論文の概要: Ray-based framework for state identification in quantum dot devices
- arxiv url: http://arxiv.org/abs/2102.11784v1
- Date: Tue, 23 Feb 2021 16:38:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 13:46:51.768090
- Title: Ray-based framework for state identification in quantum dot devices
- Title(参考訳): 量子ドットデバイスにおける状態同定のためのレイベースフレームワーク
- Authors: Justyna P. Zwolak, Thomas McJunkin, Sandesh S. Kalantre, Samuel F.
Neyens, E. R. MacQuarrie, Mark A. Eriksson, Jacob M. Taylor
- Abstract要約: 多次元パラメータ空間におけるデバイス応答の1次元投影に依存する計測手法を提案する。
レイベース分類(RBC)フレームワークとして、この機械学習(ML)アプローチを使用して、QD状態の分類器を実装します。
RBCは画像に基づく分類手法の実験的実装から82%の精度ベンチマークを超越していることを示す。
- 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: Quantum dots (QDs) defined with electrostatic gates are a leading platform
for a scalable quantum computing implementation. However, with increasing
numbers of qubits, the complexity of the control parameter space also grows.
Traditional measurement techniques, relying on complete or near-complete
exploration via two-parameter scans (images) of the device response, quickly
become impractical with increasing numbers of gates. Here, we propose to
circumvent this challenge by introducing a measurement technique relying on
one-dimensional projections of the device response in the multi-dimensional
parameter space. Dubbed as the ray-based classification (RBC) framework, we use
this machine learning (ML) approach to implement a classifier for QD states,
enabling automated recognition of qubit-relevant parameter regimes. We show
that RBC surpasses the 82 % accuracy benchmark from the experimental
implementation of image-based classification techniques from prior work while
cutting down the number of measurement points needed by up to 70 %. The
reduction in measurement cost is a significant gain for time-intensive QD
measurements and is a step forward towards the scalability of these devices. We
also discuss how the RBC-based optimizer, which tunes the device to a
multi-qubit regime, performs when tuning in the two- and three-dimensional
parameter spaces defined by plunger and barrier gates that control the dots.
This work provides experimental validation of both efficient state
identification and optimization with ML techniques for non-traditional
measurements in quantum systems with high-dimensional parameter spaces and
time-intensive measurements.
- Abstract(参考訳): 静電ゲートで定義された量子ドット(QD)は、スケーラブルな量子コンピューティング実装のための主要なプラットフォームである。
しかし、量子ビット数の増加に伴い、制御パラメータ空間の複雑さも増大する。
デバイス応答の2パラメータスキャン(画像)による完全またはほぼ完全な探索に依存する従来の測定技術は、ゲートの数が増えるとすぐに非現実的になります。
本稿では,マルチ次元パラメータ空間におけるデバイス応答の1次元投影に基づく計測手法の導入により,この課題を回避することを提案する。
レイベース分類(RBC)フレームワークとして、この機械学習(ML)アプローチを使用して、QD状態の分類器を実装し、量子ビット関連パラメータ系統の自動認識を可能にする。
rbcは, 画像に基づく分類手法の実験的実装から, 82 %の精度ベンチマークを上回っており, 必要な測定点数を最大70 %削減できることを示した。
測定コストの削減は、時間を要するqd測定の大幅な増加であり、これらのデバイスのスケーラビリティへの一歩である。
また,マルチキュービットレジームにチューニングするrbcベースのオプティマイザが,ドットを制御するプランジャとバリアゲートによって定義される2次元および3次元のパラメータ空間でチューニングする際にどのように動作するかについても論じる。
この研究は、高次元パラメータ空間を持つ量子系における非伝統的な測定のためのML手法による効率的な状態同定と最適化の両立を実験的に検証する。
関連論文リスト
