ترجمه فارسی مقاله پیش‌بینی کانال‌های کوانتومی بر روی توزیع محصول عمومی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Predicting quantum channels over general product distributions
عنوان مقاله به فارسی پیش‌بینی کانال‌های کوانتومی بر روی توزیع محصول عمومی
نویسندگان Sitan Chen, Jaume de Dios Pont, Jun-Ting Hsieh, Hsin-Yuan Huang, Jane Lange, Jerry Li
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Quantum Physics,Data Structures and Algorithms,Machine Learning,فیزیک کوانتومی , ساختار داده ها و الگوریتم ها , یادگیری ماشین ,
توضیحات Submitted 5 September, 2024; originally announced September 2024. , Comments: 20 pages, comments welcome
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 20 صفحه ، نظرات خوش آمدید
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We investigate the problem of predicting the output behavior of unknown quantum channels. Given query access to an $n$-qubit channel $E$ and an observable $O$, we aim to learn the mapping \begin{equation*} ρ\mapsto \mathrm{Tr}(O E[ρ]) \end{equation*} to within a small error for most $ρ$ sampled from a distribution $D$. Previously, Huang, Chen, and Preskill proved a surprising result that even if $E$ is arbitrary, this task can be solved in time roughly $n^{O(\log(1/ε))}$, where $ε$ is the target prediction error. However, their guarantee applied only to input distributions $D$ invariant under all single-qubit Clifford gates, and their algorithm fails for important cases such as general product distributions over product states $ρ$. In this work, we propose a new approach that achieves accurate prediction over essentially any product distribution $D$, provided it is not "classical" in which case there is a trivial exponential lower bound. Our method employs a "biased Pauli analysis," analogous to classical biased Fourier analysis. Implementing this approach requires overcoming several challenges unique to the quantum setting, including the lack of a basis with appropriate orthogonality properties. The techniques we develop to address these issues may have broader applications in quantum information.

چکیده به فارسی (ترجمه ماشینی)

ما مشکل پیش بینی رفتار خروجی کانال های کوانتومی ناشناخته را بررسی می کنیم.با توجه به دسترسی پرس و جو به یک کانال $ n $ -qubit $ e $ و یک $ O $ قابل مشاهده ، ما قصد داریم نقشه برداری \ start {معادله*} ρ \ mapsto \ mathrm {tr} (o e [ρ]) \ end {{را بیاموزیم.معادله*} تا در یک خطای کوچک برای بیشتر ρ $ $ نمونه برداری از توزیع $ d $.پیش از این ، هوانگ ، چن و پرسکیل نتیجه غافلگیرانه ای را ثابت کردند که حتی اگر $ e $ دلخواه باشد ، این کار را می توان به موقع تقریباً $ n^{o (\ log (1/ε)) حل کرد ، جایی که $ ε $خطای پیش بینی هدف است.با این حال ، ضمانت آنها فقط برای توزیع ورودی $ d $ ثابت تحت کلیه دروازه های کلیفورد تک مگس اعمال می شود ، و الگوریتم آنها برای موارد مهم مانند توزیع محصولات عمومی در کشورهای محصول $ ρ $ انجام نمی شود.در این کار ، ما یک رویکرد جدید را پیشنهاد می کنیم که به پیش بینی دقیق در مورد هرگونه توزیع محصول $ D $ دست یابد ، مشروط بر اینکه "کلاسیک" نباشد در این صورت یک محدوده پایین نمایی بی اهمیت وجود دارد.روش ما از "تجزیه و تحلیل pauli مغرضانه" ، مشابه تجزیه و تحلیل فوریه مغرضانه کلاسیک استفاده می کند.اجرای این رویکرد مستلزم غلبه بر چندین چالش منحصر به فرد برای تنظیم کوانتومی است ، از جمله عدم وجود مبنای خاصیت ارتوگونی بودن مناسب.تکنیک هایی که ما برای پرداختن به این موضوعات توسعه می دهیم ممکن است کاربردهای گسترده تری در اطلاعات کوانتومی داشته باشد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.