論文の概要: Optimization of Richardson extrapolation for quantum error mitigation

• arxiv url: http://arxiv.org/abs/2201.08080v3
• Date: Thu, 25 Aug 2022 12:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 08:18:51.088872
• Title: Optimization of Richardson extrapolation for quantum error mitigation
• Title（参考訳）: 量子誤差緩和のためのリチャードソン外挿法の最適化
• Authors: Michael Krebsbach and Bj\"orn Trauzettel and Alessio Calzona
• Abstract要約: 量子誤差緩和は、現在のノイズの多い中間スケール量子(NISQ)デバイスに基づく実用的なアプリケーションを開発するための鍵となる概念である。 最も有望な方法の1つは、ゼロノイズ限界に対するリチャードソン外挿である。 本稿では,リチャードソン外挿のパラメータを詳細に解析し,その実装に最適化されたプロトコルを提案する。 我々は、リチャードソン外挿に頻繁に使用される線形、指数、チェビシェフノードを、追加のリソースを必要とせずに平均的に上回る新しいノード群を示す。
• 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 error mitigation is a key concept for the development of practical applications based on current noisy intermediate scale quantum (NISQ) devices. One of the most promising methods is Richardson extrapolation to the zero noise limit. While its main idea is rather simple, the full potential of Richardson extrapolation has not been completely uncovered yet. We give an in-depth analysis of the relevant parameters of Richardson extrapolation and propose an optimized protocol for its implementation. This protocol allows for a precise control of the increase in statistical uncertainty and lays the foundation for a significant improvement of the mitigation performance achieved by increasing the number of nodes. Furthermore, we present a novel set of nodes that, on average, outperforms the linear, exponential or Chebyshev nodes frequently used for Richardson extrapolation without requiring any additional resources.
• Abstract（参考訳）: 量子誤差緩和は、現在のノイズの多い中間スケール量子(nisq)デバイスに基づく実用的なアプリケーションを開発するための重要な概念である。 最も有望な方法の1つは、ゼロノイズ限界に対するリチャードソン外挿である。 その主な考えは比較的単純であるが、リチャードソンの外挿の完全な可能性はまだ明らかになっていない。 本稿では,リチャードソン外挿のパラメータを詳細に解析し,その実装に最適化されたプロトコルを提案する。 このプロトコルは,統計的不確実性の増大を正確に制御し,ノード数の増加によって達成される緩和性能の大幅な向上の基礎となる。 さらに、リヒャルトソン外挿に頻繁に使用される線形、指数、チェビシェフノードを、追加のリソースを必要とせずに平均的に上回る新しいノード群を示す。

関連論文リスト

• Unrolled denoising networks provably learn optimal Bayesian inference [54.79172096306631]
  我々は、近似メッセージパッシング(AMP)のアンロールに基づくニューラルネットワークの最初の厳密な学習保証を証明した。 圧縮センシングでは、製品から引き出されたデータに基づいてトレーニングを行うと、ネットワークの層がベイズAMPで使用されるのと同じデノイザーに収束することを示す。
  論文  参考訳（メタデータ） (2024-09-19T17:56:16Z)
• Quantum error mitigation by layerwise Richardson extrapolation [0.7252027234425332]
  雑音量子コンピュータの誤り軽減プロトコルであるEmphlayerwise Richardson外挿法(LRE)を導入する。 異なる個々の層(または回路の大きなチャンク)のノイズを増幅し、関連する期待値を線形結合してゼロノイズ限界を推定する。 従来の(単変数の)リチャードソン外挿法と比較してLREが優れた性能を発揮するシナリオを数値シミュレーションで示す。
  論文  参考訳（メタデータ） (2024-02-05T18:47:42Z)
• Thompson Sampling for High-Dimensional Sparse Linear Contextual Bandits [17.11922027966447]
  この研究は、高次元およびスパースな文脈的包帯におけるトンプソンサンプリングの理論的な保証を提供する。 より高速な計算のために、MCMCの代わりに未知のパラメータと変分推論をモデル化するために、スパイク・アンド・スラブを用いる。
  論文  参考訳（メタデータ） (2022-11-11T02:23:39Z)
• NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural Networks [151.03112356092575]
  本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。 種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
  論文  参考訳（メタデータ） (2022-02-07T12:30:45Z)
• AdaTerm: Adaptive T-Distribution Estimated Robust Moments for Noise-Robust Stochastic Gradient Optimization [14.531550983885772]
  本稿では,学生のt分布を取り入れた新しいアプローチであるAdaTermを提案する。 これは最適化プロセスの統一的な処理を提供し、初めてt分布の統計モデルの下で包括的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2022-01-18T03:13:19Z)
• High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise [51.31435087414348]
  アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。 非滑らか凸最適化の既存の方法は、信頼度に依存した複雑性境界を持つ。 そこで我々は,勾配クリッピングを伴う2つの手法に対して,新たなステップサイズルールを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:54:21Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• 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)
• Analysis and Design of Thompson Sampling for Stochastic Partial Monitoring [91.22679787578438]
  部分モニタリングのためのトンプソンサンプリングに基づく新しいアルゴリズムを提案する。 局所可観測性を持つ問題の線形化変種に対して,新たなアルゴリズムが対数問題依存の擬似回帰$mathrmO(log T)$を達成することを証明した。
  論文  参考訳（メタデータ） (2020-06-17T05:48:33Z)
• On the Effectiveness of Richardson Extrapolation in Machine Learning [0.0]
  Richardson は数値解析の手法であり、推定法の近似誤差を改善することができる。 リチャードソン補間法は性能に大きな損失を伴わず、時には大きな利益をもたらすことが示される。
  論文  参考訳（メタデータ） (2020-02-07T15:18:04Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。