論文の概要: Hardware-efficient random circuits to classify noise in a multi-qubit system

• arxiv url: http://arxiv.org/abs/2104.10221v2
• Date: Thu, 22 Apr 2021 17:57:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 02:19:35.105881
• Title: Hardware-efficient random circuits to classify noise in a multi-qubit system
• Title（参考訳）: マルチキュービットシステムにおける雑音の分類のためのハードウェア効率のよいランダム回路
• Authors: Jin-Sung Kim, Lev S. Bishop, Antonio D. Corcoles, Seth Merkel, John A. Smolin, Sarah Sheldon
• Abstract要約: 我々は、結合出力生成(BOG)と呼ばれるマルチキュービットベンチマーク手法を拡張し、コヒーレントノイズ源と非コヒーレントノイズ源を識別する。 2量子状態におけるランダム化ベンチマーク(RB)に対してBOGを実験的に検証し,この手法を6量子線形鎖に適用する。 この実験では、各キュービットに瞬時にコヒーレントZ型ノイズを注入し、測定したコヒーレントノイズがインジェクションされたノイズの大きさと正しくスケールすることを示す。
• 参考スコア（独自算出の注目度）: 0.2348805691644085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we extend a multi-qubit benchmarking technique known as the Binned Output Generation (BOG) in order to discriminate between coherent and incoherent noise sources in the multi-qubit regime. While methods exist to discriminate coherent from incoherent noise at the single and few-qubit level, these methods scale poorly beyond a few qubits or must make assumptions about the form of the noise. On the other end of the spectrum, system-level benchmarking techniques exist, but fail to discriminate between coherent and incoherent noise sources. We experimentally verify the BOG against Randomized Benchmarking (RB) (the industry standard benchmarking technique) in the two-qubit regime, then apply this technique to a six qubit linear chain, a regime currently inaccessible to RB. In this experiment we inject an instantaneous coherent Z-type noise on each qubit and demonstrate that the measured coherent noise scales correctly with the magnitude of the injected noise, while the measured incoherent noise remains unchanged as expected. This demonstrates a robust technique to measure coherent errors in a variety of hardware.
• Abstract（参考訳）: 本研究では,マルチキュービット方式におけるコヒーレントノイズ源と非コヒーレントノイズ源を識別するために,Binned Output Generation (BOG) と呼ばれるマルチキュービットベンチマーク手法を拡張した。 単一および少数量子レベルにおけるコヒーレントを非コヒーレントノイズから識別する手法は存在するが、これらの手法は数量子ビットを超え、あるいはノイズの形式について仮定しなければならない。 スペクトルの反対側では、システムレベルのベンチマーク技術が存在するが、コヒーレント音源と非コヒーレント音源の区別に失敗している。 2量子ビット領域におけるランダム化ベンチマーク(rb)(業界標準ベンチマーク手法)に対するボッグを実験的に検証し、この手法を6量子ビットの線形チェーンに適用した。 本実験では,各キュービットに瞬時コヒーレントz型雑音を注入し,測定したコヒーレントノイズが注入雑音の大きさと一致してスケールすることを示す。 これは、様々なハードウェアでコヒーレントエラーを測定するロバストなテクニックを示している。

関連論文リスト

• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• A framework of partial error correction for intermediate-scale quantum computers [0.7046417074932257]
  ブロック層回路は,"無用"な均一分布に対して,平均的な低濃度で表示可能であることを示す。 この利点は、誤り訂正キュービットの数が特定のしきい値を超えた場合にのみ現れる。
  論文  参考訳（メタデータ） (2023-06-27T15:00:57Z)
• Characterizing and mitigating coherent errors in a trapped ion quantum processor using hidden inverses [0.20315704654772418]
  量子コンピューティングテストベッドは、量子ビットの小さな集合に対して高忠実な量子制御を示す。 これらのノイズの多い中間スケールデバイスは、デコヒーレンスの前に十分な数のシーケンシャルな操作をサポートすることができる。 これらのアルゴリズムの結果は不完全であるが、これらの不完全性は量子コンピュータのテストベッド開発をブートストラップするのに役立ちます。
  論文  参考訳（メタデータ） (2022-05-27T20:35:24Z)
• Learning Noise via Dynamical Decoupling of Entangled Qubits [49.38020717064383]
  絡み合った量子系のノイズは、複数の自由度を含む多体効果のために特徴付けるのが困難である。 2キュービットゲートで発生する雑音を特徴付けるマルチキュービットダイナミックデカップリングシーケンスを開発し,適用する。
  論文  参考訳（メタデータ） (2022-01-26T20:22:38Z)
• Gradient-based Bit Encoding Optimization for Noise-Robust Binary Memristive Crossbar [7.144750011626086]
  エネルギー効率のよいディープラーニングハードウェアアクセラレーターとして、バイナリ・メムリシブ・クロスバーが注目されている。 以前の作業では、クロスバーから取得したノイズデータで重みパラメータを訓練していた。 本稿では,入力バイナリビット符号化の操作によるクロスバーノイズ低減の新しい視点について検討する。
  論文  参考訳（メタデータ） (2022-01-05T06:49:34Z)
• Qubit noise deconvolution [0.0]
  量子ビットシステム上で任意の測定を行う際に,広帯域ノイズを除去するノイズデコンボリューション手法を提案する。 データ処理ステップでこれを利用して、既知の雑音を受けるキュービットシステムで評価された可観測物のノイズのない推定値を得る。
  論文  参考訳（メタデータ） (2021-12-06T13:46:04Z)
• Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
  雑音分布の明示的な表現に依存しない新しい計画法を提案する。 まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。 いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
  論文  参考訳（メタデータ） (2021-10-25T06:18:55Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Simultaneous Denoising and Dereverberation Using Deep Embedding Features [64.58693911070228]
  ディープ埋め込み特徴を用いた同時発声・発声同時学習法を提案する。 ノイズ発生段階では、DCネットワークを利用してノイズのないディープ埋込み特性を抽出する。 残響段階では、教師なしのK平均クラスタリングアルゴリズムの代わりに、別のニューラルネットワークを用いて無響音声を推定する。
  論文  参考訳（メタデータ） (2020-04-06T06:34:01Z)

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。