論文の概要: Resonant Coupling Parameter Estimation with Superconducting Qubits
- arxiv url: http://arxiv.org/abs/2008.12714v1
- Date: Fri, 28 Aug 2020 15:51:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 11:42:00.481892
- Title: Resonant Coupling Parameter Estimation with Superconducting Qubits
- Title（参考訳）: 超伝導量子ビットを用いた共振結合パラメータ推定
- Authors: J. H. B\'ejanin, C. T. Earnest, Y. R. Sanders, M. Mariantoni
- Abstract要約: 本稿では,周波数可変超伝導量子ビットからなる量子コンピュータにおける共振相互作用のパラメータを効率的に学習する方法を示す。
本手法はスワップ分光校正を改良した手法である。
提案手法は,現在の中規模超伝導量子コンピュータを改良し,大規模システムにも拡張できると考えている。
- 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: Today's quantum computers are comprised of tens of qubits interacting with
each other and the environment in increasingly complex networks. In order to
achieve the best possible performance when operating such systems, it is
necessary to have accurate knowledge of all parameters in the quantum computer
Hamiltonian. In this article, we demonstrate theoretically and experimentally a
method to efficiently learn the parameters of resonant interactions for quantum
computers consisting of frequency-tunable superconducting qubits. Such
interactions include, for example, those to other qubits, resonators, two-level
state defects, or other unwanted modes. Our method is based on a significantly
improved swap spectroscopy calibration and consists of an offline data
collection algorithm, followed by an online Bayesian learning algorithm. The
purpose of the offline algorithm is to detect and roughly estimate resonant
interactions from a state of zero knowledge. It produces a square-root
reduction in the number of measurements. The online algorithm subsequently
refines the estimate of the parameters to comparable accuracy as traditional
swap spectroscopy calibration, but in constant time. We perform an experiment
implementing our technique with a superconducting qubit. By combining both
algorithms, we observe a reduction of the calibration time by one order of
magnitude. We believe the method investigated will improve present medium-scale
superconducting quantum computers and will also scale up to larger systems.
Finally, the two algorithms presented here can be readily adopted by
communities working on different physical implementations of quantum computing
architectures.
- Abstract（参考訳）: 今日の量子コンピュータは、数万の量子ビットが互いに相互作用し、複雑化するネットワークの環境で構成されている。
このようなシステムを操作する際に最高の性能を達成するためには、量子コンピュータハミルトニアンにおける全てのパラメータの正確な知識が必要である。
本稿では,周波数可変超伝導量子ビットからなる量子コンピュータの共振相互作用のパラメータを効率的に学習する手法を理論的および実験的に示す。
このような相互作用には、例えば、他の量子ビット、共振器、二レベル状態欠陥、その他の不要モードなどがある。
本研究では,オフラインデータ収集アルゴリズムとオンラインベイズ学習アルゴリズムを組み合わせたスワップ分光校正法を提案する。
オフラインアルゴリズムの目的は、ゼロ知識の状態から共鳴相互作用を検出し、概略推定することである。
これは測定値の数を二乗根で減少させる。
オンラインアルゴリズムはその後、パラメータの見積を従来のスワップ分光校正法と同等の精度で洗練するが、一定時間で行う。
我々は超伝導量子ビットを用いてこの技術を実装した実験を行う。
両方のアルゴリズムを組み合わせることで、キャリブレーション時間の1桁の削減を観測する。
提案手法は,現在の中規模超伝導量子コンピュータを改良し,大規模システムにも拡張できると考えている。
最後に、ここで提示される2つのアルゴリズムは、量子コンピューティングアーキテクチャの異なる物理的実装に取り組んでいるコミュニティによって容易に採用できる。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Multimodal deep representation learning for quantum cross-platform
verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。
本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。
我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文 参考訳（メタデータ） (2023-11-07T04:35:03Z) - Analog quantum variational embedding classifier [8.445680783099196]
アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。
性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。
提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
論文 参考訳（メタデータ） (2022-11-04T20:58:48Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z) - Quantum simulation of dissipative collective effects on noisy quantum
computers [0.0]
実量子コンピュータ上での散逸的集合現象の完全な量子シミュレーションを初めて行った。
量子シミュレーションは、最近導入された多重粒子衝突モデルに基づいている。
我々は,このアルゴリズムをIBM量子コンピュータ上で実装し,一対の量子ビット間の超輝度とサブ輝度をシミュレートする。
論文 参考訳（メタデータ） (2022-01-27T15:50:58Z) - Dispersive qubit readout with machine learning [0.08399688944263842]
オープン量子系は散逸相転移を起こすことができ、その臨界挙動はセンシングアプリケーションに利用することができる。
最近導入された測定プロトコルでは、パラメトリック(2光子駆動)のカー共振器の駆動散逸位相遷移を使い、99.9%の単一量子ビット検出忠実度に達した。
我々は、機械学習に基づく分類アルゴリズムを用いて、この臨界ダイナミクスから情報を抽出する。
論文 参考訳（メタデータ） (2021-12-10T04:25:43Z) - Benchmarking Small-Scale Quantum Devices on Computing Graph Edit
Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。
本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文 参考訳（メタデータ） (2021-11-19T12:35:26Z) - Efficient realization of quantum algorithms with qudits [0.70224924046445]
マルチレベル量子システム(キューディット)を用いた量子アルゴリズムの効率的な実装手法を提案する。
提案手法は,Quditベースのプロセッサのパラメータに依存する標準量子ビット方式の回路のトランスパイレーションを用いる。
特定の普遍集合から取られた単一量子ゲートと2量子ゲートの列に量子回路を変換する明示的なスキームを提供する。
論文 参考訳（メタデータ） (2021-11-08T11:09:37Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z)
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。