論文の概要: Optimal resource cost for error mitigation
- arxiv url: http://arxiv.org/abs/2006.12509v3
- Date: Sat, 21 Aug 2021 09:36:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-13 04:51:42.774462
- Title: Optimal resource cost for error mitigation
- Title（参考訳）: エラー軽減のための最適資源コスト
- Authors: Ryuji Takagi
- Abstract要約: 本稿では,確率的エラーキャンセリング手法の最適資源コストを定式化できる,短期機器の完全な表現性を考慮したフレームワークを提案する。
一般の騒音を緩和する際の最適コストを推定するために,本手法を用いる。
いくつかのノイズモデルの境界を改良し、ノイズの非偏極化とデフォーカスに最適なコストを与える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the central problems for near-term quantum devices is to understand
their ultimate potential and limitations. We address this problem in terms of
quantum error mitigation by introducing a framework taking into account the
full expressibility of near-term devices, in which the optimal resource cost
for the probabilistic error cancellation method can be formalized. We provide a
general methodology for evaluating the optimal cost by connecting it to a
resource-theoretic quantifier defined with respect to the noisy operations that
devices can implement. We employ our methods to estimate the optimal cost in
mitigating a general class of noise, where we obtain an achievable cost that
has a generic advantage over previous evaluations, as well as a fundamental
lower bound applicable to a broad class of noisy implementable operations. We
improve our bounds for several noise models, where we give the exact optimal
costs for the depolarizing and dephasing noise, precisely characterizing the
overhead cost while offering an operational meaning to the resource measure in
terms of error mitigation. Our result particularly implies that the heuristic
approach presented by Temme et al. [K. Temme, S. Bravyi, and J. M. Gambetta,
Phys. Rev. Lett. 119, 180509 (2017)] is optimal even in our extended framework,
putting fundamental limitations on the advantage provided by the extra degrees
of freedom inherent in near-term devices for this noise model.
- Abstract（参考訳）: 短期量子デバイスの中心的な問題の1つは、その究極のポテンシャルと限界を理解することである。
本稿では,確率的誤差解消手法の最適資源コストを定式化できる,短期機器の完全な表現性を考慮したフレームワークを導入することで,量子エラー軽減の観点からこの問題に対処する。
デバイスが実装可能なノイズ処理に関して定義された資源理論量化器と接続することにより、最適なコストを評価するための一般的な方法を提案する。
提案手法は,従来の評価よりも汎用的に有利な実現可能なコストと,多種多様な実装可能な操作に適用可能な基本下限を得るため,騒音の一般的なクラスを緩和するための最適コストを推定する。
いくつかのノイズモデルのバウンダリを改善し、ノイズの脱分極と減圧の正確なコストを与え、オーバーヘッドコストを正確に特徴付けるとともに、エラー軽減の観点から資源測定に操作的意味を与える。
その結果,テムメらによるヒューリスティックなアプローチが特に示唆された。
K. Temme, S. Bravyi, and J. M. Gambetta, Phys. Lett. 119, 180509 (2017)] は、我々の拡張フレームワークにおいても最適であり、このノイズモデルのために、近距離デバイスに固有の追加自由度によって得られる利点に根本的な制限を課す。
関連論文リスト
- ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。
Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
論文 参考訳（メタデータ） (2024-04-05T13:58:51Z) - Quantization for decentralized learning under subspace constraints [61.59416703323886]
エージェントがサブスペース制約を最小化するために個々のコスト関数を持つ分散最適化問題を考察する。
本稿では,エージェントが確率化量子化器を用いて推定値を圧縮する適応分散型戦略を提案し,検討する。
この分析は、量子化ノイズのいくつかの一般的な条件下では、平均二乗誤差と平均ビットレートの両方で戦略が安定であることを示している。
論文 参考訳（メタデータ） (2022-09-16T09:38:38Z) - Regret Minimization with Noisy Observations [18.24975895643299]
典型的な最適化問題では、最低コストまたは最高値の選択肢の1つを選択することが課題である。
本稿では,このようなシナリオを最小化後悔モデルを用いて検討する。
本研究では,最も高い観測値を選択するナレーションアルゴリズムが最適値よりも任意に劣っていることを示す。
論文 参考訳（メタデータ） (2022-07-19T17:48:54Z) - Partial Identification with Noisy Covariates: A Robust Optimization
Approach [94.10051154390237]
観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。
このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。
合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
論文 参考訳（メタデータ） (2022-02-22T04:24:26Z) - Optimum Noise Mechanism for Differentially Private Queries in Discrete Finite Sets [3.5379819043314176]
本稿では,離散的かつ有限な問合せセットに適した最適ノイズマス確率関数を設計するための新しいフレームワークを提案する。
我々のフレームワークは、任意の$(epsilon, delta)$制約の下でノイズ分布を最適化し、応答の精度と有用性を向上させる。
数値実験により,提案手法の最先端手法と比較して,最適機構の優れた性能が示された。
論文 参考訳（メタデータ） (2021-11-23T05:24:34Z) - Multi-Step Budgeted Bayesian Optimization with Unknown Evaluation Costs [28.254408148839644]
不均一な評価コストの設定に古典的な期待改善を一般化する非筋力的獲得関数を提案する。
我々の獲得関数は、様々な合成問題や実問題において、既存の手法よりも優れています。
論文 参考訳（メタデータ） (2021-11-12T02:18:26Z) - A Lyapunov-Based Methodology for Constrained Optimization with Bandit
Feedback [22.17503016665027]
各アクションが未知の関節分布からランダムな報酬、コスト、ペナルティを返す問題を考える。
我々は、$tt LyOn$という新しい低複雑さアルゴリズムを提案し、$O(sqrtBlog B)$ regretと$O(log B/B)$ constraint-violationを達成することを証明した。
計算コストの低い$tt LyOn$は、Lyapunovをベースとしたアルゴリズム設計手法が制約付き帯域最適化問題の解決に有効であることを示唆している。
論文 参考訳（メタデータ） (2021-06-09T16:12:07Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳（メタデータ） (2021-02-16T06:04:27Z) - Regret-Optimal Filtering [57.51328978669528]
後悔最適化レンズによる線形状態空間モデルにおけるフィルタの問題を検討する。
我々は, 透視推定器の誤差エネルギー推定における後悔の概念に基づいて, フィルタ設計のための新しい基準を定式化する。
3つのリッキー方程式と1つのリャプノフ方程式を解くことで、後悔と最適推定が容易に実現できることを示す。
論文 参考訳（メタデータ） (2021-01-25T19:06:52Z) - Reward Biased Maximum Likelihood Estimation for Reinforcement Learning [13.820705458648233]
マルコフ連鎖の適応制御のためのRBMLE(Reward-Biased Maximum Likelihood Estimate)を提案した。
我々は、現在最先端のアルゴリズムと同様に、$mathcalO( log T)$が$T$の時間的水平線上で後悔していることを示します。
論文 参考訳（メタデータ） (2020-11-16T06:09:56Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z)
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。