論文の概要: Robustly learning the Hamiltonian dynamics of a superconducting quantum processor
- arxiv url: http://arxiv.org/abs/2108.08319v3
- Date: Fri, 28 Jun 2024 13:40:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 22:29:40.816587
- Title: Robustly learning the Hamiltonian dynamics of a superconducting quantum processor
- Title（参考訳）: 超伝導量子プロセッサのハミルトン力学をロバストに学習する
- Authors: Dominik Hangleiter, Ingo Roth, Jonas Fuksa, Jens Eisert, Pedram Roushan,
- Abstract要約: 超伝導量子ビットアナログ量子シミュレータにおけるボソニック励起のフリーハミルトニアンパラメータを強く推定する。
この結果は、動的量子シミュレーションの正確な実装を構成する。
- 参考スコア（独自算出の注目度）: 0.5564835829075486
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The required precision to perform quantum simulations beyond the capabilities of classical computers imposes major experimental and theoretical challenges. The key to solving these issues are precise means of characterizing analog quantum simulators. Here, we robustly estimate the free Hamiltonian parameters of bosonic excitations in a superconducting-qubit analog quantum simulator from measured time-series of single-mode canonical coordinates. We achieve high levels of precision in estimating the Hamiltonian parameters by exploiting a priori knowledge, making it robust against noise and state-preparation and measurement (SPAM) errors. Importantly, we are also able to obtain tomographic information about those SPAM errors from the same data, crucial for the experimental applicability of Hamiltonian learning in dynamical quantum-quench experiments. Our learning algorithm is scalable both in terms of the required amounts of data and post-processing. To achieve this, we develop a new super-resolution technique coined tensorESPRIT for frequency extraction from matrix time-series. The algorithm then combines tensorESPRIT with constrained manifold optimization for the eigenspace reconstruction with pre- and post-processing stages. For up to 14 coupled superconducting qubits on two Sycamore processors, we identify the Hamiltonian parameters -- verifying the implementation on one of them up to sub-MHz precision -- and construct a spatial implementation error map for a grid of 27 qubits. Our results constitute an accurate implementation of a dynamical quantum simulation that is characterized using a new diagnostic toolkit for understanding, calibrating, and improving analog quantum processors.
- Abstract（参考訳）: 古典的なコンピュータの能力を超える量子シミュレーションを行うために必要な精度は、大きな実験的および理論的課題を課す。
これらの問題を解決する鍵は、アナログ量子シミュレータを正確に特徴づける手段である。
ここでは, 超伝導量子ビットアナログ量子シミュレータにおけるボソニック励起のフリーハミルトンパラメータを, 単モードカノニカル座標の時系列から頑健に推定する。
我々は、先行知識を利用してハミルトンパラメータを推定し、ノイズや状態調整・測定(SPAM)誤差に対して頑健にすることで、高精度な精度を実現する。
重要なことに、我々は同じデータからこれらのSPAMエラーに関するトモグラフィー情報を得ることができ、量子クエンチ実験におけるハミルトン学習の実験的適用性に不可欠である。
私たちの学習アルゴリズムは、必要なデータ量と後処理の両方においてスケーラブルです。
これを実現するために,行列時系列から周波数抽出を行うテンソルESPRITを開発した。
このアルゴリズムはテンソルESPRITと固有空間再構成のための制約付き多様体最適化を前処理および後処理の段階と組み合わせる。
2つのSycamoreプロセッサ上の14個の結合超伝導量子ビットについて、ハミルトンパラメーターを同定し、その1つの実装をサブMHz精度まで検証し、27量子ビットのグリッドに対する空間的実装誤差マップを構築する。
この結果は,アナログ量子プロセッサの理解,校正,改善のための新しい診断ツールキットを用いて,動的量子シミュレーションの正確な実装を構成する。
関連論文リスト
- Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Accurate harmonic vibrational frequencies for diatomic molecules via
quantum computing [0.0]
我々は,中性閉殻二原子分子集合の調和振動周波数を計算するために,有望な量子ビット効率の量子計算手法を提案する。
化学にインスパイアされたUCCSDアンサッツを用いた変動量子回路は、正確な対角化法と同じ精度が得られることを示す。
論文 参考訳（メタデータ） (2023-12-19T16:44:49Z) - Programmable Simulations of Molecules and Materials with Reconfigurable
Quantum Processors [0.3320294284424914]
モデルスピンハミルトニアンで表現できる強い相関量子系のシミュレーションフレームワークを導入する。
提案手法は、再構成可能な量子ビットアーキテクチャを利用して、リアルタイムなダイナミクスをプログラム的にシミュレートする。
本稿では, この方法を用いて, 多核遷移金属触媒と2次元磁性材料のキー特性を計算する方法について述べる。
論文 参考訳（メタデータ） (2023-12-04T19:00:01Z) - Realization of quantum signal processing on a noisy quantum computer [0.4593579891394288]
本稿では,各ステップのオーバヘッドコストを慎重に削減し,ノイズの多い量子ハードウェア上でQSPプロトコル全体を実行する戦略を提案する。
本プロトコルは,ハネウェル方式の量子関数H1-1の量子コンピュータ上で,このアルゴリズムを動作させることにより検証する。
この結果はQSPに基づく量子アルゴリズムの実験的な実現の第一歩である。
論文 参考訳（メタデータ） (2023-03-09T19:00:17Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Characterization and Verification of Trotterized Digital Quantum
Simulation via Hamiltonian and Liouvillian Learning [0.0]
実験により得られたFloquet Hamiltonianの順序を並べて再構築するためのFloquet Hamiltonian学習を提案する。
提案プロトコルは,新しいタイプの量子ゲートのフィードバックループ設計とキャリブレーションの基礎となることを示す。
論文 参考訳（メタデータ） (2022-03-29T18:29:01Z) - 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) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳（メタデータ） (2021-05-20T17:06:52Z) - Scalable Hamiltonian learning for large-scale out-of-equilibrium quantum
dynamics [0.0]
平衡外量子系におけるハミルトントモグラフィーのためのニューラルネットワークに基づくスケーラブルなアルゴリズムを提案する。
具体的には,任意の大きさの準1次元ボゾン系のハミルトニアンを再構成可能であることを示す。
論文 参考訳（メタデータ） (2021-03-01T19:00:15Z)
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。