Fugu-MT 論文翻訳(概要): Characterizing local noise in QAOA circuits

論文の概要: Characterizing local noise in QAOA circuits

arxiv url: http://arxiv.org/abs/2002.11682v1
Date: Wed, 26 Feb 2020 18:21:00 GMT
ステータス: 処理完了
システム内更新日: 2023-06-01 21:03:57.940119
Title: Characterizing local noise in QAOA circuits
Title（参考訳）: QAOA回路における局所雑音の特性
Authors: Jeffrey Marshall, Filip Wudarski, Stuart Hadfield, Tad Hogg
Abstract要約: ノイズ率, システムサイズ, 回路深さの観点から, 忠実度, コストを近似した閉形方程式を提案する。応用として、これらの方程式は、ノイズによる劣化の増大を犠牲にして、よりコストのかかる大きな回路間のトレードオフを正確にモデル化する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recently Xue et al. [arXiv:1909.02196] demonstrated numerically that QAOA performance varies as a power law in the amount of noise under certain physical noise models. In this short note, we provide a deeper analysis of the origin of this behavior. In particular, we provide an approximate closed form equation for the fidelity and cost in terms of the noise rate, system size, and circuit depth. As an application, we show these equations accurately model the trade off between larger circuits which attain better cost values, at the expense of greater degradation due to noise.
Abstract（参考訳）: 最近、xueなど。 [arXiv:1909.02196] は、QAOA性能が特定の物理ノイズモデルの下での雑音量における電力法則として変化することを示した。この短い注記で、我々はこの行動の起源についてより深く分析する。特に, ノイズ率, システムサイズ, 回路深さの両面において, 忠実度とコストを近似的に近似した形状方程式を提供する。応用として、これらの方程式は、ノイズによる劣化を犠牲にして、よりコストのかかる大きな回路間のトレードオフを正確にモデル化する。

関連論文リスト

Accurate and Honest Approximation of Correlated Qubit Noise [39.58317527488534]
提案手法は, 量子ビット相関度の高い雑音成分を組み込むことにより, 精度を向上することのできる, 近似雑音チャネルの効率的な構成法である。固定周波数超伝導量子ビットに典型的な現実的な雑音強度では、2量子ビット相関を超える相関ノイズがコードシミュレーションの精度に大きく影響することを発見した。
論文参考訳（メタデータ） (2023-11-15T19:00:34Z)
Emergence of noise-induced barren plateaus in arbitrary layered noise models [44.99833362998488]
変分量子アルゴリズムでは、パラメータ化された量子回路のパラメータは、問題の解を符号化するコスト関数を最小限に抑えるために最適化される。層状雑音モデルを用いたパラメータ化量子回路において,ノイズ誘起バレンプラトー現象がどのように出現するか,その意味について論じる。
論文参考訳（メタデータ） (2023-10-12T15:18:27Z)
High-Order Qubit Dephasing at Sweet Spots by Non-Gaussian Fluctuators: Symmetry Breaking and Floquet Protection [55.41644538483948]
非ガウスゆらぎによるqubit dephasingについて検討した。非ガウス雑音に特有の対称性破壊効果を予測する。
論文参考訳（メタデータ） (2022-06-06T18:02:38Z)
Learning Noise via Dynamical Decoupling of Entangled Qubits [49.38020717064383]
絡み合った量子系のノイズは、複数の自由度を含む多体効果のために特徴付けるのが困難である。 2キュービットゲートで発生する雑音を特徴付けるマルチキュービットダイナミックデカップリングシーケンスを開発し,適用する。
論文参考訳（メタデータ） (2022-01-26T20:22:38Z)
Analyzing and Improving the Optimization Landscape of Noise-Contrastive Estimation [50.85788484752612]
ノイズコントラスト推定(NCE)は、非正規化確率モデルを学習するための統計的に一貫した手法である。ノイズ分布の選択がNCEの性能に不可欠であることが実験的に観察されている。本研究では,不適切な雑音分布を用いた場合,NCEの性能低下の原因を正式に指摘する。
論文参考訳（メタデータ） (2021-10-21T16:57:45Z)
Universal noise-precision relations in variational quantum algorithms [0.6946929968559495]
変分量子アルゴリズム(VQA)は、近時雑音量子コンピュータの実用的応用として期待されている。ノイズによるVQAのコスト関数の誤差を解析的に推定する。コスト関数のヘシアン、対象作用素のスペクトル、およびアンザッツの幾何学がノイズに対する感度にどのように影響するかを示す。
論文参考訳（メタデータ） (2021-06-07T07:37:54Z)
Mitigating depolarizing noise on quantum computers with noise-estimation circuits [1.3375143521862154]
本稿では、まず、雑音推定回路を用いて、その周波数を推定することで、脱分極ノイズを緩和する手法を提案する。我々は,数百個のCNOTゲートを含む回路であっても,読み出し誤り訂正,コンパイル,ランダム化,ゼロノイズ外挿と組み合わせることで,正確な結果が得られた。
論文参考訳（メタデータ） (2021-03-15T17:59:06Z)
Modeling and mitigation of cross-talk effects in readout noise with applications to the Quantum Approximate Optimization Algorithm [0.0]
雑音の緩和は、上界を導出する誤差まで行うことができる。ノイズモデルとエラー軽減スキームの両方をテストするためにIBMのデバイスを使用した15(23)量子ビットの実験。浅層深度ランダム回路によって生成されるHaar-random量子状態と状態に対して、同様の効果が期待できることを示す。
論文参考訳（メタデータ） (2021-01-07T02:19:58Z)
Evaluating the noise resilience of variational quantum algorithms [0.0]
変動量子アルゴリズムの状態準備回路における異なる種類のノイズの影響をシミュレートする。冗長なパラメータ化ゲートを組み込むことで、量子回路のノイズ耐性が向上することがわかった。
論文参考訳（メタデータ） (2020-11-02T16:56:58Z)
Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文参考訳（メタデータ） (2020-06-15T18:31:02Z)
A deep learning model for noise prediction on near-term quantum devices [137.6408511310322]
我々は、量子デバイスからの実験データに基づいて畳み込みニューラルネットワークをトレーニングし、ハードウェア固有のノイズモデルを学ぶ。コンパイラはトレーニングされたネットワークをノイズ予測器として使用し、期待されるノイズを最小限に抑えるために回路にゲートのシーケンスを挿入する。
論文参考訳（メタデータ） (2020-05-21T17:47:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。