論文の概要: Classical-Quantum Noise Mitigation for NISQ Hardware
- arxiv url: http://arxiv.org/abs/2105.08701v1
- Date: Tue, 18 May 2021 17:39:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 19:49:51.826084
- Title: Classical-Quantum Noise Mitigation for NISQ Hardware
- Title(参考訳): NISQハードウェアにおける古典的量子ノイズ低減
- Authors: Andrew Shaw
- Abstract要約: 古典的ホワイトノイズ外挿法 (CLAWE) を用いたノイズ低減のために, グローバルホワイトノイズモデルに対するNISQハードウェアの付着性を用いる。
世界的ホワイトノイズモデルは第一原理から証明される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, the global white-noise model is proved from first principles.
The adherence of NISQ hardware to the global white-noise model is used to
perform noise mitigation using Classical White-noise Extrapolation (CLAWE).
- Abstract(参考訳): この研究において、グローバルホワイトノイズモデルは第一原理から証明される。
NISQハードウェアのグローバルホワイトノイズモデルへの付着は、古典的ホワイトノイズ外挿法(CLAWE)を用いてノイズ軽減に使用される。
関連論文リスト
- NM-FlowGAN: Modeling sRGB Noise with a Hybrid Approach based on Normalizing Flows and Generative Adversarial Networks [9.81778202920426]
NM-FlowGANは、GANと正規化フローの両方の長所を利用するハイブリッドアプローチである。
我々のNM-FlowGANは、sRGBノイズ合成タスクにおいて、他のベースラインよりも優れています。
我々のモデルから合成画像対で訓練した認知ニューラルネットワークも、他のベースラインと比較して優れた性能を示している。
論文 参考訳(メタデータ) (2023-12-15T09:09:25Z) - Feature Noise Boosts DNN Generalization under Label Noise [65.36889005555669]
トレーニングデータにおけるラベルノイズの存在は、ディープニューラルネットワーク(DNN)の一般化に大きな影響を与える
本研究では,学習データの特徴に直接ノイズを付加する単純な特徴雑音法を,理論的に導入し,理論的に実証する。
論文 参考訳(メタデータ) (2023-08-03T08:31:31Z) - Resonance fluorescence of noisy systems [0.0]
我々は、遷移エネルギーが雑音を受ける系の低励起限界における共鳴蛍光の理論を開発する。
ノイズの異なるクラスが特性的にRFスペクトルに影響を与えることを示す。
論文 参考訳(メタデータ) (2023-03-02T19:00:35Z) - A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken
Command Recognition [69.97260364850001]
本稿では,量子カーネル学習(QKL)フレームワークを提案する。
古典的-量子的特徴符号化に基づく音響特性を計画する。
論文 参考訳(メタデータ) (2022-11-02T16:46:23Z) - Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis [148.16279746287452]
本研究では,残差畳み込み層の局所モデリング能力とスウィントランスブロックの非局所モデリング能力を組み込むスウィンコンブブロックを提案する。
トレーニングデータ合成のために,異なる種類のノイズを考慮した実用的なノイズ劣化モデルの設計を行う。
AGWN除去と実画像復号化の実験は、新しいネットワークアーキテクチャ設計が最先端の性能を達成することを実証している。
論文 参考訳(メタデータ) (2022-03-24T18:11:31Z) - C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。
我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
論文 参考訳(メタデータ) (2022-02-19T05:53:46Z) - Noise-Aware Quantum Amplitude Estimation [0.6117371161379208]
提案手法は実世界の実験データに適していることを示す。
次に、このノイズモデルを任意のNISQ QAEアルゴリズムに組み込む方法の例を示し、振幅推定が「ノイズ対応」であることを示す。
論文 参考訳(メタデータ) (2021-09-10T12:49:29Z) - An Interpretation of Regularization by Denoising and its Application
with the Back-Projected Fidelity Term [55.34375605313277]
RED勾配は以前の関数の(部分)階調と見なすことができるが、その点の分極バージョンで考えることができる。
本稿では, RED と Back-Projection (BP) のフィデリティ項を組み合わせることを提案する。
論文 参考訳(メタデータ) (2021-01-27T18:45:35Z) - A proposal of noise suppression for quantum annealing [0.7310043452300736]
ノイズは、量子アニールにおいて最適解を得るための主要な障害の1つである。
従来のハミルトニアン、すなわち横場ハミルトニアンを補助系を導入することで一般化する。
本手法はフラックス量子ビットの場合,通常発生する雑音に対して有効であることを確認した。
論文 参考訳(メタデータ) (2020-06-24T03:05:01Z) - Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。
ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。
分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文 参考訳(メタデータ) (2020-06-15T18:31:02Z) - Unsupervised Neural Universal Denoiser for Finite-Input General-Output
Noisy Channel [25.26787589154647]
有限インプット、一般出力(FIGO)チャネルのためのニューラルネットワークに基づく新しいユニバーサルデノイザを考案する。
既知のノイズチャネル密度の仮定に基づいて、ネットワークをトレーニングし、基礎となるクリーンソースデータに対して最高のスライディングウインドウデノイザをデノイズできるようにします。
論文 参考訳(メタデータ) (2020-03-05T17:11:56Z)
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。