論文の概要: Process Tomography on a 7-Qubit Quantum Processor via Tensor Network Contraction Path Finding

• arxiv url: http://arxiv.org/abs/2112.06364v1
• Date: Mon, 13 Dec 2021 00:41:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-04 16:55:58.391382
• Title: Process Tomography on a 7-Qubit Quantum Processor via Tensor Network Contraction Path Finding
• Title（参考訳）: テンソルネットワーク収縮経路探索による7量子ビット量子プロセッサのプロセストモグラフィー
• Authors: Aidan Dang, Gregory A. L. White, Lloyd C. L. Hollenberg, Charles D. Hill
• Abstract要約: 量子プロセストモグラフィ(QPT)は、量子プロセッサの動作を検証する重要なツールである。 本稿では、テンソルネットワーク(TN)に基づく既存のQPTアプローチと、TN縮退経路探索アルゴリズムを用いた教師なし学習の併用について述べる。 ibmq_casablancaで実行される単一サイクルランダム量子回路の理想的なユニタリチャネルに対して0.89の忠実さを報告した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum process tomography (QPT), where a quantum channel is reconstructed through the analysis of repeated quantum measurements, is an important tool for validating the operation of a quantum processor. We detail the combined use of an existing QPT approach based on tensor networks (TNs) and unsupervised learning with TN contraction path finding algorithms in order to use TNs of arbitrary topologies for reconstruction. Experiments were conducted on the 7-qubit IBM Quantum Falcon Processor ibmq_casablanca, where we demonstrate this technique by matching the topology of the tensor networks used for reconstruction with the topology of the processor, allowing us to extend past the characterisation of linear nearest neighbour circuits. Furthermore, we conduct single-qubit gate set tomography (GST) on each individual qubit to correct for separable errors during the state preparation and measurement phases of QPT, which are separate from the channel under consideration but may negatively impact the quality of its reconstruction. We are able to report a fidelity of 0.89 against the ideal unitary channel of a single-cycle random quantum circuit performed on ibmq_casablanca, after obtaining just $1.1 \times 10^5$ measurements for the reconstruction of this 7-qubit process. This represents more than five orders of magnitude fewer total measurements than the number needed to conduct full, traditional QPT on a 7-qubit process.
• Abstract（参考訳）: 量子プロセストモグラフィー(quantum process tomography, qpt)は、量子チャネルを反復的な量子測定の分析によって再構成し、量子プロセッサの動作を検証するための重要なツールである。 本稿では、テンソルネットワーク(TN)に基づく既存のQPTアプローチと、TN縮退経路探索アルゴリズムを用いた教師なし学習を組み合わせて、任意のトポロジのTNを用いて再構成する方法について述べる。 7kbitの IBM Quantum Falcon Processor ibmq_casablanca で実験を行い、プロセッサのトポロジと再構成に使用されるテンソルネットワークのトポロジをマッチングすることにより、線形近接回路の特性を超越できることを示した。 さらに,各キュービットに単一キュービットゲートセットトモグラフィ(gst)を施し,検討中のチャネルとは分離されるが,その再構成の質に悪影響を及ぼす可能性があるqptの状態準備および測定フェーズにおける分離可能な誤差を補正する。 ibmq_casablancaで実行される1サイクルのランダム量子回路の理想的なユニタリチャネルに対する0.89の忠実性は、この7量子ビットプロセスの再構築のためにわずか1.1 \times 10^5$の測定値を得た後に報告できる。 これは、7キュービットプロセスで完全で伝統的なQPTを実行するのに必要な数より5桁以上少ない総測度である。

