolger: 0

Effizientes Lernen von $t$-dotierten Stabilisatorzuständen mit Einzelkopiemessungen PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Nai-Hui Chia¹, Ching-Yi Lai² und Han-Hsuan Lin³

¹Fakultät für Informatik, Rice University, TX 77005-1892, Vereinigte Staaten
²Institut für Kommunikationstechnik, National Yang Ming Chiao Tung University, Hsinchu 300093, Taiwan
³Fakultät für Informatik, National Tsing Hua University, Hsinchu 30013, Taiwan

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

Eines der Hauptziele im Bereich des Quantenzustandslernens ist die Entwicklung zeiteffizienter Algorithmen zum Lernen von Zuständen, die aus Quantenschaltkreisen generiert werden. Frühere Untersuchungen haben zeiteffiziente Algorithmen für Zustände gezeigt, die aus Clifford-Schaltkreisen mit höchstens $log(n)$ Nicht-Clifford-Gattern generiert werden. Diese Algorithmen erfordern jedoch Messungen in mehreren Kopien, was aufgrund des erforderlichen Quantenspeichers kurzfristig Herausforderungen bei der Implementierung mit sich bringt. Im Gegenteil, die ausschließliche Verwendung von Einzel-Qubit-Messungen in der Berechnungsbasis reicht nicht aus, um unter vernünftigen postquantenkryptografischen Annahmen auch nur die Ausgangsverteilung einer Clifford-Schaltung mit einem zusätzlichen $T$-Gate zu lernen. In dieser Arbeit stellen wir einen effizienten Quantenalgorithmus vor, der nur nichtadaptive Einzelkopiemessungen verwendet, um Zustände zu lernen, die von Clifford-Schaltkreisen mit einem Maximum von $O(log n)$ Nicht-Clifford-Gattern erzeugt werden, und so eine Lücke zwischen dem vorherigen Positiven und Negativen zu schließen Ergebnisse.

Populäre Zusammenfassung

Im Bereich des Quantenzustandslernens wollen Forscher zeiteffiziente Algorithmen zum Verständnis von Zuständen entwickeln, die von Quantenschaltkreisen erzeugt werden. Frühere Studien erzielten Effizienz für Zustände von Clifford-Schaltkreisen mit begrenzten Nicht-Clifford-Gattern, diese erforderten jedoch anspruchsvolle Messungen mit mehreren Kopien, was eine kurzfristige Implementierung behinderte. Diese Arbeit stellt einen bahnbrechenden Quantenalgorithmus vor, der mit nur Einzelkopiemessungen effizient Zustände aus Clifford-Schaltkreisen mit bis zu $O(log(n))$ Nicht-Clifford-Gattern lernt. Dies schließt die Lücke zwischen früheren positiven und negativen Ergebnissen und bietet eine vielversprechende Lösung mit praktischen Auswirkungen auf das Quantencomputing.

► BibTeX-Daten

@article{Chia2024efficientlearningof, doi = {10.22331/q-2024-02-12-1250}, url = {https://doi.org/10.22331/q-2024-02-12-1250}, title = {Effizientes Lernen von {$t$}-dotierten Stabilisatorzuständen mit Einzelkopiemessungen}, Autor = {Chia, Nai-Hui und Lai, Ching-Yi und Lin, Han-Hsuan}, Zeitschrift = {{Quantum}}, issn = { 2521-327X}, Herausgeber = {{Verein zur Förderung des Open Access Publizierens in den Quantenwissenschaften}}, Band = {8}, Seiten = {1250}, Monat = Februar, Jahr = {2024} }

► Referenzen

[1] Z. Hradil. „Quantenzustandsschätzung“. Physical Review A 55, R1561–R1564 (1997).
https: / / doi.org/ 10.1103 / physreva.55.r1561

[2] G. Mauro D'Ariano, Matteo GA Paris und Massimiliano F. Sacchi. „Quantentomographie“. In Fortschritte in der Bildgebung und Elektronenphysik. Seiten 205–308. Elsevier (2003).
https://doi.org/10.1016/s1076-5670(03)80065-4

[3] K. Banaszek, M. Cramer und D. Gross. „Schwerpunkt Quantentomographie“. New Journal of Physics 15, 125020 (2013).
https://doi.org/10.1088/1367-2630/15/12/125020

[4] Jeongwan Haah, Aram W. Harrow, Zhengfeng Ji, Xiaodi Wu und Nengkun Yu. „Probenoptimale Tomographie von Quantenzuständen“. IEEE Transactions on Information TheorySeiten 1–1 (2017).
https: / / doi.org/ 10.1109 / tit.2017.2719044

[5] Ryan O'Donnell und John Wright. „Effiziente Quantentomographie“. In Proceedings des achtundvierzigsten jährlichen ACM-Symposiums zur Computertheorie. Seiten 899–912. (2016).
https: / / doi.org/ 10.1145 / 2897518.2897544

[6] Kai-Min Chung und Han-Hsuan Lin. „Probeneffiziente Algorithmen zum Lernen von Quantenkanälen im PAC-Modell und das Problem der ungefähren Zustandsdiskriminierung“. In der 16. Konferenz zur Theorie der Quantenberechnung, Kommunikation und Kryptographie (TQC 2021). Band 197 der Leibniz International Proceedings in Informatics (LIPIcs), Seiten 3:1–3:22. (2021).
https: // doi.org/ 10.4230 / LIPIcs.TQC.2021.3

[7] Scott Aaronson und Daniel Gottesmann. „Verbesserte Simulation von Stabilisatorschaltungen“. Phys. Rev. A 70, 052328 (2004).
https: / / doi.org/ 10.1103 / PhysRevA.70.052328

[8] Scott Aaronson und Daniel Gottesman. „Identifizierung von Stabilisatorzuständen“. Vortrag bei PIRSA, verfügbar als Video (2008). URL: http:///pirsa.org/08080052.
http: // pirsa.org/ 08080052

[9] Ashley Montanaro. „Stabilisatorzustände durch Bell-Sampling lernen“. (2017). arXiv:1707.04012.
arXiv: 1707.04012

[10] D. Gottesmann. „Stabilisatorcodes und Quantenfehlerkorrektur“. Doktorarbeit. Kalifornisches Institut der Technologie. Pasadena, Kalifornien (1997).

