論文の概要: Unified approach to data-driven quantum error mitigation
- arxiv url: http://arxiv.org/abs/2011.01157v2
- Date: Mon, 2 Aug 2021 21:25:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-26 01:40:27.496026
- Title: Unified approach to data-driven quantum error mitigation
- Title（参考訳）: データ駆動型量子誤り軽減への統一的アプローチ
- Authors: Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith,
Patrick J. Coles, Lukasz Cincio
- Abstract要約: 本稿では,ZNEとCDRを概念的に統一した,スケーラブルなエラー軽減手法を提案する。
可変ノイズクリフォードデータレグレッション (vnCDR) と呼ばれる我々の手法は、これらの個々の手法を数値ベンチマークで著しく上回っている。
64量子ビットのランダムな量子回路から可観測性を修正する問題に対して、vnCDRはZNEとCDRでそれぞれ2.7と1.5の誤差を改善する。
- 参考スコア（独自算出の注目度）: 0.7046417074932257
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Achieving near-term quantum advantage will require effective methods for
mitigating hardware noise. Data-driven approaches to error mitigation are
promising, with popular examples including zero-noise extrapolation (ZNE) and
Clifford data regression (CDR). Here we propose a novel, scalable error
mitigation method that conceptually unifies ZNE and CDR. Our approach, called
variable-noise Clifford data regression (vnCDR), significantly outperforms
these individual methods in numerical benchmarks. vnCDR generates training data
first via near-Clifford circuits (which are classically simulable) and second
by varying the noise levels in these circuits. We employ a noise model obtained
from IBM's Ourense quantum computer to benchmark our method. For the problem of
estimating the energy of an 8-qubit Ising model system, vnCDR improves the
absolute energy error by a factor of 33 over the unmitigated results and by
factors 20 and 1.8 over ZNE and CDR, respectively. For the problem of
correcting observables from random quantum circuits with 64 qubits, vnCDR
improves the error by factors of 2.7 and 1.5 over ZNE and CDR, respectively.
- Abstract（参考訳）: 短期的な量子優位を達成するには、ハードウェアノイズを軽減する効果的な方法が必要である。
ゼロノイズ外挿(ZNE)やクリフォードデータ回帰(CDR)など、データ駆動によるエラー軽減のアプローチは有望である。
本稿では,ZNEとCDRを概念的に統一した,スケーラブルなエラー軽減手法を提案する。
可変ノイズクリフォードデータレグレッション(vnCDR)と呼ばれる我々の手法は、これらの個々の手法を数値ベンチマークで著しく上回っている。
vnCDRは、まず近クリフォード回路(古典的にはシミュレート可能)を介してトレーニングデータを生成し、次にこれらの回路のノイズレベルを変化させる。
我々は、IBMのOurense量子コンピュータから得られたノイズモデルを用いて、我々の手法をベンチマークする。
8ビットIsingモデルのエネルギーを推定する問題に対して、vnCDRは未決定結果に対して33の係数、ZNEおよびCDRに対して20と1.8の係数で絶対エネルギー誤差を改善する。
64量子ビットのランダムな量子回路から可観測性を修正する問題に対して、vnCDRはZNEとCDRでそれぞれ2.7と1.5の誤差を改善する。
関連論文リスト
- Extension of Clifford Data Regression Methods for Quantum Error Mitigation [1.9662978733004601]
本研究は、クリフォードデータ回帰の2つの変種について検討し、元の回路に非自明なゲートセットを導入する。
第1の変種は元の回路のコピーを複数使用し、第2の変種は単一ビット回転の層を付加する。
これらの手法の性能を数値実験により評価し,根平均二乗誤差の低減を実証した。
論文 参考訳（メタデータ） (2024-11-25T18:38:06Z) - RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。
第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。
第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - Accurately Simulating the Time Evolution of an Ising Model with Echo Verified Clifford Data Regression on a Superconducting Quantum Computer [0.06990493129893112]
本稿では,Echo Verification (EV) とClifford Data Regression (CDR) を組み合わせた誤り軽減戦略を提案する。
我々は, アンシラの純度とポストセレクションの確率から, 脱分極率を推定する指標を導出した。
本稿では,超伝導量子コンピュータ上でのEcho Verified Clifford Data Regression(EVCDR)の実演を紹介する。
論文 参考訳（メタデータ） (2024-08-14T10:18:13Z) - Solving Oscillation Problem in Post-Training Quantization Through a
Theoretical Perspective [74.48124653728422]
ポストトレーニング量子化(PTQ)は、事実上最も効率的な圧縮手法の1つである。
我々は、PTQ法で見過ごされた振動問題について論じる。
論文 参考訳（メタデータ） (2023-03-21T14:52:52Z) - SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。
KRRのストリーミング版であるStreaMRAKを提案する。
本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文 参考訳（メタデータ） (2021-08-23T21:03:09Z) - Unifying and benchmarking state-of-the-art quantum error mitigation
techniques [0.6649973446180738]
この研究では、多くの最先端のエラー軽減手法が、データ駆動型である共通の特徴を共有していることを認識している。
仮想蒸留(VD)は、異なる数の状態準備から生成される古典的なデータを考慮し、同様に見ることができることを示す。
具体的には、捕捉されたイオン量子コンピュータから得られた現実的なノイズモデルを用いて、NITEDをベンチマークし、他の最先端の手法を用いる。
論文 参考訳（メタデータ） (2021-07-28T16:29:08Z) - Simulating quench dynamics on a digital quantum computer with
data-driven error mitigation [62.997667081978825]
本稿では、実量子データにおけるノイズの影響を軽減するために用いられる、クリフォードデータ回帰に基づくいくつかの手法の最初の実装の1つを示す。
一般に、クリフォードデータ回帰に基づく手法は、ゼロノイズ外挿法と比較して有利である。
これはこの種の研究でこれまで調査された中で最大のシステムである。
論文 参考訳（メタデータ） (2021-03-23T16:56:14Z) - 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) - 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) - Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner
Party Transcription [73.66530509749305]
本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。
CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。
RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
論文 参考訳（メタデータ） (2020-04-22T19:08:33Z)
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。