論文の概要: Compressed Sensing Measurement of Long-Range Correlated Noise
- arxiv url: http://arxiv.org/abs/2105.12589v1
- Date: Wed, 26 May 2021 14:47:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 20:32:55.050060
- Title: Compressed Sensing Measurement of Long-Range Correlated Noise
- Title（参考訳）: 長距離関連騒音の圧縮センシング計測
- Authors: Alireza Seif, Mohammad Hafezi and Yi-Kai Liu
- Abstract要約: 長距離相関誤差は、NISQデバイスの性能に深刻な影響を及ぼす可能性がある。
本稿では,2ビット相関型デフォーカス誤りを検出するための圧縮センシング手法を提案する。
- 参考スコア（独自算出の注目度）: 1.6328866317851183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-range correlated errors can severely impact the performance of NISQ
(noisy intermediate-scale quantum) devices, and fault-tolerant quantum
computation. Characterizing these errors is important for improving the
performance of these devices, via calibration and error correction, and to
ensure correct interpretation of the results. We propose a compressed sensing
method for detecting two-qubit correlated dephasing errors, assuming only that
the correlations are sparse (i.e., at most s pairs of qubits have correlated
errors, where s << n(n-1)/2, and n is the total number of qubits). In
particular, our method can detect long-range correlations between any two
qubits in the system (i.e., the correlations are not restricted to be
geometrically local).
Our method is highly scalable: it requires as few as m = O(s log n)
measurement settings, and efficient classical postprocessing based on convex
optimization. In addition, when m = O(s log^4(n)), our method is highly robust
to noise, and has sample complexity O(max(n,s)^2 log^4(n)), which can be
compared to conventional methods that have sample complexity O(n^3). Thus, our
method is advantageous when the correlations are sufficiently sparse, that is,
when s < O(n^(3/2) / log^2(n)). Our method also performs well in numerical
simulations on small system sizes, and has some resistance to
state-preparation-and-measurement (SPAM) errors. The key ingredient in our
method is a new type of compressed sensing measurement, which works by
preparing entangled Greenberger-Horne-Zeilinger states (GHZ states) on random
subsets of qubits, and measuring their decay rates with high precision.
- Abstract（参考訳）: 長距離相関誤差は、NISQ(ノイズの多い中間スケール量子)デバイスの性能とフォールトトレラント量子計算に大きく影響する。
これらの誤差のキャリブレーションと誤り訂正によってこれらの装置の性能を向上させること、結果の正しい解釈を保証することが重要である。
s<<n(n-1)/2, nが合計量子ビット数である場合, s対の量子ビットは誤りと相関している場合が多い) のみを仮定して, 2量子ビット相関強調誤りを検出する圧縮センシング法を提案する。
特に,システム内の任意の2量子ビット間の長距離相関を検出できる(すなわち,相関は幾何学的に局所的であるように制限されない)。
提案手法は,m = O(s log n)測定設定に限り,凸最適化に基づく効率的な古典的後処理を必要とする。
さらに、m = O(s log^4(n)) の場合、この手法はノイズに強く、サンプル複雑性 O(max(n,s)^2 log^4(n)) を持ち、サンプル複雑性 O(n^3) を持つ従来の方法と比較できる。
したがって, s < o(n^(3/2) / log^2(n)) の場合, 相関が十分にスパースする場合に有利である。
提案手法は,小システムサイズでの数値シミュレーションでも良好に動作し,SPAM(State-preparation-and-measurement)誤差に耐性がある。
本手法の主な要素は,グリーンベルガー・ホルン・ザイリンガー状態(GHZ状態)を量子ビットのランダムな部分集合上に生成し,その崩壊率を高精度に測定する,新しいタイプの圧縮センシング測定である。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Stochastic Optimization for Non-convex Problem with Inexact Hessian
Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。
TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文 参考訳（メタデータ） (2023-10-18T10:29:58Z) - Guaranteed Approximation Bounds for Mixed-Precision Neural Operators [83.64404557466528]
我々は、ニューラル演算子学習が本質的に近似誤差を誘導する直感の上に構築する。
提案手法では,GPUメモリ使用量を最大50%削減し,スループットを58%向上する。
論文 参考訳（メタデータ） (2023-07-27T17:42:06Z) - Error mitigation, optimization, and extrapolation on a trapped ion testbed [0.05185707610786576]
ゼロノイズ補間(ZNE)と呼ばれる誤差軽減の形式は、必要なキュービット数を増やすことなく、これらのエラーに対するアルゴリズムの感度を低下させることができる。
本稿では,この誤差軽減手法を変分量子固有解法(VQE)アルゴリズムに統合するための様々な手法について検討する。
本手法の有効性は, デバイスアーキテクチャの適切な実装を選択することによる。
論文 参考訳（メタデータ） (2023-07-13T19:02:39Z) - Asymptotically Unbiased Instance-wise Regularized Partial AUC
Optimization: Theory and Algorithm [101.44676036551537]
One-way partial AUC (OPAUC) と Two-way partial AUC (TPAUC) はバイナリ分類器の平均性能を測定する。
既存の手法のほとんどはPAUCをほぼ最適化するしかなく、制御不能なバイアスにつながる。
本稿では,分散ロバスト最適化AUCによるPAUC問題の簡易化について述べる。
論文 参考訳（メタデータ） (2022-10-08T08:26:22Z) - Quantum Sparse Coding [5.130440339897477]
我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。
量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。
我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
論文 参考訳（メタデータ） (2022-09-08T13:00:30Z) - Differentiable Annealed Importance Sampling and the Perils of Gradient
Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。
差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。
我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文 参考訳（メタデータ） (2021-07-21T17:10:14Z) - Categorizing Readout Error Correlations on Near Term Quantum Computers [2.0813318162800707]
読み出し誤差は、短期量子コンピュータにとって重要なノイズ源である。
部分指数近似を用いるための最近の提案は、小さい誤差と短い誤差の相関に依拠している。
我々は,複数ビットの読み出し誤り相関を分類し,定量化する手法を紹介し,実証する。
論文 参考訳（メタデータ） (2021-04-09T21:19:46Z) - Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。
実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文 参考訳（メタデータ） (2021-04-05T21:44:00Z) - One-Bit Compressed Sensing via One-Shot Hard Thresholding [7.594050968868919]
1ビット圧縮センシングの問題は、いくつかのバイナリ測定からスパース信号を推定することである。
広範に使われている非制約の幅の概念から遠ざかる、斬新で簡潔な分析法を提案する。
論文 参考訳（メタデータ） (2020-07-07T17:28:03Z) - Mitigating measurement errors in multi-qubit experiments [2.7015517125109247]
測定結果の古典的後処理により測定誤差を軽減する方法を示す。
テンソル積と相関マルコフ雑音モデルに基づく2つの誤差緩和スキームを示す。
論文 参考訳（メタデータ） (2020-06-24T20:56:18Z)
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。