論文の概要: Error mitigation in variational quantum eigensolvers using tailored probabilistic machine learning

• arxiv url: http://arxiv.org/abs/2111.08814v2
• Date: Tue, 18 Apr 2023 16:56:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 19:18:08.295730
• Title: Error mitigation in variational quantum eigensolvers using tailored probabilistic machine learning
• Title（参考訳）: 確率機械学習を用いた変分量子固有解法における誤差緩和
• Authors: John Rogers, Tao Jiang, Marius S. Frank, Ove Christiansen, Yong-Xin Yao and Nicola Lanat\`a
• Abstract要約: 本稿では,量子計算におけるノイズを軽減するために,ガウス過程回帰(GPR)をアクティブラーニングフレームワーク内に導入する新しい手法を提案する。 我々は,IBMのオープンソース量子コンピューティングフレームワークであるQiskitを用いた2サイトアンダーソン不純物モデルに対する提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 8.83455414870056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing technology has the potential to revolutionize the simulation of materials and molecules in the near future. A primary challenge in achieving near-term quantum advantage is effectively mitigating the noise effects inherent in current quantum processing units (QPUs). This challenge is also decisive in the context of quantum-classical hybrid schemes employing variational quantum eigensolvers (VQEs) that have attracted significant interest in recent years. In this work, we present a novel method that employs parametric Gaussian process regression (GPR) within an active learning framework to mitigate noise in quantum computations, focusing on VQEs. Our approach, grounded in probabilistic machine learning, exploits a custom prior based on the VQE ansatz to capture the underlying correlations between VQE outputs for different variational parameters, thereby enhancing both accuracy and efficiency. We demonstrate the effectiveness of our method on a 2-site Anderson impurity model using the IBM open-source quantum computing framework, Qiskit, showcasing substantial improvements in the accuracy of VQE outputs while reducing the number of direct QPU energy evaluations. This work contributes to the ongoing efforts in quantum error mitigation and optimization, bringing us a step closer to realizing the potential of quantum computing in quantum matter simulations.
• Abstract（参考訳）: 量子コンピューティング技術は、近い将来、物質や分子のシミュレーションに革命をもたらす可能性がある。 短期量子優位性を達成する上での最大の課題は、現在の量子処理ユニット(QPU)に固有のノイズ効果を効果的に緩和することである。 この課題は、近年大きな関心を集めている変分量子固有解法(VQE)を用いた量子古典ハイブリッドスキームの文脈においても決定的である。 本稿では,量子計算における雑音を軽減するためのアクティブ学習フレームワークにおいて,パラメトリックガウス過程回帰(gpr)を用いた新しい手法を提案する。 本手法は確率的機械学習に基礎を置き,vqe ansatzに基づくカスタムプリエントを活用し,変動パラメータの異なるvqe出力の相関関係を捉えることにより,精度と効率の両立を図る。 我々は,IBMのオープンソース量子コンピューティングフレームワークであるQiskitを用いた2サイトアンダーソン不純物モデルにおいて,VQE出力の精度を大幅に向上し,直接QPUエネルギー評価の回数を削減できることを示す。 この研究は、量子エラー軽減と最適化の継続的な取り組みに貢献し、量子物質シミュレーションにおける量子コンピューティングの可能性の実現に一歩近づいた。

関連論文リスト

• Enhancing Quantum Variational Algorithms with Zero Noise Extrapolation via Neural Networks [0.4779196219827508]
  変分量子固有解法(VQE)は複雑な量子問題を解くための有望なアルゴリズムである。 量子デバイスにおけるノイズのユビキタスな存在は、しばしばVQE結果の正確さと信頼性を制限する。 本稿では,VQE計算におけるゼロノイズ外挿(ZNE)にニューラルネットワークを利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-10T15:35:41Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Potential energy surfaces inference of both ground and excited state using hybrid quantum-classical neural network [0.0]
  変分量子固有解器のシュロゲートモデリングのためのハイブリッド量子古典ニューラルネットワークが提案されている。 サブスペース探索型変分量子固有解法を用いて, 地中および励起状態のPSSを化学的精度で推定できるようにモデルを拡張した。
  論文  参考訳（メタデータ） (2022-12-06T14:28:44Z)
• Variational Quantum Pulse Learning [28.040754288931897]
  本稿では,学習タスクに量子パルスを直接学習するための新しいパラダイムである変分量子パルス(VQP)を提案する。 VQPは、最適化フレームワークにおいて、パルスの振幅を引いて押すことで変動量子パルスを操作する。 我々は,NISQ(ノイズ中間量子)コンピュータにおけるノイズに対する頑健性を維持している。
  論文  参考訳（メタデータ） (2022-03-31T17:58:13Z)
• Reducing the cost of energy estimation in the variational quantum eigensolver algorithm with robust amplitude estimation [50.591267188664666]
  量子化学と材料は、量子コンピューティングの最も有望な応用の1つである。 これらの領域における産業関連問題とそれを解決する量子アルゴリズムとの整合性については、まだ多くの研究が続けられている。
  論文  参考訳（メタデータ） (2022-03-14T16:51:36Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Variational Quantum-Neural Hybrid Error Mitigation [6.555128824546528]
  量子エラー軽減(QEM)は、量子コンピュータ上で信頼性の高い結果を得るために重要である。 量子-ニューラルハイブリッド固有解法 (VQNHE) アルゴリズムは, 本質的にはノイズ耐性であり, ユニークなQEM容量を持つことを示す。
  論文  参考訳（メタデータ） (2021-12-20T08:07:58Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。