論文の概要: Augmented fidelities for single qubit gates
- arxiv url: http://arxiv.org/abs/2006.03086v2
- Date: Thu, 12 Nov 2020 17:25:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 04:12:53.494404
- Title: Augmented fidelities for single qubit gates
- Title(参考訳): 単一キュービットゲートに対する拡張フィデリティ
- Authors: Filip Wudarski, Jeffrey Marshall, Andre Petukhov, Eleanor Rieffel
- Abstract要約: 解析的に(単量子)、数値的に(二量子)、均一分布条件が緩和された場合、この平均値がどのように変化するかを示す。
3つの軸に沿って異なるノイズレートを持つパウリ流路は、これらの拡張忠実度を用いて忠実に区別できることを実証する。
- 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: An average gate fidelity is a standard performance metric to quantify
deviation between an ideal unitary gate transformation and its realistic
experimental implementation. The average is taken with respect to states
uniformly distributed over the full Hilbert space. We analytically
(single-qubit) and numerically (two-qubit) show how this average changes if the
uniform distribution condition is relaxed, replaced by parametrized
distributions - polar cap and von Mises-Fisher distributions - and how the
resulting fidelities can differentiate certain noise models. In particular, we
demonstrate that Pauli channels with different noise rates along the three axes
can be faithfully distinguished using these augmented fidelities.
- Abstract(参考訳): 平均ゲート忠実度(英: average gate fidelity)は、理想的なユニタリゲート変換と現実的な実験的実装との偏差を定量化する標準的な性能指標である。
平均はヒルベルト空間全体に均一に分布する状態に対して取られる。
解析的(単一量子ビット)および数値的(2量子ビット)は、均一分布条件が緩和され、偏極キャップとフォン・ミセス・フィッシャー分布に置き換わる場合のこの平均変化と、結果の忠実度が特定の雑音モデルをどのように区別するかを示す。
特に,三軸に沿って異なる雑音率のパウリチャネルは,これらの拡張されたフィディティを用いて忠実に識別できることを実証する。
関連論文リスト
- Non-asymptotic Convergence of Discrete-time Diffusion Models: New
Approach and Improved Rate [54.596887384531236]
我々は離散時間拡散モデルの下で、分布のかなり大きなクラスに対する収束保証を確立する。
パラメータ依存を明示した分布の興味深いクラスに対して,結果の専門化を行う。
本稿では,新しい加速サンプリング器を提案し,対応する正則サンプリング器の収束率を桁違いに向上することを示す。
論文 参考訳(メタデータ) (2024-02-21T16:11:47Z) - Normal quantum channels and Markovian correlated two-qubit quantum
errors [77.34726150561087]
一般の'分散ランダムなユニタリ変換について検討する。
一方、正規分布はユニタリ量子チャネルを誘導する。
一方、拡散ランダムウォークは単位量子過程を定義する。
論文 参考訳(メタデータ) (2023-07-25T15:33:28Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳(メタデータ) (2023-06-27T08:15:28Z) - Anomaly Detection with Variance Stabilized Density Estimation [67.96748304066827]
密度推定に基づく異常検出スキームは、通常、低密度領域に存在する異常をモデル化する。
修正された密度推定問題を提案し,その異常検出の有効性を実証する。
論文 参考訳(メタデータ) (2023-06-01T11:52:58Z) - Flow Away your Differences: Conditional Normalizing Flows as an
Improvement to Reweighting [0.0]
本稿では, 条件分布の所望の変化を考慮に入れた再重み付け手法の代替手法を提案する。
条件付き正規化フローを用いて、完全条件付き確率分布を学習する。
この例では、ソースとターゲットの分布を同一のサンプルサイズで再重み付けする手法よりも、統計精度が最大3倍に向上する。
論文 参考訳(メタデータ) (2023-04-28T16:33:50Z) - DensePure: Understanding Diffusion Models towards Adversarial Robustness [110.84015494617528]
拡散モデルの特性を解析し,それらが証明された堅牢性を高める条件を確立する。
事前訓練されたモデル(すなわち分類器)の信頼性向上を目的とした新しいDensePure法を提案する。
このロバストな領域は多重凸集合の和であり、以前の研究で特定されたロバストな領域よりもはるかに大きい可能性が示されている。
論文 参考訳(メタデータ) (2022-11-01T08:18:07Z) - Reliable amortized variational inference with physics-based latent
distribution correction [0.4588028371034407]
ニューラルネットワークは、既存のモデルとデータのペアの後方分布を近似するように訓練される。
このアプローチの精度は、高忠実度トレーニングデータの可用性に依存する。
補正ステップは, ソース実験数の変化, ノイズ分散, 先行分布の変化に対して, 償却された変分推論の頑健さを向上することを示す。
論文 参考訳(メタデータ) (2022-07-24T02:38:54Z) - Resampling Base Distributions of Normalizing Flows [0.0]
学習された拒絶サンプリングに基づいて,フローを正規化するためのベース分布を導入する。
ログライクリフの最大化と逆Kulback-Leibler分散の最適化の両方を用いて、適切な学習アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-10-29T14:44:44Z) - Improving application performance with biased distributions of quantum
states [0.0]
本研究では,Har-random純状態とDirichlet分散係数の混合を解析する。
我々は,バーレス分布とヒルベルト分布の平均純度に一致する濃度パラメータを解析的に導出した。
これらのディリクレ重み付きハール混合物をビュール分布とヒルベルト分布に代えて置換することにより、測定可能な性能の優位性が得られることを示す。
論文 参考訳(メタデータ) (2021-07-15T23:29:10Z) - GANs with Variational Entropy Regularizers: Applications in Mitigating
the Mode-Collapse Issue [95.23775347605923]
深層学習の成功に基づいて、GAN(Generative Adversarial Networks)は、観測されたサンプルから確率分布を学習するための現代的なアプローチを提供する。
GANはしばしば、ジェネレータが入力分布の既存のすべてのモードをキャプチャできないモード崩壊問題に悩まされる。
情報理論のアプローチを採り、生成したサンプルのエントロピーの変動的下限を最大化し、それらの多様性を増大させる。
論文 参考訳(メタデータ) (2020-09-24T19:34:37Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。