関連論文リスト

• Route-Forcing: Scalable Quantum Circuit Mapping for Scalable Quantum Computing Architectures [41.39072840772559]
  Route-Forcingは量子回路マッピングアルゴリズムで、平均スピードアップが3.7Times$であることを示している。 本稿では、最先端のスケーラブルな手法と比較して平均3.7倍の高速化を示す量子回路マッピングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T14:21:41Z)
• QuTracer: Mitigating Quantum Gate and Measurement Errors by Tracing Subsets of Qubits [8.54896613102673]
  量子誤差緩和は、現在のノイズの中規模量子(NISQ)時代に重要な役割を果たす。 キュービットのサブセットにおけるゲートと測定誤差を緩和するフレームワークQuTracerを提案する。
  論文  参考訳（メタデータ） (2024-04-30T17:06:04Z)
• Mitigating Errors on Superconducting Quantum Processors through Fuzzy Clustering [38.02852247910155]
  新しいQuantum Error Mitigation(QEM)技術では、Fizzy C-Meansクラスタリングを使用して測定エラーパターンを特定できる。 実 NISQ 5-qubit 量子プロセッサのサブセットとして得られた 2-qubit レジスタ上で,この手法の原理的検証を報告する。 我々は、FCMベースのQEM技術により、単一および2ビットゲートベースの量子回路の期待値が合理的に改善できることを実証した。
  論文  参考訳（メタデータ） (2024-02-02T14:02:45Z)
• Mapping quantum circuits to shallow-depth measurement patterns based on graph states [0.0]
  我々は,測定に基づく量子コンピューティングのためのハイブリッドシミュレーション手法を開発した。 完全可換作用素の群は完全並列、すなわち非適応的測定を用いて実装可能であることを示す。 量子テレポーテーションを用いることで、そのような回路を一定の量子深さで実装する方法について議論する。
  論文  参考訳（メタデータ） (2023-11-27T19:00:00Z)
• Real-time error mitigation for variational optimization on quantum hardware [45.935798913942904]
  VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。 我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
  論文  参考訳（メタデータ） (2023-11-09T19:00:01Z)
• Tensor Ring Optimized Quantum-Enhanced Tensor Neural Networks [32.76948546010625]
  量子機械学習の研究者は、しばしばディープニューラルネットワーク(DNN)にネットワーク(TN)を組み込むことに頼っている。 この問題に対処するために、リング最適化変分量子学習分類器(Quan-TR)の多層設計を提案する。 リング最適化量子強化ニューラルネットワーク(TR-QNet)と呼ばれる。 量子シミュレーションにおいて、提案されたTR-QNetは、それぞれIris、MNIST、CIFAR-10データセット上で、9,4.5%、8,6.16%、および83.54%の有望な精度を達成している。
  論文  参考訳（メタデータ） (2023-10-02T18:07:10Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Tensor Ring Parametrized Variational Quantum Circuits for Large Scale Quantum Machine Learning [28.026962110693695]
  本稿では,テンソルリング表現を用いて回路内の量子状態を圧縮するアルゴリズムを提案する。 ストレージと計算時間は、正確なシミュレーションアルゴリズムによる指数的な増加と比較して、キュービット数とレイヤー数で線形に増加する。 We achieve a test accuracy of 83.33% on Iris dataset and a maximum of 99.30% and 76.31% on binary and ternary classification of MNIST dataset。
  論文  参考訳（メタデータ） (2022-01-21T19:54:57Z)
• Optimized fermionic SWAP networks with equivalent circuit averaging for QAOA [2.3362993651992863]
  量子近似最適化アルゴリズム(QAOA)のためのフェミオンSWAPネットワークの実行を最適化する。 等価回路平均化(Equivalent Circuit Averaging)を導入し,量子回路コンパイルにおける自由度をランダム化する。 超伝導量子プロセッサ上の4つのトランスモン量子ビット上での深さp = 1のQAOAの誤差(経時変化距離)を平均60%低減する。
  論文  参考訳（メタデータ） (2021-11-08T15:32:05Z)
• Realizing Quantum Convolutional Neural Networks on a Superconducting Quantum Processor to Recognize Quantum Phases [2.1465372441653354]
  量子ニューラルネットワークは、ユニタリ演算、測定、フィードフォワードの約束を組み合わせることで、量子状態の特定の特徴を認識するように調整され、少ない測定とエラーを許容する。 我々は、7量子ビット超伝導量子プロセッサ上で量子畳み込みニューラルネットワーク(QCNN)を実現し、非ゼロ弦順序パラメータを特徴とするスピンモデルの対称性保護位相を同定する。 その結果,QCNNは有限忠実ゲート自体で構成されているにもかかわらず,用意された状態に対する弦順パラメータの直接測定よりも位相位相を高い忠実度で認識していることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:32:57Z)
• Quantum process tomography with unsupervised learning and tensor networks [0.0]
  本稿では,量子プロセストモグラフィーを行う新しい手法を提案する。 チャネルのテンソルネットワーク表現と、教師なし機械学習にインスパイアされたデータ駆動最適化を組み合わせる。 私たちの結果は最先端以上のもので、現在の量子コンピュータと短期量子コンピュータで量子回路をベンチマークするための実用的でタイムリーなツールを提供しています。
  論文  参考訳（メタデータ） (2020-06-03T17:54:23Z)

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。