Fugu-MT 論文翻訳(概要): Efficient flexible characterization of quantum processors with nested error models

論文の概要: Efficient flexible characterization of quantum processors with nested error models

arxiv url: http://arxiv.org/abs/2103.02188v1
Date: Wed, 3 Mar 2021 05:23:09 GMT
ステータス: 処理完了
システム内更新日: 2023-04-09 08:19:13.841714
Title: Efficient flexible characterization of quantum processors with nested error models
Title（参考訳）: ネスト誤差モデルを用いた量子プロセッサの効率的なフレキシブルキャラクタリゼーション
Authors: Erik Nielsen, Kenneth Rudinger, Timothy Proctor, Kevin Young, Robin Blume-Kohout
Abstract要約: 本稿では,量子プロセッサの優れたエラーモデルを求める手法を提案する。このテクニックは、プロセッサから取得したデータに対して、ネストしたモデルのシーケンスを反復的にテストする。シミュレーションノイズ2量子プロセッサのキャラクタリゼーションにこの手法を応用した。
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: We present a simple and powerful technique for finding a good error model for a quantum processor. The technique iteratively tests a nested sequence of models against data obtained from the processor, and keeps track of the best-fit model and its wildcard error (a quantification of the unmodeled error) at each step. Each best-fit model, along with a quantification of its unmodeled error, constitute a characterization of the processor. We explain how quantum processor models can be compared with experimental data and to each other. We demonstrate the technique by using it to characterize a simulated noisy 2-qubit processor.
Abstract（参考訳）: 本稿では,量子プロセッサの優れたエラーモデルを見つけるための,シンプルで強力な手法を提案する。このテクニックは、プロセッサから得られたデータに対してネストしたモデルのシーケンスを反復的にテストし、最適なモデルとそのワイルドカードエラー(未モデル化エラーの定量化)を各ステップで追跡する。各ベストフィットモデルは、その未モデル化エラーの定量化と共に、プロセッサの特性を構成する。本稿では、量子プロセッサモデルを実験データと相互に比較する方法を説明する。そこで,この手法を用いて2量子ビットプロセッサをシミュレートする手法を実証する。

関連論文リスト

Bounding the systematic error in quantum error mitigation due to model violation [0.0]
本研究では,エラーモデルの不正確さがエラー軽減に与える影響について,上界を効率的に計算する手法を開発した。我々のプロトコルは追加の実験を必要とせず、代わりにエラーモデルとエラー学習データの比較に頼っている。推定上界は、通常、ランダム回路上での誤差軽減の最悪の観測性能に近いことが示される。
論文参考訳（メタデータ） (2024-08-20T16:27:00Z)
Learning to rank quantum circuits for hardware-optimized performance enhancement [0.0]
本稿では,論理的に等価な量子回路をランク付けするための機械学習に基づく手法を実験的に導入し,実験を行った。提案手法をランダムなレイアウト選択とMapomaticと呼ばれる一般公開ベースラインの2つの一般的なアプローチと比較する。我々の最良のモデルでは、ベースラインアプローチと比較して選択誤差が1.8タイムズ$減少し、ランダム選択と比較して3.2タイムズ$減少する。
論文参考訳（メタデータ） (2024-04-09T18:00:01Z)
Volumetric Benchmarking of Quantum Computing Noise Models [3.0098885383612104]
本稿では、量子コンピューティングアプリケーションのためのノイズモデルベンチマークのための体系的なアプローチを提案する。ハードウェア実験の結果と、量子回路の代表集合に対するノイズモデルの予測を比較する。また、ノイズモデルを構築し、一連のトレーニング回路を用いてパラメータを最適化する。
論文参考訳（メタデータ） (2023-06-14T10:49:01Z)
Hard Sample Matters a Lot in Zero-Shot Quantization [52.32914196337281]
ゼロショット量子化(ZSQ)は、完全精度モデルのトレーニング用データがアクセスできない場合に、ディープニューラルネットワークの圧縮と加速を約束する。 ZSQでは、合成サンプルを用いてネットワーク量子化を行うため、量子化モデルの性能は合成サンプルの品質に大きく依存する。この問題に対処するために,HArdサンプル合成訓練(HAST)を提案する。
論文参考訳（メタデータ） (2023-03-24T06:22:57Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
論文参考訳（メタデータ） (2022-01-21T16:35:35Z)
Measuring NISQ Gate-Based Qubit Stability Using a 1+1 Field Theory and Cycle Benchmarking [50.8020641352841]
量子ハードウェアプラットフォーム上でのコヒーレントエラーを, サンプルユーザアプリケーションとして, 横フィールドIsing Model Hamiltonianを用いて検討した。プロセッサ上の物理位置の異なる量子ビット群に対する、日中および日中キュービット校正ドリフトと量子回路配置の影響を同定する。また,これらの測定値が,これらの種類の誤差をよりよく理解し,量子計算の正確性を評価するための取り組みを改善する方法についても論じる。
論文参考訳（メタデータ） (2022-01-08T23:12:55Z)
Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文参考訳（メタデータ） (2021-07-07T11:17:09Z)
Distilling Interpretable Models into Human-Readable Code [71.11328360614479]
人間可読性は機械学習モデル解釈可能性にとって重要で望ましい標準である。従来の方法を用いて解釈可能なモデルを訓練し,それを簡潔で可読なコードに抽出する。本稿では,幅広いユースケースで効率的に,確実に高品質な結果を生成する分別線形曲線フィッティングアルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-01-21T01:46:36Z)
Wildcard error: Quantifying unmodeled errors in quantum processors [0.0]
量子コンピューティングプロセッサのエラーモデルは、理想的な振る舞いから逸脱し、アプリケーションにおける結果を予測する。パラメータ化ワイルドカード誤りモデルを用いて誤りモデルを増大させることにより,不整合を解消し,非モデル誤差率を定量化する方法を示す。データとの整合性を取り戻すのに必要なワイルドカードエラーの量は、どれだけの非モデル化エラーが観測されたかを定量化する。
論文参考訳（メタデータ） (2020-12-22T18:22:08Z)
Modeling Noisy Quantum Circuits Using Experimental Characterization [0.40611352512781856]
ノイズの多い中間スケール量子(NISQ)デバイスは、非フォールト耐性量子コンピューティングの挙動をテストし評価するためのユニークなプラットフォームを提供する。ノイズの多い回路モデリングの複雑さを管理するNISQプログラムを特徴付けるためのテスト駆動方式を提案する。
論文参考訳（メタデータ） (2020-01-23T16:45:49Z)

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。