[11] P.Oscar Boykin, Tal Mor, Matthew Pulver, Vwani Roychowdhury und Farrokh Vatan. „Eine neue universelle und fehlertolerante Quantenbasis“. Informationsverarbeitungsbriefe 75, 101–107 (2000).
https://doi.org/10.1016/S0020-0190(00)00084-3

[12] Ching-Yi Lai und Hao-Chung Cheng. „Quantenschaltungen einiger T-Gatter lernen“. IEEE Transactions on Information Theory 68, 3951–3964 (2022).
https: / / doi.org/ 10.1109 / TIT.2022.3151760

[13] Srinivasan Arunachalam, Sergey Bravyi, Arkopal Dutt und Theodore J. Yoder. „Optimale Algorithmen zum Lernen von Quantenphasenzuständen“. (2023). arXiv:2208.07851.
arXiv: 2208.07851

[14] Sabee Grewal, Vishnu Iyer, William Kretschmer und Daniel Liang. „Effizientes Lernen von Quantenzuständen, vorbereitet mit wenigen Nicht-Clifford-Gattern“. (2023). arXiv:2305.13409.
arXiv: 2305.13409

[15] Lorenzo Leone, Salvatore FE Oliviero und Alioscia Hamma. „T-dotierte Stabilisatorzustände lernen“. (2023). arXiv:2305.15398.
arXiv: 2305.15398

[16] Dominik Hangleiter und Michael J. Gullans. „Bell-Sampling aus Quantenschaltungen“. (2023). arXiv:2306.00083.
arXiv: 2306.00083

[17] M. Hinsche, M. Ioannou, A. Nietner, J. Haferkamp, Y. Quek, D. Hangleiter, J.-P. Seifert, J. Eisert und R. Sweke. „Ein $t$-Gate erschwert das Lernen im Vertrieb.“ Physik. Rev. Lett. 130, 240602 (2023).
https://doi.org/ 10.1103/PhysRevLett.130.240602

[18] Richard Cleve und Daniel Gottesman. „Effiziente Berechnungen von Kodierungen zur Quantenfehlerkorrektur“. Physik. Rev. A 56, 76–82 (1997).
https: / / doi.org/ 10.1103 / PhysRevA.56.76

[19] Michel A. Nielsen und Isaac L. Chuang. „Quantenberechnung und Quanteninformation“. Cambridge University Press. Cambridge, Großbritannien (2000).
https: / / doi.org/ 10.1017 / CBO9780511976667

[20] Sabee Grewal, Vishnu Iyer, William Kretschmer und Daniel Liang. „Verbesserte Stabilisatorschätzung mittels Bell-Difference-Sampling“ (2023). arXiv:2304.13915.
arXiv: 2304.13915

[21] A. Winter. „Kodierungssatz und starke Umkehrung für Quantenkanäle“. IEEE Transactions on Information Theory 45, 2481–2485 (1999).
https: / / doi.org/ 10.1109 / 18.796385

[22] Sergey Bravyi und Dmitri Maslov. „Hadamard-freie Schaltkreise enthüllen die Struktur der Clifford-Gruppe“. IEEE Transactions on Information Theory 67, 4546–4563 (2021).
https: / / doi.org/ 10.1109 / TIT.2021.3081415

[23] Ewout Van Den Berg. „Eine einfache Methode zur Stichprobe zufälliger Clifford-Operatoren“. Im Jahr 2021 IEEE International Conference on Quantum Computing and Engineering (QCE). Seiten 54–59. (2021).
https: / / doi.org/ 10.1109 / QCE52317.2021.00021

[24] Daniel Stilck França, Fernando GS L. Brandão und Richard Kueng. „Schnelle und robuste Quantenzustandstomographie aus wenigen Basismessungen“. In der 16. Konferenz zur Theorie der Quantenberechnung, Kommunikation und Kryptographie (TQC 2021). Band 197 der Leibniz International Proceedings in Informatics (LIPIcs), Seiten 7:1–7:13. (2021).
https: // doi.org/ 10.4230 / LIPIcs.TQC.2021.7

[25] M. Mohseni, AT Rezakhani und DA Lidar. „Quantenprozesstomographie: Ressourcenanalyse verschiedener Strategien“. Körperliche Überprüfung A 77 (2008).
https: / / doi.org/ 10.1103 / physreva.77.032322

[26] Man-Duen Choi. „Vollständig positive lineare Abbildungen auf komplexen Matrizen“. Lineare Algebra und ihre Anwendungen 10, 285–290 (1975).
https://doi.org/10.1016/0024-3795(75)90075-0

[27] A. Jamiołkowski. „Lineare Transformationen, die die Spur und die positive Semidefinitheit von Operatoren bewahren“. Berichte über Mathematische Physik 3, 275–278 (1972).
https://doi.org/10.1016/0034-4877(72)90011-0

[28] Sabee Grewal, Vishnu Iyer, William Kretschmer und Daniel Liang. „Effizientes Lernen von Quantenzuständen, vorbereitet mit wenigen Nicht-Clifford-Gattern II: Einzelkopiemessungen“. (2023). arXiv:2308.07175.
arXiv: 2308.07175

Zitiert von

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.