Fugu-MT 論文翻訳(概要): Quantum error reduction with deep neural network applied at the post-processing stage

論文の概要: Quantum error reduction with deep neural network applied at the post-processing stage

arxiv url: http://arxiv.org/abs/2105.07793v4
Date: Thu, 8 Sep 2022 06:15:00 GMT
ステータス: 処理完了
システム内更新日: 2023-03-30 22:22:53.102320
Title: Quantum error reduction with deep neural network applied at the post-processing stage
Title（参考訳）: ディープニューラルネットワークを用いた後処理段階における量子誤差低減
Authors: A. A. Zhukov, W. V. Pogosov
Abstract要約: 本稿では、トロッターステップからなる量子回路の周期構造を特徴とするディジタル量子シミュレーション法を提案する。我々のアプローチの重要な要素は、トレーニング段階では古典的なシミュレーターのデータを必要としないことである。ネットワークは、トロッターステップ数を人工的に増加させた量子ハードウェアから得たデータを変換するように訓練されている。
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: Deep neural networks (DNN) can be applied at the post-processing stage for the improvement of the results of quantum computations on noisy intermediate-scale quantum (NISQ) processors. Here, we propose a method based on this idea, which is most suitable for digital quantum simulation characterized by the periodic structure of quantum circuits consisting of Trotter steps. A key ingredient of our approach is that it does not require any data from a classical simulator at the training stage. The network is trained to transform data obtained from quantum hardware with artificially increased Trotter steps number (noise level) towards the data obtained without such an increase. The additional Trotter steps are fictitious, i.e., they contain negligibly small rotations and, in the absence of hardware imperfections, reduce essentially to the identity gates. This preserves, at the training stage, information about relevant quantum circuit features. Two particular examples are considered that are the dynamics of the transverse-field Ising chain and XY spin chain, which were implemented on two real five-qubit IBM Q processors. A significant error reduction is demonstrated as a result of the DNN application that allows us to effectively increase quantum circuit depth in terms of Trotter steps.
Abstract（参考訳）: 雑音中規模量子(nisq)プロセッサ上での量子計算結果の改善のために、ディープニューラルネットワーク(dnn)を後処理段階に適用することができる。本稿では,このアイデアに基づいて,トロッターステップからなる量子回路の周期構造を特徴とするディジタル量子シミュレーションに最も適した手法を提案する。我々のアプローチの重要な要素は、トレーニング段階では古典的なシミュレーターのデータを必要としないことである。ネットワークは、トロッターステップ数(ノイズレベル)を人工的に増加させた量子ハードウェアから得られたデータを、そのような増加のないデータに変換するように訓練される。追加のトロッターステップは架空のものであり、すなわち、それらは無視できるほど小さな回転を含み、ハードウェアの不完全性がなければ、本質的にアイデンティティゲートに還元される。これにより、トレーニング段階で関連する量子回路の特徴に関する情報が保存される。 2つの特別な例は、トランスバースフィールドイジングチェーンとxyスピンチェーンのダイナミクスであり、2つの実際の5量子ビットibm qプロセッサに実装された。トロッターステップの観点から量子回路の深さを効果的に増やすことができるdnnアプリケーションの結果、重大な誤差低減が実証されている。

関連論文リスト

SuperEncoder: Towards Universal Neural Approximate Quantum State Preparation [12.591173729459427]
トレーニング済みのニューラルネットワークを利用して任意の量子状態に対してQSP回路を直接生成できることが示される。我々の研究は、近似QSPのための普遍的ニューラルデザイナに向けて着実に進んでいる。
論文参考訳（メタデータ） (2024-08-10T04:39:05Z)
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)
A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文参考訳（メタデータ） (2024-02-23T14:09:41Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文参考訳（メタデータ） (2023-09-11T18:00:00Z)
Stabilization and Dissipative Information Transfer of a Superconducting Kerr-Cat Qubit [0.0]
そこで我々は,Cat-Qubitと呼ばれる量子ビットモデルへの消散情報伝達について検討した。このモデルは、二項量子分類の散逸に基づくバージョンにとって特に重要である。 Cat-Qubitアーキテクチャは、人工ニューラルネットワークでアクティベーションライクな機能を実装できる可能性がある。
論文参考訳（メタデータ） (2023-07-23T11:28:52Z)
Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文参考訳（メタデータ） (2022-04-12T19:39:31Z)
Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文参考訳（メタデータ） (2021-12-10T17:32:15Z)
Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
論文参考訳（メタデータ） (2021-09-13T12:32:57Z)
Quantum circuit synthesis of Bell and GHZ states using projective simulation in the NISQ era [0.0]
量子ビット数に制限のある雑音量子コンピュータの量子回路合成問題に取り組むために,強化学習手法である投影シミュレーションの有効性について検討した。シミュレーションの結果, エージェントの性能は良好であったが, 量子ビット数の増加に伴い新しい回路の学習能力は低下した。
論文参考訳（メタデータ） (2021-04-27T16:11:27Z)
Quantum process tomography with unsupervised learning and tensor networks [0.0]
本稿では,量子プロセストモグラフィーを行う新しい手法を提案する。チャネルのテンソルネットワーク表現と、教師なし機械学習にインスパイアされたデータ駆動最適化を組み合わせる。私たちの結果は最先端以上のもので、現在の量子コンピュータと短期量子コンピュータで量子回路をベンチマークするための実用的でタイムリーなツールを提供しています。
論文参考訳（メタデータ） (2020-06-03T17:54:23Z)

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。