تخمین تطبیقی مشاهده پذیرهای کوانتومی

بازنشر افلاطون

دنبال: 0

آریل شلسبرگ^1,2، اندرو جینا^3,4، پریانکا موخوپادهایای^3,4یان اف. هاس^3,5,6، فلیکس لدیتزکی^3,4,7,8و لوکا دلانتونیو^3,5,9

¹JILA، دانشگاه کلرادو و موسسه ملی استاندارد و فناوری، بولدر، CO 80309، ایالات متحده آمریکا
²گروه فیزیک، دانشگاه کلرادو، بولدر، CO 80309، ایالات متحده آمریکا
³موسسه محاسبات کوانتومی، دانشگاه واترلو، واترلو، ON N2L 3G1، کانادا
⁴گروه ترکیبات و بهینه سازی، دانشگاه واترلو، واترلو، ON N2L 3G1، کانادا
⁵گروه فیزیک و نجوم، دانشگاه واترلو، واترلو، ON N2L 3G1، کانادا
⁶موسسه فیزیک نظری و IQST، دانشگاه اولم، D-89069 اولم، آلمان
⁷گروه ریاضیات و IQUIST، دانشگاه ایلینویز Urbana-Champaign، Urbana، IL 61801، ایالات متحده آمریکا
⁸موسسه محیطی برای فیزیک نظری، واترلو، ON N2L 2Y5، کانادا
⁹گروه فیزیک و ستاره شناسی، دانشگاه اکستر، استوکر رود، اکستر EX4 4QL، بریتانیا

این مقاله را جالب می دانید یا می خواهید بحث کنید؟ SciRate را ذکر کنید یا در SciRate نظر بدهید.

چکیده

تخمین دقیق مشاهدات کوانتومی یک کار حیاتی در علم است. با پیشرفت در سخت افزار، اندازه گیری یک سیستم کوانتومی به طور فزاینده ای نیاز خواهد داشت، به ویژه برای پروتکل های متغیر که نیاز به نمونه برداری گسترده دارند. در اینجا، ما یک طرح اندازه گیری را معرفی می کنیم که به طور تطبیقی برآوردگر را بر اساس داده های به دست آمده قبلی تغییر می دهد. الگوریتم ما، که ما آن را AEQuO می نامیم، به طور مداوم هم میانگین تخمینی و هم خطای مربوط به مشاهده پذیر را بررسی می کند و بر اساس این اطلاعات مرحله اندازه گیری بعدی را تعیین می کند. ما در زیرمجموعه‌های عملگرهای Pauli که به طور همزمان بررسی می‌شوند، اجازه می‌دهیم تا هم همپوشانی و هم روابط جابه‌جایی غیر بیتی را داشته باشیم، در نتیجه مقدار اطلاعات جمع‌آوری‌شده را به حداکثر می‌رسانیم. AEQuO در دو نوع ارائه می‌شود: یک الگوریتم پر کردن سطل حریص با عملکرد خوب برای نمونه‌های مشکل کوچک و یک الگوریتم مبتنی بر یادگیری ماشین با مقیاس‌بندی مطلوب‌تر برای نمونه‌های بزرگتر. پیکربندی اندازه گیری تعیین شده توسط این برنامه های فرعی به منظور کاهش خطا در برآوردگر، پس از پردازش بیشتر انجام می شود. ما پروتکل خود را روی Hamiltonians شیمی آزمایش می‌کنیم، که برای آن AEQuO تخمین‌های خطا را ارائه می‌کند که تمام روش‌های پیشرفته را بر اساس تکنیک‌های گروه‌بندی مختلف یا اندازه‌گیری‌های تصادفی بهبود می‌بخشد، بنابراین میزان اندازه‌گیری‌ها را در کاربردهای کوانتومی فعلی و آینده به میزان زیادی کاهش می‌دهد.

تخمین تطبیقی داده‌های قابل مشاهده کوانتومی پلاتوبلاکچین. جستجوی عمودی Ai.