- Mapping quantum circuits to shallow-depth measurement patterns based on
graph states [0.0]
我々は,測定に基づく量子コンピューティングのためのハイブリッドシミュレーション手法を開発した。
完全可換作用素の群は完全並列、すなわち非適応的測定を用いて実装可能であることを示す。
量子テレポーテーションを用いることで、そのような回路を一定の量子深さで実装する方法について議論する。
論文 参考訳(メタデータ) (2023-11-27T19:00:00Z) - Gradient-descent quantum process tomography by learning Kraus operators [63.69764116066747]
離散および連続変数の量子システムに対して量子プロセストモグラフィー(QPT)を行う。
我々は、クラウス作用素を得るために、最適化中にいわゆるスティーフェル多様体に対して制約付き勾配-退化(GD)アプローチを用いる。
GD-QPTは、2量子ランダムプロセスを持つベンチマークにおいて、圧縮センシング(CS)と投影最小二乗QPT(PLS)の両方のパフォーマンスと一致する。
論文 参考訳(メタデータ) (2022-08-01T12:48:48Z) - Sample-efficient verification of continuously-parameterized quantum
gates for small quantum processors [0.0]
小型量子プロセッサにおける量子ゲートのサンプル効率検証手法を実証する。
本手法により得られた忠実度推定は, クロスエントロピー・ベンチマークにより得られた忠実度推定よりも分散度が低いことを示す。
これは、ある所望の精度で忠実度損失を推定する際に、サンプル効率に実験的に関係する利点を与える。
論文 参考訳(メタデータ) (2022-05-25T22:52:23Z) - Fast Quantum Calibration using Bayesian Optimization with State
Parameter Estimator for Non-Markovian Environment [11.710177724383954]
弱測定とベイズ最適化を利用してゲート設計のための最適制御パルスを求める,量子状態のリアルタイム最適推定器を提案する。
以上の結果から,キャリブレーション過程が著しく低下し,高いゲート忠実度が得られた。
論文 参考訳(メタデータ) (2022-05-25T17:31:15Z) - Optimal Quantum State Tomography with Noisy Gates [0.0]
QST に対する測度演算子の最適最小セットは、互いに偏りのない固有基底を持つ。
他のセットアップでは、プロジェクション演算子のランクと量子系のサイズに依存するため、効率的なQSTの測定の最適な選択は数値的に近似する必要がある。
ここでは、カスタマイズされたQSTを拡張し、測定プロセスに適用される量子ゲートのいくつかがノイズのある場合にQSTの最適測定セットを求める。
論文 参考訳(メタデータ) (2022-03-10T23:35:26Z) - Dynamical learning of a photonics quantum-state engineering process [48.7576911714538]
実験的な高次元量子状態の工学は、いくつかの量子情報プロトコルにとって重要な課題である。
我々は、フォトニック軌道Angular Momentum(OAM)ステートを設計するための自動適応最適化プロトコルを実装した。
このアプローチは、量子情報プロトコルや技術のためのノイズの多い実験タスクを自動最適化するための強力なツールである。
論文 参考訳(メタデータ) (2022-01-14T19:24:31Z) - Analytical and experimental study of center line miscalibrations in M\o
lmer-S\o rensen gates [51.93099889384597]
モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。
我々はゲート進化演算子を計算し、関連する鍵特性を得る。
我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
論文 参考訳(メタデータ) (2021-12-10T10:56:16Z) - 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) - Mixed Precision Low-bit Quantization of Neural Network Language Models
for Speech Recognition [67.95996816744251]
長期間のメモリリカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端言語モデル(LM)は、実用アプリケーションではますます複雑で高価なものになりつつある。
現在の量子化法は、均一な精度に基づいており、量子化誤差に対するLMの異なる部分での様々な性能感度を考慮できない。
本稿では,新しい混合精度ニューラルネットワークLM量子化法を提案する。
論文 参考訳(メタデータ) (2021-11-29T12:24:02Z) - Mixed Precision of Quantization of Transformer Language Models for
Speech Recognition [67.95996816744251]
トランスフォーマーが表現する最先端のニューラルネットワークモデルは、実用アプリケーションにとってますます複雑で高価なものになりつつある。
現在の低ビット量子化法は、均一な精度に基づいており、量子化エラーに対するシステムの異なる部分での様々な性能感度を考慮できない。
最適局所精度設定は2つの手法を用いて自動的に学習される。
Penn Treebank (PTB)とSwitchboard corpusによるLF-MMI TDNNシステムの試験を行った。
論文 参考訳(メタデータ) (2021-11-29T09:57:00Z) - Post-Training Quantization for Vision Transformer [85.57953732941101]
本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。
約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
論文 参考訳(メタデータ) (2021-06-27T06:27:22Z)
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。