Fugu-MT 論文翻訳(概要): Noise fingerprints in quantum computers: Machine learning software tools

論文の概要: Noise fingerprints in quantum computers: Machine learning software tools

arxiv url: http://arxiv.org/abs/2202.04581v1
Date: Wed, 9 Feb 2022 17:25:49 GMT
ステータス: 処理完了
システム内更新日: 2022-02-10 16:44:58.579006
Title: Noise fingerprints in quantum computers: Machine learning software tools
Title（参考訳）: 量子コンピュータにおけるノイズ指紋: 機械学習ソフトウェアツール
Authors: Stefano Martina, Stefano Gherardini, Lorenzo Buffoni, Filippo Caruso
Abstract要約: 本稿では,量子デバイスに影響を与える量子ノイズ源の主特徴(指紋)を量子コンピュータとして学習することを目的とした,量子古典型機械学習ソフトウェアを提案する。具体的には、ソフトウェアアーキテクチャは、同様の技術的仕様の異なる量子デバイスでノイズフィンガープリント(精度の99%以上)を正常に分類するように設計されている。
参考スコア（独自算出の注目度）: 11.240669509034298
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we present the high-level functionalities of a quantum-classical machine learning software, whose purpose is to learn the main features (the fingerprint) of quantum noise sources affecting a quantum device, as a quantum computer. Specifically, the software architecture is designed to classify successfully (more than 99% of accuracy) the noise fingerprints in different quantum devices with similar technical specifications, or distinct time-dependences of a noise fingerprint in single quantum machines.
Abstract（参考訳）: 本稿では,量子デバイスに影響を及ぼす量子ノイズ源の主な特徴(指紋)を量子コンピュータとして学習することを目的とした,量子古典的機械学習ソフトウェアの高レベル機能について述べる。具体的には、ソフトウェアアーキテクチャは、同様の技術的仕様を持つ異なる量子デバイスにおけるノイズ指紋を(精度の99%以上)うまく分類するか、単一の量子マシンにおけるノイズ指紋の異なる時間依存性を分類するように設計されている。

関連論文リスト

The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文参考訳（メタデータ） (2024-08-19T12:18:07Z)
Understanding and mitigating noise in molecular quantum linear response for spectroscopic properties on quantum computers [0.0]
本稿では、シミュレーションされたフォールトトレラント量子コンピュータの分光特性を求める量子線形応答理論について述べる。この研究は、量子アルゴリズムにおけるノイズの起源を分析し予測するための新しいメトリクスを導入している。パウリ省エネによる計測コストと騒音の低減効果を強調した。
論文参考訳（メタデータ） (2024-08-17T23:46:17Z)
Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文参考訳（メタデータ） (2024-05-31T16:43:20Z)
Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文参考訳（メタデータ） (2023-06-29T18:00:01Z)
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)
Learning the noise fingerprint of quantum devices [1.1470070927586016]
ノイズ源はいかなる量子技術デバイスにも必然的に影響を及ぼす。ノイズの主な特徴は、量子デバイスが実現される物理プラットフォームに厳密に依存することが期待されている。我々はまず,IBMクラウドで利用可能な量子コンピュータのノイズ指紋を識別し,特徴付ける。
論文参考訳（メタデータ） (2021-09-23T14:37:25Z)
Qsun: an open-source platform towards practical quantum machine learning applications [0.0]
本稿では、量子状態波動関数によって演算を下線化している量子仮想マシンQsunを紹介する。次に、量子機械学習の代表である量子線形回帰と量子ニューラルネットワークの2つのテストについて報告する。
論文参考訳（メタデータ） (2021-07-22T09:37:31Z)
Quantum Noise Sensing by generating Fake Noise [5.8010446129208155]
本稿では,現実的な量子デバイスにおけるノイズを特徴付ける枠組みを提案する。鍵となるアイデアは、本物(知覚される)と偽(生成される)とを区別できない方法で、それを模倣することによって、ノイズについて学ぶことである。 Pauli チャネルのベンチマークケースに適用すると,空間的・時間的相関ノイズであっても,SuperQGAN プロトコルは関連する誤り率を学習できることがわかった。
論文参考訳（メタデータ） (2021-07-19T09:42:37Z)
Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文参考訳（メタデータ） (2021-01-21T22:18:49Z)
Impacts of Noise and Structure on Quantum Information Encoded in a Quantum Memory [0.6332429219530602]
本稿では,量子情報構造と様々な量子メモリ実装の物理ノイズモデルとの相関について検討する。我々の発見は、異なる量子メモリにおける量子情報の相対寿命に関する、単純で実験的に関連する公式を示している。
論文参考訳（メタデータ） (2020-11-26T06:12:24Z)
Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
論文参考訳（メタデータ） (2020-03-20T17:56:14Z)

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。