تصویر ویژه: طرح AEqUO، الگوریتم اندازه گیری ما. یک O قابل مشاهده به عنوان ورودی داده می شود و از طریق یک نمودار وزنی نشان داده می شود که از آن می توان میانگین و خطای برآوردگر را بازیابی کرد. پس از یافتن دسته نمودار، مربوط به بخش‌های قابل اندازه‌گیری همزمان O، عکس‌ها از طریق زیرروال‌های یادگیری ماشین (ML) یا پر کردن سطل (BF) تخصیص داده می‌شوند. هنگامی که بودجه اندازه گیری تمام شد، پس پردازش اعمال می شود و مقادیر نهایی میانگین و برآورد خطا به دست می آید.

خلاصه محبوب

سیستم‌های کوانتومی، برخلاف سیستم‌های کلاسیک، هر بار که اندازه‌گیری می‌شوند، به‌طور برگشت‌ناپذیر تخریب می‌شوند. وقتی کسی بخواهد اطلاعات را از یک سیستم کوانتومی استخراج کند، این پیامدهای عمیقی دارد. به عنوان مثال، زمانی که باید مقدار متوسط یک قابل مشاهده را تخمین زد، اغلب لازم است کل آزمایش را چندین بار تکرار کرد. بسته به استراتژی اندازه گیری به کار گرفته شده، الزامات برای دستیابی به همان دقت به طور قابل توجهی متفاوت است. در این کار، ما یک رویکرد جدید را پیشنهاد می کنیم که به طور قابل توجهی منابع موجود در سخت افزار را کاهش می دهد. استراتژی ما تطبیقی است، به این معنا که تخصیص اندازه گیری را در حین جمع آوری داده ها یاد می گیرد و بهبود می بخشد. علاوه بر این، امکان تخمین میانگین و خطای مؤثر بر مشاهده مورد نظر را به طور همزمان فراهم می کند. در مقایسه با سایر رویکردهای پیشرفته، زمانی که پروتکل ما استفاده می‌شود، بهبود مستمر و قابل‌توجهی را در دقت تخمین نشان می‌دهیم.

► داده های BibTeX

@article{Shlosberg2023adaptiveestimation, doi = {10.22331/q-2023-01-26-906}, url = {https://doi.org/10.22331/q-2023-01-26-906}، عنوان = {Adap از مشاهدات کوانتومی}، نویسنده = {Shlosberg, Ariel and Jena, Andrew J. and Mukhopadhyay, Priyanka and Haase, Jan F. and Leditzky, Felix and Dellantonio, Luca}, journal = {{Quantum}}, issn = {2521- 327X}، ناشر = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}، جلد = {7}، صفحات = {906}، ماه = ژانویه، سال = {2023} }

◄ مراجع

[1] PW Shor "الگوریتم‌هایی برای محاسبات کوانتومی: لگاریتم‌های گسسته و فاکتورگیری" مجموعه مقالات سی و پنجمین سمپوزیوم سالانه مبانی علوم کامپیوتر 35-124 (134).
https://doi.org/10.1109/SFCS.1994.365700

[2] Michael A. Nielsenand Issaac L. Chuang "محاسبات کوانتومی و اطلاعات کوانتومی" انتشارات دانشگاه کمبریج (2010).
https://doi.org/10.1017/CBO9780511976667

[3] آنتونیو آسین، ایمانوئل بلوخ، هری بورمن، توماسو کالارکو، کریستوفر آیشلر، ینس ایسرت، دنیل استیو، نیکلاس گیسین، استفن جی گلیزر، فدور جلزکو، استفان کوهر، ماسیج لوونشتاین، مکس اف ریدل، پیت او اشمیت، آندره والراف، راب دئو ، ایان والمسلی و فرانک کی ویلهلم، "نقشه راه فناوری های کوانتومی: دیدگاه جامعه اروپایی" مجله جدید فیزیک 20، 080201 (2018).
https://doi.org/10.1088/1367-2630/aad1ea
arXiv: 1712.03773

[4] جان پریسکیل "محاسبات کوانتومی در عصر NISQ و فراتر از آن" کوانتوم 2، 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
arXiv: 1801.00862

[5] IM Georgescu، S. Ashhab و Franco Nori، "شبیه سازی کوانتومی" بررسی های فیزیک مدرن 86، 153-185 (2014).
https://doi.org/10.1103/RevModPhys.86.153
arXiv: 1308.6253

