論文の概要: Statistical Aspects of the Quantum Supremacy Demonstration

• arxiv url: http://arxiv.org/abs/2008.05177v3
• Date: Tue, 13 Jul 2021 19:24:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 11:47:15.442956
• Title: Statistical Aspects of the Quantum Supremacy Demonstration
• Title（参考訳）: 量子代償デモの統計的側面
• Authors: Yosef Rinott, Tomer Shoham, and Gil Kalai
• Abstract要約: Googleのチームは、2019年に量子超越性(quantum supremacy)という注目すべき主張を発表した。 本研究の目的は,量子コンピューティングと量子超越性を実証する統計的側面との関係を説明することである。 12量子ビットと14量子ビットの回路に主に焦点をあてたGoogleデータに関する予備的な研究が、論文全体にわたって議論されている。
• 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: The notable claim of quantum supremacy presented by Google's team in 2019 consists of demonstrating the ability of a quantum circuit to generate, albeit with considerable noise, bitstrings from a distribution that is considered hard to simulate on classical computers. Verifying that the generated data is indeed from the claimed distribution and assessing the circuit's noise level and its fidelity is a purely statistical undertaking. The objective of this paper is to explain the relations between quantum computing and some of the statistical aspects involved in demonstrating quantum supremacy in terms that are accessible to statisticians, computer scientists, and mathematicians. Starting with the statistical analysis in Google's demonstration, which we explain, we study various estimators of the fidelity, and different approaches to testing the distributions generated by the quantum computer. We propose different noise models, and discuss their implications. A preliminary study of the Google data, focusing mostly on circuits of 12 and 14 qubits is discussed throughout the paper.
• Abstract（参考訳）: 2019年にgoogleのチームが提示した量子超越性(quantum supremacy)の注目すべき主張は、古典的コンピュータではシミュレートが難しいと見なされる分布からビットストリングを生成する量子回路の能力を示すことにある。 生成されたデータが実際に主張された分布からのものであることを検証し、回路のノイズレベルとその忠実性を評価することは純粋に統計的な作業である。 本研究の目的は、量子コンピューティングと、統計学者、計算機科学者、数学者が利用できる用語で量子超越性を示すことに関わる統計的側面との関係を説明することである。 量子コンピュータが生成する分布の統計解析から、忠実性に関する様々な推定値と、量子コンピュータが生成する分布をテストするための異なるアプローチについて検討する。 異なるノイズモデルを提案し,その意味について議論する。 12量子ビットと14量子ビットの回路に主に焦点をあてたGoogleデータに関する予備的な研究が論文全体で議論されている。

関連論文リスト

• Random Circuit Sampling: Fourier Expansion and Statistics [0.0]
  本稿では,フーリエ法と統計的解析を組み合わせることで,雑音の影響について検討する。 解析手法とシミュレーションの両方を用いて、読み出しとゲートエラーの影響を調査し、分析を用いて、Googleの2019年の量子超越実験のサンプルを調査します。
  論文  参考訳（メタデータ） (2024-04-01T05:41:18Z)
• Power Characterization of Noisy Quantum Kernels [52.47151453259434]
  一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。 我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
  論文  参考訳（メタデータ） (2024-01-31T01:02:16Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Diagnostics of quantum-gate coherences via end-point-measurement statistics [0.0]
  量子ゲートが生成するコヒーレンスの平均値がユニタリ誤差によってどのように影響を受けるか,その情報を符号化するメリットの図形を考える。 ゲートの出力状態に関する局所的なエネルギー測定の統計により,そのような情報がよく把握されているという数値的な証拠を提供する。
  論文  参考訳（メタデータ） (2022-09-05T16:39:21Z)
• On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
  一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。 本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。 量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
  論文  参考訳（メタデータ） (2022-06-01T11:03:51Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Quantum Local Differential Privacy and Quantum Statistical Query Model [0.7673339435080445]
  量子統計クエリは、限られた量子資源を持つ学習者の計算能力を研究する理論的枠組みを提供する。 本研究では,局所モデルにおける量子統計クエリと量子微分プライバシーの等価性を確立する。 局所的な差分プライバシーの下での量子多要素計算の課題を考察する。
  論文  参考訳（メタデータ） (2022-03-07T18:38:02Z)
• Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
  連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。 また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。 我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
  論文  参考訳（メタデータ） (2020-06-02T23:14:45Z)
• Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
  量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。 量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。 これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
  論文  参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。