ShadowNet for Data-Centric Quantum System Learning

要約

大規模な量子システムのダイナミクスの理解は、次元の呪いによって妨げられています。
統計的学習は、ニューラル ネットワーク プロトコルと古典的なシャドウによってこの領域に新たな可能性をもたらしますが、どちらの方法にも限界があります。前者は予測の不確実性に悩まされ、後者は一般化能力に欠けています。
ここでは、これら 2 つのアプローチの長所を組み合わせて、多様な量子システム学習 (QSL) タスクを促進するデータ中心の学習パラダイムを提案します。
特に、私たちのパラダイムは、量子システムの他の簡単に取得できる情報とともに古典的なシャドウを利用してトレーニング データセットを作成します。その後、このデータセットがニューラル ネットワークによって学習され、調査された QSL 問題の基礎となるマッピング ルールが明らかになります。
ニューラル ネットワークの一般化能力を利用して、このパラダイムはオフラインでトレーニングでき、状態コピーがほとんどない場合でも、推論段階でこれまで目に見えなかったシステムを予測することに優れています。
さらに、古典的なシャドウの特性を継承し、メモリ効率の高いストレージと忠実な予測を可能にします。
これらの特徴は、新規で大規模な量子システムの発見において、提案されているデータ中心のアプローチの計り知れない可能性を強調しています。
具体性を高めるために、量子状態トモグラフィーおよび直接忠実度推定タスクにおけるパラダイムのインスタンス化を提示し、最大 60 量子ビットの数値解析を実行します。
私たちの研究は、忠実かつ一般化可能な方法で QSL を進歩させる、データ中心の人工知能の深い展望を示しています。

要約(オリジナル)

Understanding the dynamics of large quantum systems is hindered by the curse of dimensionality. Statistical learning offers new possibilities in this regime by neural-network protocols and classical shadows, while both methods have limitations: the former is plagued by the predictive uncertainty and the latter lacks the generalization ability. Here we propose a data-centric learning paradigm combining the strength of these two approaches to facilitate diverse quantum system learning (QSL) tasks. Particularly, our paradigm utilizes classical shadows along with other easily obtainable information of quantum systems to create the training dataset, which is then learnt by neural networks to unveil the underlying mapping rule of the explored QSL problem. Capitalizing on the generalization power of neural networks, this paradigm can be trained offline and excel at predicting previously unseen systems at the inference stage, even with few state copies. Besides, it inherits the characteristic of classical shadows, enabling memory-efficient storage and faithful prediction. These features underscore the immense potential of the proposed data-centric approach in discovering novel and large-scale quantum systems. For concreteness, we present the instantiation of our paradigm in quantum state tomography and direct fidelity estimation tasks and conduct numerical analysis up to 60 qubits. Our work showcases the profound prospects of data-centric artificial intelligence to advance QSL in a faithful and generalizable manner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google