Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Federal Institute of Sao Paulo | - |
Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | QuaTI - Quantum Technology & Information | - |
Autor(es): dc.creator | Castelano, Leonardo K. | - |
Autor(es): dc.creator | Cunha, Iann | - |
Autor(es): dc.creator | Luiz, Fabricio S. | - |
Autor(es): dc.creator | De Jesus Napolitano, Reginaldo | - |
Autor(es): dc.creator | Prado, Marcelo V. De Souza | - |
Autor(es): dc.creator | Fanchini, Felipe F. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:16:24Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:16:24Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1103/PhysRevA.110.032607 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/301532 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/301532 | - |
Descrição: dc.description | The precision required to characterize a Hamiltonian is central to developing advantageous quantum computers, providing powerful advances in quantum sensing and crosstalk mitigation. Traditional methods to determine a Hamiltonian are difficult due to the intricacies of quantum systems, involving numbers of equations and parameters that grow exponentially with the number of qubits. To mitigate these shortcomings, in this paper, we introduce an innovative and effective procedure integrating a physics-informed neural network (PINN) with a freezing mechanism to learn the Hamiltonian parameters efficiently. Although PINN and experimental data alone would become impractical as N increases, the mechanism we introduce freezes the interactions of most of the qubits, leaving just a qubit subsystem to be analyzed by the PINN method. Determination of all physical parameters is accomplished by analyzing the system by parts until completion. We validated the efficacy of our method using simulation data obtained from the IBM quantum computer to obtain the training data and we found that a PINN can learn the two-qubit parameters with high accuracy, achieving a median error of less than 0.1% for systems of up to four qubits. We have successfully combined the PINN analysis of two qubits with the freezing mechanism in the case of a four-qubit system. | - |
Descrição: dc.description | Departamento de Física Universidade Federal de Sao Carlos (UFSCar) Sao Carlos | - |
Descrição: dc.description | Federal Institute of Sao Paulo, Itapetininga | - |
Descrição: dc.description | Instituto de Física Gleb Wataghin Universidade Estadual de Campinas, Campinas | - |
Descrição: dc.description | Sao Carlos Institute of Physics University of Sao Paulo, P.O. Box 369, Sao Carlos | - |
Descrição: dc.description | Faculty of Sciences UNESP - Sao Paulo State University, Bauru | - |
Descrição: dc.description | QuaTI - Quantum Technology & Information, Sao Carlos | - |
Descrição: dc.description | Faculty of Sciences UNESP - Sao Paulo State University, Bauru | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Physical Review A | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Combining physics-informed neural networks with the freezing mechanism for general Hamiltonian learning | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: