論文の概要: $i$-QER: An Intelligent Approach towards Quantum Error Reduction
- arxiv url: http://arxiv.org/abs/2110.06347v2
- Date: Sat, 2 Apr 2022 09:13:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 16:34:21.800053
- Title: $i$-QER: An Intelligent Approach towards Quantum Error Reduction
- Title（参考訳）: i$-qer: 量子誤差低減のためのインテリジェントなアプローチ
- Authors: Saikat Basu and Amit Saha and Amlan Chakrabarti and Susmita Sur-Kolay
- Abstract要約: 量子回路のエラーを評価するスケーラブルな機械学習ベースのアプローチである$i$-QERを導入する。
i$-QERは、教師付き学習モデルを使用して、与えられた量子回路で可能なエラーを予測する。
これにより、大きな量子回路を2つの小さなサブ回路に分割する。
- 参考スコア（独自算出の注目度）: 5.055934439032756
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computing has become a promising computing approach because of its
capability to solve certain problems, exponentially faster than classical
computers. A $n$-qubit quantum system is capable of providing $2^{n}$
computational space to a quantum algorithm. However, quantum computers are
prone to errors. Quantum circuits that can reliably run on today's Noisy
Intermediate-Scale Quantum (NISQ) devices are not only limited by their qubit
counts but also by their noisy gate operations. In this paper, we have
introduced $i$-QER, a scalable machine learning-based approach to evaluate
errors in a quantum circuit and helps to reduce these without using any
additional quantum resources. The $i$-QER predicts possible errors in a given
quantum circuit using supervised learning models. If the predicted error is
above a pre-specified threshold, it cuts the large quantum circuit into two
smaller sub-circuits using an error-influenced fragmentation strategy for the
first time to the best of our knowledge. The proposed fragmentation process is
iterated until the predicted error reaches below the threshold for each
sub-circuit. The sub-circuits are then executed on a quantum device. Classical
reconstruction of the outputs obtained from the sub-circuits can generate the
output of the complete circuit. Thus, $i$-QER also provides classical control
over a scalable hybrid computing approach, which is a combination of quantum
and classical computers. The $i$-QER tool is available at
https://github.com/SaikatBasu90/i-QER.
- Abstract（参考訳）: 量子コンピューティングは、ある問題を解決する能力があり、古典的コンピュータよりも指数関数的に速いため、有望なコンピューティングアプローチになっている。
n$-qubitの量子システムは、量子アルゴリズムに$2^{n}$の計算空間を提供することができる。
しかし、量子コンピュータはエラーを起こしやすい。
現在のノイズ中規模量子(NISQ)デバイスで確実に動作可能な量子回路は、キュービット数だけでなく、ノイズゲート操作によっても制限される。
本稿では,量子回路内の誤差を評価するスケーラブルな機械学習手法である$i$-qerを導入し,追加の量子リソースを使わずにこれらを削減することを支援する。
i$-qerは教師付き学習モデルを用いて、与えられた量子回路で起こりうるエラーを予測する。
予測誤差が予め指定されたしきい値を超える場合、大きな量子回路を2つの小さなサブ回路に分割し、エラーの影響のあるフラグメンテーション戦略を初めて導入する。
提案するフラグメンテーションプロセスは、予測誤差が各サブ回路のしきい値以下になるまで反復される。
サブ回路は量子デバイス上で実行される。
サブ回路から得られる出力の古典的な再構成は、完全回路の出力を生成することができる。
したがって、$i$-QERは量子コンピュータと古典コンピュータの組み合わせであるスケーラブルなハイブリッドコンピューティングアプローチに対する古典的な制御を提供する。
i$-QERツールはhttps://github.com/SaikatBasu90/i-QERで入手できる。
関連論文リスト
- 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) - 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) - Quantum Circuit Distillation and Compression [0.33363717210853483]
長い量子計算が誤り訂正なしで量子プロセッサ上で実行される場合、ノイズはしばしば致命的なエラーを引き起こす。
提案する量子回路は, 短いが, 元の回路とほぼ同一の出力を生成するのに十分な機能を有する。
論文 参考訳（メタデータ） (2023-09-05T02:47:19Z) - Limitations of Noisy Quantum Devices in Computational and Entangling
Power [5.178527492542246]
回路深さが$O(log n)$以上のノイズ量子デバイスは、いかなる量子アルゴリズムにも利点がないことを示す。
また、ノイズ量子デバイスが1次元および2次元の量子ビット接続の下で生成できる最大エンタングルメントについても検討する。
論文 参考訳（メタデータ） (2023-06-05T12:29:55Z) - Averaging gate approximation error and performance of Unitary Coupled Cluster ansatz in Pre-FTQC Era [0.0]
フォールトトレラント量子計算(FTQC)は、雑音耐性のある方法で量子アルゴリズムを実装するために不可欠である。
FTQCでは、量子回路はフォールトトレラントの実装が可能な普遍ゲートに分解される。
本稿では,所定の量子回路に対するClifford+$T$分解誤差を非偏極雑音としてモデル化できることを提案する。
論文 参考訳（メタデータ） (2023-01-10T19:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Iterative Qubits Management for Quantum Index Searching in a Hybrid
System [56.39703478198019]
IQuCSは、量子古典ハイブリッドシステムにおけるインデックス検索とカウントを目的としている。
我々はQiskitでIQuCSを実装し、集中的な実験を行う。
その結果、量子ビットの消費を最大66.2%削減できることが示されている。
論文 参考訳（メタデータ） (2022-09-22T21:54:28Z) - Quantum State Preparation with Optimal Circuit Depth: Implementations
and Applications [10.436969366019015]
我々は、$Theta(n)$-depth回路は、$O(ndlog d)$ acillary qubitsを持つ$Theta(log(nd))で作成可能であることを示す。
我々は、ハミルトンシミュレーション、方程式の線形系解法、量子ランダムアクセスメモリの実現など、異なる量子コンピューティングタスクにおける結果の適用について論じる。
論文 参考訳（メタデータ） (2022-01-27T13:16:30Z) - Towards Demonstrating Fault Tolerance in Small Circuits Using Bacon-Shor
Codes [5.352699766206807]
我々は、量子回路をフォールトトレラントに実装する次のステップについて研究する。
偏極雑音モデルにおけるパウリ誤差率$p$の擬似閾値を計算する。
複数ラウンドの安定化器測定により、最後に1ラウンドを実施した場合よりも改善が期待できる。
論文 参考訳（メタデータ） (2021-08-04T14:24:14Z) - Fault-tolerant Coding for Quantum Communication [71.206200318454]
ノイズチャネルの多くの用途でメッセージを確実に送信するために、回路をエンコードしてデコードする。
すべての量子チャネル$T$とすべての$eps>0$に対して、以下に示すゲートエラー確率のしきい値$p(epsilon,T)$が存在し、$C-epsilon$より大きいレートはフォールトトレラント的に達成可能である。
我々の結果は、遠方の量子コンピュータが高レベルのノイズの下で通信する必要があるような、大きな距離での通信やオンチップでの通信に関係している。
論文 参考訳（メタデータ） (2020-09-15T15:10:50Z) - Quantum Gram-Schmidt Processes and Their Application to Efficient State
Read-out for Quantum Algorithms [87.04438831673063]
本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。
我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。
我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
論文 参考訳（メタデータ） (2020-04-14T11:05:26Z)
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。