[6] ماری کارمن بانولز، راینر بلات، یاکوپو کاتانی، آلسیو سلی، خوان ایگناسیو سیراک، مارچلو دالمونته، لئوناردو فالانی، کارل یانسن، ماسیج لوونشتاین و سیمون مونتانژرو، «شبیه‌سازی نظریه‌های گیج شبکه در فن‌آوری‌های کوانتومی» The European Phys –74 (1).
https://doi.org/10.1140/epjd/e2020-100571-8
arXiv: 1911.00003

[7] یان اف. هاس، لوکا دلانتونیو، آلسیو سلی، دنی پالسون، آنگوس کان، کارل یانسن، و کریستین ای موشیک، "رویکردی کارآمد از منابع برای شبیه سازی های کوانتومی و کلاسیک نظریه های گیج در فیزیک ذرات" Quantum 5، 393 (2021).
https://doi.org/10.22331/q-2021-02-04-393
arXiv: 2006.14160

[8] دنی پالسون، لوکا دلانتونیو، یان اف هاس، آلسیو سلی، آنگوس کان، اندرو ینا، کریستین کوکیل، ریک ون بیژنن، کارل یانسن، پیتر زولر و کریستین ای. کامپیوتر” PRX Quantum 2, 2 (030334).
https://doi.org/10.1103/PRXQuantum.2.030334
arXiv: 2008.09252

[9] یودونگ کائو، جاناتان رومرو، جاناتان پی اولسون، ماتیاس دگروت، پیتر دی. جانسون، ماریا کیفروا، ایان دی. کیولیچان، تیم منکه، بورجا پروپادره، نیکلاس پی‌دی ساوایا، سوکین سیم، لیبور ویس، و آلان آسپورو-گوزیک، شیمی کوانتومی در عصر محاسبات کوانتومی» بررسی‌های شیمیایی 119، 10856–10915 (2019).
https://doi.org/10.1021/acs.chemrev.8b00803
arXiv: 1812.09976

[10] جان پرسکیل "محاسبات کوانتومی 40 سال بعد" پیش چاپ arXiv (2021).
https://doi.org/10.48550/arXiv.2106.10522
arXiv: 2106.10522

[11] Heinz-Peter Breuerand Francesco Petruccione "نظریه سیستم‌های کوانتومی باز" انتشارات دانشگاه آکسفورد بر اساس تقاضا (2002).
https://doi.org/10.1093/acprof:oso/9780199213900.001.0001

[12] Y. Cao، J. Romero و A. Aspuru-Guzik، "پتانسیل محاسبات کوانتومی برای کشف دارو" مجله تحقیق و توسعه IBM 62، 6:1-6:20 (2018).
https://doi.org/10.1147/JRD.2018.2888987

[13] WM Itano، JC Bergquist، JJ Bollinger، JM Gilligan، DJ Heinzen، FL Moore، MG Raizen، و DJ Wineland، "نویز طرح ریزی کوانتومی: نوسانات جمعیت در سیستم های دو سطحی" بررسی فیزیکی A 47، 3554-3570 (1993).
https://doi.org/10.1103/PhysRevA.47.3554

[14] مارکو سرزو، اندرو آراسمیت، رایان بابوش، سایمون سی بنجامین، سوگورو اندو، کیسوکه فوجی، جارود آر. مک کلین، کوسوکه میتارای، شیائو یوان، و لوکاس سینسیو، "الگوریتم‌های کوانتومی متغیر" بررسی‌های طبیعت فیزیک 3، 625 .
https://doi.org/10.1038/s42254-021-00348-9
arXiv: 2012.09265

[15] RR Ferguson، L. Dellantonio، A. Al Balushi، K. Jansen، W. Dür، و CA Muschik، «حل ویژه کوانتومی متغیر مبتنی بر اندازه‌گیری» نامه‌های مروری فیزیکی 126، 220501 (2021).
https://doi.org/10.1103/PhysRevLett.126.220501
arXiv: 2010.13940

[16] اندرو ینا، اسکات جنین و میشل موسکا، "پارتیشن بندی پائولی با احترام به مجموعه های دروازه" پیش چاپ arXiv (2019).
https://doi.org/10.48550/arXiv.1907.07859
arXiv: 1907.07859

[17] Jarrod R. McClean، Jonathan Romero، Ryan Babbush و Alán Aspuru-Guzik، "نظریه الگوریتم های کوانتومی-کلاسیک ترکیبی متغیر" مجله جدید فیزیک 18، 023023 (2016).
https://doi.org/10.1088/1367-2630/18/2/023023
arXiv: 1509.04279

