arxiv 論文解説 2026/06/24
論文1: k局所リンドブラディアンの頑健な構造学習
2026年6月22日提出。Tim Möbus、Thiago Bergamaschi、Daniel Stilck França、Cambyse Rouzé（テクニカル大学ミュンヘン・カリフォルニア大学バークレー校他）。
量子コンピュータ上で動く開放量子系（ノイズがある系）を理解するには、その動的な振る舞いを支配する「リンドブラディアン」を実験データから学習する必要があります。しかし従来手法は事前に相互作用構造の知識を必要としたり、複雑な測定が要求されたりしていました。
本論文では、n量子ビット系のk局所リンドブラディアンを、積状態の準備・短時間発展・単一量子ビットのパウリ測定だけで効率的に学習するプロトコルを提案します。事前の相互作用構造知識なしに、全ハミルトニアン・散逸パウリGKSL係数を精度ε、失敗確率δ以下で推定できます。サンプル数はO(ε⁻²n^{2k}log(1/δ))で、古典後処理も多項式時間。スパース構造が既知なら依存性は対数的に改善します。開放量子系のキャラクタリゼーシ
論文1: k局所リンドブラディアンの頑健な構造学習
2026年6月22日提出。Tim Möbus、Thiago Bergamaschi、Daniel Stilck França、Cambyse Rouzé（テクニカル大学ミュンヘン・カリフォルニア大学バークレー校他）。
量子コンピュータ上で動く開放量子系（ノイズがある系）を理解するには、その動的な振る舞いを支配する「リンドブラディアン」を実験データから学習する必要があります。しかし従来手法は事前に相互作用構造の知識を必要としたり、複雑な測定が要求されたりしていました。
本論文では、n量子ビット系のk局所リンドブラディアンを、積状態の準備・短時間発展・単一量子ビットのパウリ測定だけで効率的に学習するプロトコルを提案します。事前の相互作用構造知識なしに、全ハミルトニアン・散逸パウリGKSL係数を精度ε、失敗確率δ以下で推定できます。サンプル数はO(ε⁻²n^{2k}log(1/δ))で、古典後処理も多項式時間。スパース構造が既知なら依存性は対数的に改善します。開放量子系のキャラクタリゼーシ
感想
まだ感想はありません。最初の1件を書きましょう！
スクロール