論文の概要: Model-free readout-error mitigation for quantum expectation values
- arxiv url: http://arxiv.org/abs/2012.09738v3
- Date: Thu, 27 Jan 2022 15:23:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 08:26:23.568462
- Title: Model-free readout-error mitigation for quantum expectation values
- Title(参考訳): 量子期待値に対するモデルフリー読み出しエラー緩和
- Authors: Ewout van den Berg, Zlatko K. Minev, Kristan Temme
- Abstract要約: 本稿では,期待値のバイアスが乗算因子として現れるように強制する手法を提案する。
この手法は、ノイズの特定の形態を前提としないが、過度なサンプリングオーバーヘッドを避けるために、ノイズが弱いことを要求している。
- 参考スコア(独自算出の注目度): 0.8962460460173959
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Measurements on current quantum processors are subject to hardware
imperfections that lead to readout errors. These errors manifest themselves as
a bias in quantum expectation values. Here, we propose a very simple method
that forces the bias in the expectation value to appear as a multiplicative
factor that can be measured directly and removed at the cost of an increase in
the sampling complexity for the observable. The method assumes no specific form
of the noise, but only requires that the noise is `weak' to avoid excessive
sampling overhead. We provide bounds relating the error in the expectation
value to the sample complexity.
- Abstract(参考訳): 現在の量子プロセッサの測定は、ハードウェアの欠陥によって読み出しエラーにつながる。
これらの誤差は量子期待値のバイアスとして表される。
そこで本論文では,期待値のバイアスを,可観測値のサンプリング複雑性の増加を犠牲にして直接かつ除去可能な乗算係数として表せる,非常に単純な手法を提案する。
この方法はノイズの特定の形を仮定しないが、過度のサンプリングオーバーヘッドを避けるためにノイズが '弱' であることのみを必要とする。
サンプルの複雑さに期待値の誤差を関連づける境界を提供する。
関連論文リスト
- Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳(メタデータ) (2024-06-05T13:36:38Z) - Inverted-circuit zero-noise extrapolation for quantum gate error mitigation [0.0]
本稿では,量子回路で発生する誤差の強度を簡易に推定する手法を提案する。
逆回路を付加し、初期状態の確率を測定することにより、回路の誤差強度を決定する。
提案手法は,現在のハードウェアにおいて特に有効であることが証明され,その短期量子コンピューティングアプリケーションへの適用性を示す。
論文 参考訳(メタデータ) (2024-03-03T20:27:27Z) - Demonstration of Robust and Efficient Quantum Property Learning with Shallow Shadows [1.366942647553326]
本稿では,現在の量子コンピューティングプラットフォーム上での量子状態の特徴付けのためのロバストプロトコルを提案する。
提案プロトコルは, 期待値, 忠実度, 絡み合いエントロピーなどの状態特性を, サンプルの複雑さを低く保ちながら正確に復元する。
この理論的および実験的分析を組み合わせることで、ロバストな浅い影プロトコルは、スケーラブルで堅牢でサンプル効率のよいプロトコルとして位置づけられる。
論文 参考訳(メタデータ) (2024-02-27T21:53:32Z) - 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) - Universal Sampling Lower Bounds for Quantum Error Mitigation [0.0]
我々は、基本サンプリングコスト -- 任意の緩和プロトコルがノイズの多い量子デバイスを実行しなければならない回数 -- を特徴付けている。
この結果から,様々なノイズモデルに対して回路深度を指数関数的に増加させ,誤差を低減させるプロトコルの幅広い種類に要するサンプリングコストが増大することが示唆された。
論文 参考訳(メタデータ) (2022-08-19T06:56:11Z) - The Accuracy vs. Sampling Overhead Trade-off in Quantum Error Mitigation
Using Monte Carlo-Based Channel Inversion [84.66087478797475]
量子誤差緩和(Quantum error mitigation, QEM)は、変分量子アルゴリズムの計算誤差を低減するための有望な手法の1つである。
我々はモンテカルロサンプリングに基づく実用的なチャネル反転戦略を考察し、さらなる計算誤差を導入する。
計算誤差が誤差のない結果の動的範囲と比較して小さい場合、ゲート数の平方根でスケールすることを示す。
論文 参考訳(メタデータ) (2022-01-20T00:05:01Z) - Generalization of Neural Combinatorial Solvers Through the Lens of
Adversarial Robustness [68.97830259849086]
ほとんどのデータセットは単純なサブプロブレムのみをキャプチャし、おそらくは突発的な特徴に悩まされる。
本研究では, 局所的な一般化特性である対向ロバスト性について検討し, 厳密でモデル固有な例と突発的な特徴を明らかにする。
他のアプリケーションとは異なり、摂動モデルは知覚できないという主観的な概念に基づいて設計されているため、摂動モデルは効率的かつ健全である。
驚くべきことに、そのような摂動によって、十分に表現力のあるニューラルソルバは、教師あり学習で共通する正確さと悪質さのトレードオフの限界に悩まされない。
論文 参考訳(メタデータ) (2021-10-21T07:28:11Z) - Quasiprobability decompositions with reduced sampling overhead [4.38301148531795]
量子エラー軽減技術は、フォールトトレラントな量子エラー補正を必要とせずに、現在の量子ハードウェアのノイズを低減することができる。
本稿では, 準確率分解を雑音を考慮した方法で選択することを目的とした, 数学的最適化に基づく新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-22T19:00:06Z) - Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs.
Coded Systems [69.33243249411113]
パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。
我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
論文 参考訳(メタデータ) (2020-12-15T15:51:27Z) - A Note on High-Probability versus In-Expectation Guarantees of
Generalization Bounds in Machine Learning [95.48744259567837]
統計的機械学習理論は、しばしば機械学習モデルの一般化を保証するよう試みる。
機械学習モデルのパフォーマンスに関する声明は、サンプリングプロセスを考慮する必要がある。
1つのステートメントを別のステートメントに変換する方法を示します。
論文 参考訳(メタデータ) (2020-10-06T09:41:35Z) - Multi-exponential Error Extrapolation and Combining Error Mitigation
Techniques for NISQ Applications [0.0]
量子ハードウェアにおけるノイズは、量子コンピュータの実装における最大の障害である。
誤り補間は、実験的に実装された誤り軽減手法である。
我々はこれを多重指数誤差外挿に拡張し、パウリ雑音下での有効性のより厳密な証明を提供する。
論文 参考訳(メタデータ) (2020-07-02T17:18:47Z)
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。