[18] Vladyslav Verteletskyi، Tzu-Ching Yen، و Artur F. Izmaylov، "بهینه سازی اندازه گیری در حل ویژه کوانتومی متغیر با استفاده از پوشش حداقل دسته" مجله فیزیک شیمیایی 152، 124114 (2020).
https://doi.org/10.1063/1.5141458
arXiv: 1907.03358

[19] اندرو آراسمیت، لوکاس سینسیو، رولاندو دی. سوما، و پاتریک جی کولز، «نمونه‌گیری اپراتور برای بهینه‌سازی مقرون به صرفه در الگوریتم‌های متغیر» پیش‌چاپ arXiv (2020).
https://doi.org/10.48550/arXiv.2004.06252
arXiv: 2004.06252

[20] اوفلیا کرافورد، بارنابی ون استراتن، داوچن وانگ، توماس پارکس، ارل کمپبل و استفان بریرلی، "اندازه گیری کوانتومی کارآمد عملگرهای پائولی در حضور خطای نمونه گیری محدود" Quantum 5، 385 (2021).
https://doi.org/10.22331/q-2021-01-20-385
arXiv: 1908.06942

[21] Hsin-Yuan Huang، Richard Kueng، و John Preskill، "برآورد کارآمد مشاهده پذیرهای پائولی با تصادفی سازی" نامه های مروری فیزیکی 127، 030503 (2021).
https://doi.org/10.1103/PhysRevLett.127.030503
arXiv: 2103.07510

[22] Giacomo Torlai، Guglielmo Mazzola، Giuseppe Carleo، and Antonio Mezzacapo، "اندازه گیری دقیق مشاهدات کوانتومی با برآوردگرهای شبکه عصبی" Physical Review Research 2، 022060 (2020).
https://doi.org/10.1103/PhysRevResearch.2.022060
arXiv: 1910.07596

[23] استفان هیلمیچ، چارلز هادفیلد، رودی ریموند، آنتونیو مززاکاپو، و رابرت ویل، "نمودارهای تصمیم گیری برای اندازه گیری های کوانتومی با مدارهای کم عمق" کنفرانس بین المللی IEEE 2021 در محاسبات و مهندسی کوانتومی (QCE) 24-34 (2021).
https://doi.org/10.1109/QCE52317.2021.00018

[24] Hsin-Yuan Huang، Richard Kueng و John Preskill، "پیش بینی بسیاری از خواص یک سیستم کوانتومی از اندازه گیری های بسیار کم" Nature Physics 16، 1050-1057 (2020).
https://doi.org/10.1038/s41567-020-0932-7
arXiv: 2002.08953

[25] چارلز هادفیلد، سرگئی براوی، رودی ریموند و آنتونیو مزاکاپو، «اندازه‌گیری‌های همیلتونی‌های کوانتومی با سایه‌های کلاسیک محلی مغرضانه» ارتباطات در فیزیک ریاضی 391، 951-967 (2022).
https://doi.org/10.1007/s00220-022-04343-8

[26] چارلز هادفیلد «سایه‌های پاولی تطبیقی برای تخمین انرژی» پیش‌چاپ arXiv (2021).
https://doi.org/10.48550/arXiv.2105.12207
arXiv: 2105.12207

[27] Bujiao Wu، Jinzhao Sun، Qi Huang و Xiao Yuan، "اندازه گیری گروه بندی همپوشانی: چارچوبی یکپارچه برای اندازه گیری حالات کوانتومی" arXiv preprint (2021).
https://doi.org/10.48550/arXiv.2105.13091
arXiv: 2105.13091

[28] Masaya Kohda، Ryosuke Imai، Keita Kanno، Kosuke Mitarai، Wataru Mizukami، and Yuya O. Nakagawa، "تخمین کوانتومی انتظار-ارزش با نمونه گیری مبنای محاسباتی" Phys. Rev. Res. 4, 033173 (2022).
https://doi.org/10.1103/PhysRevResearch.4.033173

