PyTorchKR Papers

업데이트된 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

arXiv:2505.03397v5quant-ph공식 코드 · Papers with Code

고전 확률적 환경과 결합된 큐비트의 양자 특징 공간

Quantum Feature Space of a Qubit Coupled to a Classical Stochastic Environment

큐비트 제어 프로토콜은 전통적으로 양자 하드웨어에서 자원 소모가 큰 펄스 스윕을 사용하여 큐비트-환경 결합을 규명해 왔다. 이전 연구는 잡음 연산자를 추론함으로써 이러한 양자 실행 시간을 줄이려 했으나, 심층 신경망과 물리 인코딩 계층을 결합한 복잡한 그레이박스 접근법에 의존하여 학습과 확장에 어려움이 있었다. 본 연구에서는 단일 펄스 시퀀스로부터 구성되는 \textit{양자 특징 공간}(QFS, $\mathcal{F}$로 표기)을 도입한다. $\mathcal{F}$가 큐비트-환경 동역학을 인코딩하도록 설계함으로써, 이러한 물리적 상호작용을 학습하기 위한 고비용 신경망의 필요를 없앤다. 이로써 스펙트럼 특징의 추출을 효율적인 고전 기계학습 알고리즘에 맡길 수 있다. 전통적인 양자 잡음 분광법의 광범위한 펄스 스윕과 기존 방법의 고비용 신경망을 모두 우회하면서, 펄스 지터와 판독 오류를 포함한 모의 현실적 하드웨어 제약 하에서 $\mathcal{F}$ 위의 단순한 랜덤 포레스트 알고리즘이 광범위한 잡음 부류를 $\sim 90\%$의 정확도로 분류함을 보인다. 나아가 $\mathcal{F}$ 상의 유클리드 거리 탐색으로 스펙트럼 공명을 결정할 수 있다. 연속적인 파워 스펙트럼 밀도 재구성이 아니라 잡음 분류와 식별에 초점을 맞춤으로써 $\mathcal{F}$는 양자 하드웨어를 위한 효율적인 진단 도구가 된다.