[論文レビュー] Measurement disturbance tradeoffs in three-qubit unsupervised quantum classification

Hector Spencer-Wood, Sarah Croke+1 more|arXiv (Cornell University)|Feb 11, 2022

Quantum Information and Cryptography参考文献 28被引用数 2

ひとこと要約

本稿は、3キュービットの教師なし量子分類タスクにおける測定干渉のトレードオフを調査している。ここで、最初に2キュービットが分類され、その後に第3のキュービットが分類される。測定干渉のトレードオフを解析的に特徴づけ、特定の戦略では、固有の量子測定干渉が存在するにもかかわらず、最初の測定が2番目の分類性能を低下させないことが明らかになった。

ABSTRACT

We consider measurement disturbance tradeoffs in quantum machine learning protocols which seek to learn about quantum data. We study the simplest example of a binary classification task, in the unsupervised regime. Specifically, we investigate how a classification of two qubits, that can each be in one of two unknown states, affects our ability to perform a subsequent classification on three qubits when a third is added. Surprisingly, we find a range of strategies in which a non-trivial first classification does not affect the success rate of the second classification. There is, however, a non-trivial measurement disturbance tradeoff between the success rate of the first and second classifications, and we fully characterise this tradeoff analytically.

研究の動機と目的

• 教師なし量子学習設定において、量子データの部分集合を測定することが、全データセットの分類性能に与える影響を調査すること。
• 最初の2キュービットの分類成功確率と、全3キュービット系の分類成功確率の間のトレードオフを定量化すること。
• 量子測定反作用が存在するにもかかわらず、非自明な最初の測定が、全データセットの性能を保持できるかどうかを特定すること。
• 最小限の量子分類モデルにおける測定干渉トレードオフの解析的特徴づけを提供すること。

提案手法

• 3キュービットの二値分類タスクをモデル化し、各キュービットは未知の純粋状態 |ϕ₀⟩ または |ϕ₁⟩ のいずれかに準備される。
• 分類のための量子測定を記述するために、POVM（正の演算子値測定）形式を用いる。
• 測定後の状態更新則を分析し、最初の2キュービットに対する測定による干渉を組み込む。
• 最初の2キュービットの分類成功確率および全3キュービット系の分類成功確率の解析的表現を導出する。
• 未知状態のパラメータ化に極座標角を用い、対称性の考察を適用して解析を簡略化する。
• 逐次的状態判別と全スピン部分空間（s = 1/2）への射影の概念を用いて、測定結果を計算する。

実験結果

リサーチクエスチョン

• RQ1 3キュービット分類タスクにおいて、最初の2キュービットに対する測定が、全3キュービットの分類成功率を維持できるか？
• RQ2 最初の2キュービットの分類成功確率と全3キュービット系の分類成功確率の間の解析的トレードオフは何か？
• RQ3 量子測定反作用が存在するにもかかわらず、最初の分類が2番目の分類に干渉しない測定戦略は存在するか？
• RQ4 未知状態間の重なりが、この教師なし設定における測定干渉トレードオフにどのように影響するか？

主な発見

• 特定の測定戦略の範囲では、最初の2キュービットに対する非自明な測定があっても、全3キュービットの分類成功率は変化しない。
• 測定干渉トレードオフが解析的に特徴づけられ、2番目の分類の成功確率が、未知状態を定義するパrameter α と β に依存することが示された。
• α ≥ 2β の場合、最適測定戦略により a− = 1 が達成され、最初の2キュービットの完全分類が可能であり、3キュービット分類に影響を与えない。
• α < 2β の場合、最初の分類成功確率は a− = √((α + β)/(3β)) に低下するが、3キュービット分類の成功確率は影響を受けない。
• 解析により、干渉が常に悪影響を及ぼすわけではないことが明らかになった。特定の条件下では、最初の2キュービットに対する測定が、全系の性能を低下させない。
• 結果から、教師なし設定においても、最適性能を達成するために全キュービットを一度に測定する必要は必ずしもないと示された。