[29] پراناو گوخال، اولیویا آنگیولی، یونگشان دینگ، کایون گوی، تیگ تومش، مارتین سوچارا، مارگارت مارتونوسی، و فردریک تی. چونگ، «به حداقل رساندن آمادگی‌های حالت در حل ویژه کوانتومی متغیر با تقسیم‌بندی به خانواده‌های رفت‌وآمد» arXiv (2019).
https://doi.org/10.48550/arXiv.1907.13623
arXiv: 1907.13623

[30] Ikko Hamamuraand Takashi Imamichi "ارزیابی کارآمد مشاهدات کوانتومی با استفاده از اندازه گیری های درهم تنیده" npj اطلاعات کوانتومی 6، 1-8 (2020).
https://doi.org/10.1038/s41534-020-0284-2

[31] Tzu-Ching Yen، Vladyslav Verteletskyi، و Artur F. Izmaylov، "اندازه گیری همه عملگرهای سازگار در یک سری اندازه گیری های تک کیوبیتی با استفاده از تبدیل های واحد" مجله نظریه و محاسبات شیمیایی 16، 2400-2409 (2020).
https://doi.org/10.1021/acs.jctc.0c00008

[32] Artur F. Izmaylov، Tzu-Ching Yen، Robert A. Lang، و Vladyslav Verteletskyi، "رویکرد پارتیشن بندی واحد به مسئله اندازه گیری در روش حل ویژه کوانتومی متغیر" مجله نظریه شیمی و محاسبات 16، 190-195 (2020).
https://doi.org/10.1021/acs.jctc.9b00791

[33] Cambyse Rouzéand Daniel Stilck França "یادگیری سیستم های چند جسمی کوانتومی از چند نسخه" پیش چاپ arXiv (2021).
https://doi.org/10.48550/arXiv.2107.03333
arXiv: 2107.03333

[34] Andrew J. Jenaand Ariel Shlosberg "بهینه سازی اندازه گیری VQE (مخزن GitHub)" https:///github.com/AndrewJena/VQE_measurement_optimization (2021).
https://github.com/AndrewJena/VQE_measurement_optimization

[35] اسکات آرونسون و دانیل گوتسمن "شبیه سازی بهبود یافته مدارهای تثبیت کننده" بررسی فیزیکی A 70، 052328 (2004).
https://doi.org/10.1103/PhysRevA.70.052328

[36] کوئن بروناند جوپ کربوش "الگوریتم 457: یافتن همه دسته های یک گراف بدون جهت" ارتباطات ACM 16، 575-577 (1973).
https://doi.org/10.1145/362342.362367

[37] توماس اچ. کورمن، چارلز ای. لیزرسون، رونالد ال. ریوست و کلیفورد استین، "مقدمه ای بر الگوریتم ها" مطبوعات MIT (2009).

[38] Stephan Hoyer، Jascha Sohl-Dickstein و Sam Greydanus، "پارامترسازی مجدد عصبی بهینه سازی ساختاری را بهبود می بخشد" NeurIPS 2019 Deep Inverse Workshop (2019).
https://doi.org/10.48550/arXiv.1909.04240
arXiv: 1909.04240

[39] Herbert Robbinsand Sutton Monro "روش تقریب تصادفی" The Annals of Mathematical Statistics 400-407 (1951).
https://doi.org/10.1214/aoms/1177729586

[40] Diederik P. Kingmaand Jimmy Ba "Adam: A Method for Stochastic Optimization" سومین کنفرانس بین المللی بازنمایی های یادگیری (3).
https://doi.org/10.48550/arXiv.1412.6980
arXiv: 1412.6980

[41] Stephen Wrightand Jorge Nocedal "Numerical Optimization" Springer Science 35, 7 (1999).

[42] فیلیپ ای. گیلند والتر موری "روش های شبه نیوتنی برای بهینه سازی بدون محدودیت" IMA Journal of Applied Mathematics 9، 91-108 (1972).
https://doi.org/10.1093/imamat/9.1.91

[43] چیگوزی نوانکپا، وینیفرد ایجوما، آنتونی گاچاگان، و استفان مارشال، "توابع فعال سازی: مقایسه روندها در تمرین و تحقیق برای یادگیری عمیق" پیش چاپ arXiv (2018).
https://doi.org/10.48550/arXiv.1811.03378
arXiv: 1811.03378

[44] Fabian HL Essler، Holger Frahm، Frank Göhmann، Andreas Klümper و Vladimir E Korepin، "مدل یک بعدی هابارد" انتشارات دانشگاه کمبریج (2005).

