論文の概要: Analyzing the impact of time-correlated noise on zero-noise extrapolation

• arxiv url: http://arxiv.org/abs/2201.11792v3
• Date: Fri, 9 Sep 2022 11:15:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 18:02:08.925656
• Title: Analyzing the impact of time-correlated noise on zero-noise extrapolation
• Title（参考訳）: ゼロノイズ外挿における時間相関雑音の影響解析
• Authors: Kevin Schultz, Ryan LaRose, Andrea Mari, Gregory Quiroz, Nathan Shammah, B. David Clader, and William J. Zeng
• Abstract要約: 時間相関ノイズの存在下でのゼロノイズ外挿の実現可能性と性能について検討する。 ゲートトロッタライゼーション(Gate Trotterization)は、独立した関心を持つ新しいノイズスケーリング手法である。
• 参考スコア（独自算出の注目度）: 0.879504058268139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zero-noise extrapolation is a quantum error mitigation technique that has typically been studied under the ideal approximation that the noise acting on a quantum device is not time-correlated. In this work, we investigate the feasibility and performance of zero-noise extrapolation in the presence of time-correlated noise. We show that, in contrast to white noise, time-correlated noise is harder to mitigate via zero-noise extrapolation because it is difficult to scale the noise level without also modifying its spectral distribution. This limitation is particularly strong if "local" gate-level methods are applied for noise scaling. However, we find that "global" noise scaling methods, e.g., global unitary folding, can be sufficiently reliable even in the presence of time-correlated noise. We also introduce gate Trotterization as a new noise scaling technique that may be of independent interest.
• Abstract（参考訳）: ゼロノイズ外挿(zero-noise extrapolation)は、量子デバイスに作用するノイズが時間相関ではないという理想近似の下で研究されてきた量子誤差緩和手法である。 本研究では,時間関連雑音の存在下でのゼロノイズ外挿の実現可能性と性能について検討する。 白色雑音とは対照的に,スペクトル分布を変化させることなくノイズレベルをスケールすることが困難であるため,ゼロノイズ外挿による時間相関雑音の緩和は困難である。 この制限は、"ローカル"ゲートレベルメソッドがノイズスケーリングに適用される場合、特に強い。 しかし,グローバル・ユニタリ・フォールディングのような"グローバル"ノイズスケーリング手法は,時間的関連ノイズの存在下でも十分に信頼性が高いことがわかった。 また,新たなノイズスケーリング手法としてゲートロータライズを導入した。

関連論文リスト

• Comment on "Recovering noise-free quantum observables" [0.0]
  オッテンとグレイは、大域的なノイズ源が存在しないシステムに対して、ZNEの多次元一般化を提案した。 従来の補間手法は,非同一分布雑音設定に適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-03-26T16:47:36Z)
• Revisiting Convergence of AdaGrad with Relaxed Assumptions [4.189643331553922]
  問題に対する AdaGrad の収束と運動量(特別の場合として AdaGrad をカバー)を再考する。 このモデルは、多くの実用的な応用において、サブソースを含む広い範囲のノイズを含む。
  論文  参考訳（メタデータ） (2024-02-21T13:24:14Z)
• Error Mitigation Thresholds in Noisy Random Quantum Circuits [0.30723404270319693]
  ノイズが不完全である場合の確率的誤差キャンセルとテンソルネットワークの誤差軽減のロバスト性について検討する。 1次元の回路では、誤差軽減は障害の特徴づけにおける不完全性に対して$mathcalO(1)$の時間で失敗する。 本稿では, 量子計算の優位性, 測定誘起相転移の耐故障プローブ, および短期デバイスにおける量子アルゴリズムの検証について考察する。
  論文  参考訳（メタデータ） (2023-02-08T19:00:01Z)
• Optimizing the Noise in Self-Supervised Learning: from Importance Sampling to Noise-Contrastive Estimation [80.07065346699005]
  GAN(Generative Adversarial Networks)のように、最適な雑音分布はデータ分布に等しくなると広く想定されている。 我々は、この自己教師型タスクをエネルギーベースモデルの推定問題として基礎づけるノイズ・コントラスト推定に目を向ける。 本研究は, 最適雑音のサンプリングは困難であり, 効率性の向上は, データに匹敵する雑音分布を選択することに比べ, 緩やかに行うことができると結論付けた。
  論文  参考訳（メタデータ） (2023-01-23T19:57:58Z)
• The Optimal Noise in Noise-Contrastive Learning Is Not What You Think [80.07065346699005]
  この仮定から逸脱すると、実際により良い統計的推定結果が得られることが示される。 特に、最適な雑音分布は、データと異なり、また、別の家族からさえも異なる。
  論文  参考訳（メタデータ） (2022-03-02T13:59:20Z)
• Fingerprints of Qubit Noise in Transient Cavity Transmission [0.0]
  フォトニックキャビティ内における制御パラメータの変動を考慮した汎用的な2レベルシステムについて検討する。 ノイズスペクトル密度の基本的な特徴は、キャビティを透過する過渡透過に印字されることが判明した。 周波数帯域における任意の雑音に対するスペクトル密度を、キュービットキャビティデチューニングの範囲のみに限定して抽出する方法を提案する。
  論文  参考訳（メタデータ） (2022-01-21T12:37:27Z)
• Error-Mitigated Quantum Metrology via Virtual Purification [0.0]
  本稿では,未知のゆらぎ雑音を除去できる誤差緩和量子メトロジーを提案する。 提案プロトコルは,時間的不均一なバイアス誘導ノイズを伴って,系統的誤りを軽減し,超古典的スケーリングを現実的に回復することを示す。
  論文  参考訳（メタデータ） (2021-12-03T11:07:50Z)
• Analyzing and Improving the Optimization Landscape of Noise-Contrastive Estimation [50.85788484752612]
  ノイズコントラスト推定(NCE)は、非正規化確率モデルを学習するための統計的に一貫した手法である。 ノイズ分布の選択がNCEの性能に不可欠であることが実験的に観察されている。 本研究では,不適切な雑音分布を用いた場合,NCEの性能低下の原因を正式に指摘する。
  論文  参考訳（メタデータ） (2021-10-21T16:57:45Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
  勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。 ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。 分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
  論文  参考訳（メタデータ） (2020-06-15T18:31:02Z)
• Contextual Linear Bandits under Noisy Features: Towards Bayesian Oracles [65.9694455739978]
  特徴不確実性の下での文脈線形帯域問題について検討する。 本分析により, 最適仮説は, 雑音特性に応じて, 基礎となる実現可能性関数から著しく逸脱しうることが明らかとなった。 これは、古典的アプローチが非自明な後悔境界を保証できないことを意味する。
  論文  参考訳（メタデータ） (2017-03-03T21:39:56Z)

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。