論文の概要: Quantum Divide and Compute: Exploring The Effect of Different Noise
Sources
- arxiv url: http://arxiv.org/abs/2102.03788v1
- Date: Sun, 7 Feb 2021 12:18:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 07:28:07.865921
- Title: Quantum Divide and Compute: Exploring The Effect of Different Noise
Sources
- Title（参考訳）: 量子分割と計算: 異なるノイズ源の効果を探求する
- Authors: Thomas Ayral, Fran\c{c}ois-Marie Le R\'egent, Zain Saleem, Yuri
Alexeev, Martin Suchara
- Abstract要約: 量子回路をより少ない量子ビットとより浅い深さで小さな断片に分割できる量子除算計算法(QDC)の最初の実装について述べる。
本稿では,QDC法の成功確率に対する異なるノイズ源の影響について検討する。
我々は,IBM の Johannesburg プロセッサ上での実験的な動作を再現するために使用したノイズモデルについて詳述する。
- 参考スコア（独自算出の注目度）: 0.9659642285903421
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Our recent work (Ayral et al., 2020 IEEE Computer Society Annual Symposium on
VLSI (ISVLSI)) showed the first implementation of the Quantum Divide and
Compute (QDC) method, which allows to break quantum circuits into smaller
fragments with fewer qubits and shallower depth. QDC can thus deal with the
limited number of qubits and short coherence times of noisy, intermediate-scale
quantum processors. This article investigates the impact of different noise
sources -- readout error, gate error and decoherence -- on the success
probability of the QDC procedure. We perform detailed noise modeling on the
Atos Quantum Learning Machine, allowing us to understand tradeoffs and
formulate recommendations about which hardware noise sources should be
preferentially optimized. We describe in detail the noise models we used to
reproduce experimental runs on IBM's Johannesburg processor. This work also
includes a detailed derivation of the equations used in the QDC procedure to
compute the output distribution of the original quantum circuit from the output
distribution of its fragments. Finally, we analyze the computational complexity
of the QDC method for the circuit under study via tensor-network
considerations, and elaborate on the relation the QDC method with
tensor-network simulation methods.
- Abstract（参考訳）: 我々の最近の研究(Ayral et al., 2020 IEEE Computer Society Annual Symposium on VLSI (ISVLSI))は、量子回路をより少ない量子ビットとより浅い深さの断片に分割できる量子除算計算法(QDC)の最初の実装を示した。
したがってqdcは、ノイズの多い中間スケール量子プロセッサのキュービット数と短いコヒーレンス時間を扱うことができる。
本稿では,異なるノイズ源(読み出し誤差,ゲート誤差,デコヒーレンス)がQDC手順の成功確率に与える影響について検討する。
我々は、atos量子学習マシン上で詳細なノイズモデリングを行い、トレードオフを理解し、どのハードウェアノイズ源を優先的に最適化すべきかを推奨する。
我々は,IBM の Johannesburg プロセッサ上での実験走行を再現するために使用したノイズモデルについて詳述する。
この研究はまた、qdc手順において元の量子回路の出力分布をそのフラグメントの出力分布から計算するために使われる方程式の詳細な導出を含んでいる。
最後に, テンソルネットワークを考慮した研究対象回路のQDC法の計算複雑性を解析し, テンソルネットワークシミュレーション手法とQDC法との関係について詳しく検討する。
関連論文リスト
- Machine Learning Methods as Robust Quantum Noise Estimators [0.0]
従来の機械学習モデルでは、回路構成を分析して量子ノイズを推定する方法を示す。
提案手法は,回路のロバスト性を低い誤差率で正確に予測できることを示す。
これらの技術は、量子コードの品質とセキュリティを評価するために使用することができ、より信頼性の高い量子製品に繋がる。
論文 参考訳（メタデータ） (2024-09-23T09:00:12Z) - Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics [3.7960472831772765]
現在のノイズ中間スケール量子(NISQ)時代には、ノイズの存在は量子コンピューティングアルゴリズムの性能を悪化させる。
本稿では,有限サンプリングノイズが量子貯留層計算(QRC)と再帰性のない量子貯留層計算(RF-QRC)のカオス的時系列予測能力に与える影響を解析する。
有限サンプリングノイズはQRCとRF-QRCの両方の予測能力を劣化させるが,ノイズの伝搬によりQRCに悪影響を及ぼすことを示す。
論文 参考訳（メタデータ） (2024-09-02T17:51:48Z) - Quantum Data Centers in the Presence of Noise [0.0]
シングルプロセッサのモノリシック量子コンピュータは、クロストークの増加と、キュービット数が増加するとゲートの実装が困難になる。
QDCでは、複数の量子処理ユニット(QPU)が短距離で連結され、任意のプロセッサ上のキュービット数を増やすことなく計算キュービットの総数を増やすことができる。
これにより、各QPUの操作で発生するエラーを小さく抑えることができるが、QPU間の絡み合い分布中に発生する遅延コストとエラーのために、システムに追加のノイズを加えることができる。
論文 参考訳（メタデータ） (2024-07-15T14:50:20Z) - Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。
短絡の新規・ハードウェア対応回路の発見能力を示す。
本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文 参考訳（メタデータ） (2024-06-18T01:49:48Z) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳（メタデータ） (2023-10-18T17:59:45Z) - End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。
アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
論文 参考訳（メタデータ） (2022-11-22T18:54:48Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-31T16:33:10Z) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳（メタデータ） (2021-05-20T17:06:52Z) - Efficient classical simulation and benchmarking of quantum processes in
the Weyl basis [0.0]
Weylユニタリを用いたランダム化ベンチマークアルゴリズムを開発し,エラーモデルの混在を効率よく同定し,学習する。
本手法を変分量子固有解器に現れるアンザッツ回路に適用する。
論文 参考訳（メタデータ） (2020-08-27T16:46:12Z) - Machine learning of noise-resilient quantum circuits [0.8258451067861933]
雑音の緩和と低減は、短期量子コンピュータから有用な答えを得るのに不可欠である。
本稿では,量子回路における量子ハードウェアノイズの影響を低減するための機械学習に基づく汎用フレームワークを提案する。
ノイズ対応回路学習(NACL)と呼ばれる手法は、ユニタリ変換を計算したり、量子状態のセットを作成したり、多ビット状態の観測可能な状態を推定したりするために設計された回路に適用される。
論文 参考訳（メタデータ） (2020-07-02T15:43:32Z) - 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)
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。