[45] Zonghan Wu، Shirui Pan، Fengwen Chen، Guodong Long، Chengqi Zhang، و Philip S. Yu، "A Comprehensive Survey on Graph Neural Networks" معاملات IEEE در شبکه های عصبی و سیستم های یادگیری 32، 4-24 (2021).
https://doi.org/10.1109/TNNLS.2020.2978386
arXiv: 1901.00596

[46] JF Haase، PJ Vetter، T. Unden، A. Smirne، J. Rosskopf، B. Naydenov، A. Stacey، F. Jelezko، MB Plenio، و SF Huelga، "غیرمارکوینیت قابل کنترل برای یک کوبیت چرخشی در الماس" فیزیکی نامه نقد 121, 060401 (2018).
https://doi.org/10.1103/PhysRevLett.121.060401
arXiv: 1802.00819

[47] Nicholas C. Rubin، Ryan Babbush، و Jarrod McClean، "کاربرد محدودیت های حاشیه ای فرمیونی در الگوریتم های کوانتومی ترکیبی" مجله جدید فیزیک 20، 053020 (2018).
https://doi.org/10.1088/1367-2630/aab919
arXiv: 1801.03524

[48] John Kruschke "انجام تجزیه و تحلیل داده های بیزی: آموزشی با R، JAGS و Stan" انتشارات دانشگاهی (2014).
https://doi.org/10.1016/B978-0-12-405888-0.09999-2

[49] اندرو گلمن، جان بی. کارلین، هال اس. استرن، و دونالد بی. روبین، "تحلیل داده های بیزی" چاپمن هال/CRC (1995).

[50] پائولو فورناسینی "عدم قطعیت در اندازه گیری های فیزیکی: مقدمه ای بر تجزیه و تحلیل داده ها در آزمایشگاه فیزیک" اسپرینگر (2008).
https://doi.org/10.1007/978-0-387-78650-6

[51] Roger A. Hornand چارلز R. جانسون "تحلیل ماتریس" انتشارات دانشگاه کمبریج (2012).

[52] JW Moonand L. Moser "On cliques in graphs" Israel Journal of Mathematics 3, 23-28 (1965).
https://doi.org/10.1007/BF02760024

[53] Dong C. Liuand Jorge Nocedal "در روش حافظه محدود BFGS برای بهینه سازی در مقیاس بزرگ" برنامه نویسی ریاضی 45، 503-528 (1989).
https://doi.org/10.1007/BF01589116

ذکر شده توسط

[1] آندریاس البن، استیون تی فلامیا، هسین یوان هوانگ، ریچارد کوئنگ، جان پرسکیل، بنویت ورمرش، و پیتر زولر، "جعبه ابزار اندازه گیری تصادفی"، Nature Reviews Physics 5 1, 9 (2023).

[2] Zachary Pierce Bansingh، Tzu-Ching Yen، Peter D. Johnson و Artur F. Izmaylov، "سربار وفاداری برای اندازه گیری های غیرمحلی در الگوریتم های کوانتومی متغیر"، arXiv: 2205.07113, (2022).

[3] Masaya Kohda، Ryosuke Imai، Keita Kanno، Kosuke Mitarai، Wataru Mizukami و Yuya O. Nakagawa، "تخمین کوانتومی انتظار-ارزش با استفاده از نمونه گیری مبنای محاسباتی". تحقیقات مروری فیزیکی 4 3، 033173 (2022).

[4] Bujiao Wu، Jinzhao Sun، Qi Huang و Xiao Yuan، "اندازه گیری گروه بندی همپوشانی: یک چارچوب یکپارچه برای اندازه گیری حالات کوانتومی"، arXiv: 2105.13091, (2021).

[5] تزو-چینگ ین، آدیتیا گانشرام، و آرتور اف. ایزمایلوف، "پیشرفت های قطعی اندازه گیری های کوانتومی با گروه بندی عملگرهای سازگار، تبدیل های غیرمحلی، و تخمین های کوواریانس". arXiv: 2201.01471, (2022).

[6] Bojia Duan و Chang-Yu Hsieh، "بارگیری داده مبتنی بر همیلتون با مدارهای کوانتومی کم عمق"، بررسی فیزیکی A 106 5, 052422 (2022).

[7] دانیل میلر، لورین ای. فیشر، ایگور او. سوکولوف، پاناگیوتیس کل. بارکوتسوس، و ایوانو تاورنلی، "مدارهای قطری متناسب با سخت افزار"، arXiv: 2203.03646, (2022).

[8] فرانسیسکو اسکودرو، دیوید فرناندز-فرناندز، گابریل ژائوما، گیلرمو اف. پناس، و لوسیانو پریرا، "اندازه گیری های درهم تنیده سخت افزاری برای الگوریتم های کوانتومی متغیر"، arXiv: 2202.06979, (2022).

[9] ویلیام کربی، ماریو موتا، و آنتونیو مزاکاپو، "روش دقیق و کارآمد لانچوس در یک کامپیوتر کوانتومی". arXiv: 2208.00567, (2022).

[10] لین جی. گاندرمن، «تبدیل مجموعه‌های اپراتورهای پاولی به مجموعه‌های معادل اپراتورهای پاولی بیش از ثبت‌های حداقلی»، arXiv: 2206.13040, (2022).

[11] اندرو ینا، اسکات ان. جنین و میشل موسکا، «بهینه‌سازی اندازه‌گیری حل ویژه کوانتومی-تغییر با پارتیشن بندی عملگرهای پائولی با استفاده از گیت‌های کلیفورد چند کیوبیتی روی سخت‌افزار کوانتومی پر سر و صدا، در مقیاس متوسط». بررسی فیزیکی A 106 4, 042443 (2022).

[12] الکساندر گرش و مارتین کلیش، "تخمین تضمین شده انرژی کارآمد همیلتونین های کوانتومی چند جسمی با استفاده از ShadowGrouping". arXiv: 2301.03385, (2023).

نقل قول های بالا از SAO/NASA Ads (آخرین به روز رسانی با موفقیت 2023-01-26 13:33:05). فهرست ممکن است ناقص باشد زیرا همه ناشران داده های استنادی مناسب و کاملی را ارائه نمی دهند.

واکشی نشد داده های استناد شده متقاطع در آخرین تلاش 2023-01-26 13:33:03: داده های استناد شده برای 10.22331/q-2023-01-26-906 از Crossref دریافت نشد. اگر DOI اخیراً ثبت شده باشد، طبیعی است.

این مقاله در Quantum تحت عنوان منتشر شده است Creative Commons Attribution 4.0 International (CC BY 4.0) مجوز. حق چاپ نزد دارندگان حق چاپ اصلی مانند نویسندگان یا مؤسسات آنها باقی می ماند.

محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
منبع: https://quantum-journal.org/papers/q-2023-01-26-906/

تمبر زمان: ژانویه 26، 2023

تمبر زمان: ژان 26، 2023

تخمین تطبیقی قابل مشاهده کوانتومی

بازنشر افلاطون

چکیده

خلاصه محبوب

► داده های BibTeX

◄ مراجع

ذکر شده توسط

بیشتر از مجله کوانتومی

پارادوکس های هاردی کج شده برای استخراج تصادفی مستقل از دستگاه

ساخت جهانی رمزگشاها از جعبه سیاه کدگذاری

امضای انتقال فاز نقطه ای استثنایی در سیستم های هرمیتی

مدارهای کوانتومی تصادفی $t$-designs واحد تقریبی در عمق هستند $Oleft(nt^{5+o(1)}راست)$

عمده سازی پیوسته در فضای فاز کوانتومی

مقیاس‌بندی الگوریتم بهینه‌سازی تقریبی کوانتومی بر روی سخت‌افزار مبتنی بر کیوبیت ابررسانا

امنیت توزیع کلید کوانتومی با عدم تطابق کارآیی تشخیص در مورد چند فوتونی

یک گفتگو برای محاسبات کوانتومی تحمل‌پذیر خطا

در مورد ضرایب انقباض، سفارشات جزئی و تقریب ظرفیت برای کانال های کوانتومی

یادگیری همیلتونی با دقت بالا از طریق تحولات حالت کوانتومی غیرمحلی شده

درباره‌ ما

جستجوی عمودی و هوش مصنوعی

سکو

همیشه در ارتباط ماندن

حساب