論文の概要: Greedy versus Map-based Optimized Adaptive Algorithms for
random-telegraph-noise mitigation by spectator qubits
- arxiv url: http://arxiv.org/abs/2205.12566v3
- Date: Wed, 21 Dec 2022 04:58:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-11 19:31:30.947847
- Title: Greedy versus Map-based Optimized Adaptive Algorithms for
random-telegraph-noise mitigation by spectator qubits
- Title（参考訳）: spectator qubitsによるランダム・テレグラフ・ノイズ緩和のための欲望と地図に基づく最適化アルゴリズム
- Authors: Behnam Tonekaboni, Areeya Chantasri, Hongting Song, Yanan Liu, Howard
M. Wiseman
- Abstract要約: データストレージキュービットを可能な限り分離したままにしておくシナリオでは、ノイズプローブを追加してノイズ軽減を行うことができる。
量子ビット上の射影的測定を仮定した理論モデルを構築し、異なる測定・制御戦略の性能を導出する。
解析的および数値的に、MOAAARは、特にSQの高雑音感度状態において、Greedyアルゴリズムよりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 6.305016513788048
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a scenario where data-storage qubits are kept in isolation as far as
possible, with minimal measurements and controls, noise mitigation can still be
done using additional noise probes, with corrections applied only when needed.
Motivated by the case of solid-state qubits, we consider dephasing noise
arising from a two-state fluctuator, described by random telegraph process, and
a noise probe which is also a qubit, a so-called spectator qubit (SQ). We
construct the theoretical model assuming projective measurements on the SQ, and
derive the performance of different measurement and control strategies in the
regime where the noise mitigation works well. We start with the Greedy
algorithm; that is, the strategy that always maximizes the data qubit coherence
in the immediate future. We show numerically that this algorithm works very
well, and find that its adaptive strategy can be well approximated by a simpler
algorithm with just a few parameters. Based on this, and an analytical
construction using Bayesian maps, we design a one-parameter ($\Theta$) family
of algorithms. In the asymptotic regime of high noise-sensitivity of the SQ, we
show analytically that this $\Theta$-family of algorithms reduces the data
qubit decoherence rate by a divisor scaling as the square of this sensitivity.
Setting $\Theta$ equal to its optimal value, $\Theta^\star$, yields the
Map-based Optimized Adaptive Algorithm for Asymptotic Regime (MOAAAR). We show,
analytically and numerically, that MOAAAR outperforms the Greedy algorithm,
especially in the regime of high noise sensitivity of SQ.
- Abstract（参考訳）: データストレージキュービットを可能な限り隔離し、最小限の測定と制御を行うシナリオでは、ノイズ除去は追加のノイズプローブを使用して行うことができ、必要に応じて修正を行うことができる。
固体量子ビットの場合、ランダムな電信プロセスで記述された2状態ゆらぎ器と、同じくクビットであるノイズプローブ、いわゆるオブザーバ量子ビット(SQ)から生じる劣化雑音について検討する。
我々は,SQの射影測定を前提とした理論モデルを構築し,ノイズ緩和がうまく機能する体制において,異なる測定・制御戦略の性能を導出する。
まずはgreedyアルゴリズム、すなわち、データキュービットのコヒーレンスを常に最大化する戦略から始めます。
このアルゴリズムが非常にうまく機能していることが数値的に示され、その適応戦略はほんの数パラメータの単純なアルゴリズムによってよく近似できることが分かる。
これとベイズ写像を用いた解析的構成に基づき、我々は1パラメータ (\theta$) のアルゴリズム群を設計する。
SQの高雑音感度の漸近的状態において、この$\Theta$- Familyのアルゴリズムは、この感度の正方形としての因子スケーリングにより、データキュービットのデコヒーレンス率を減少させる。
最適値である$\theta^\star$ に等しい$\theta$を設定すると、漸近的レジーム(moaaar)のためのマップベースの最適化適応アルゴリズムが得られる。
解析的および数値的に、MOAAARは、特にSQの高雑音感度状態において、Greedyアルゴリズムよりも優れていることを示す。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - Error-mitigated fermionic classical shadows on noisy quantum devices [0.3775283002059579]
古典的シャドウ (CS) アルゴリズムは、必要な量子状態コピー数を減らして解を提供する。
本稿では,ゲート独立性,時間定常性,マルコフ雑音(GTM)を仮定した誤り緩和型CSアルゴリズムを提案する。
提案アルゴリズムは,GTMノイズに対する$widetildemathcal O(knk)$状態コピーと$widetildemathcal O(sqrtn)$キャリブレーションによる$k$-RDMを効率的に推定する。
論文 参考訳（メタデータ） (2023-10-19T13:27:19Z) - Adaptive Strategies in Non-convex Optimization [5.279475826661643]
アルゴリズムは、そのようなパラメータの事前知識を必要としない場合、あるパラメータに適応すると言われている。
この論文は3つのシナリオにおける適応アルゴリズムの研究を示す。
論文 参考訳（メタデータ） (2023-06-17T06:52:05Z) - Regret Bounds for Expected Improvement Algorithms in Gaussian Process
Bandit Optimization [63.8557841188626]
期待されている改善(EI)アルゴリズムは、不確実性の下で最適化するための最も一般的な戦略の1つである。
本稿では,GP予測平均を通した標準既存値を持つEIの変種を提案する。
我々のアルゴリズムは収束し、$mathcal O(gamma_TsqrtT)$の累積後悔境界を達成することを示す。
論文 参考訳（メタデータ） (2022-03-15T13:17:53Z) - Fully Adaptive Bayesian Algorithm for Data Analysis, FABADA [0.0]
本稿では,ベイズ推定の観点から,新しい非パラメトリック雑音低減手法について述べる。
データのスムーズなバージョン、スムーズなモデルを繰り返し評価し、基礎となる信号の推定値を得る。
繰り返しは、最後の滑らかなモデルの証拠と$chi2$統計に基づいて停止し、信号の期待値を計算する。
論文 参考訳（メタデータ） (2022-01-13T18:54:31Z) - Modeling and mitigation of cross-talk effects in readout noise with
applications to the Quantum Approximate Optimization Algorithm [0.0]
雑音の緩和は、上界を導出する誤差まで行うことができる。
ノイズモデルとエラー軽減スキームの両方をテストするためにIBMのデバイスを使用した15(23)量子ビットの実験。
浅層深度ランダム回路によって生成されるHaar-random量子状態と状態に対して、同様の効果が期待できることを示す。
論文 参考訳（メタデータ） (2021-01-07T02:19:58Z) - Qubit-efficient entanglement spectroscopy using qubit resets [0.0]
NISQデバイス上でのエンタングルメント分光のための量子ビット効率の量子アルゴリズムを開発した。
我々のアルゴリズムは、ノイズの存在下で同様の性能を保ちながら、従来のどの効率的なアルゴリズムよりも少ない量子ビットを使用する。
また、量子ビットリセット回路に適した標準回路深さの一般化として、有効回路深さの概念を導入する。
論文 参考訳（メタデータ） (2020-10-06T23:22:57Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Exploiting Higher Order Smoothness in Derivative-free Optimization and
Continuous Bandits [99.70167985955352]
強凸関数のゼロ次最適化問題について検討する。
予測勾配降下アルゴリズムのランダム化近似を考察する。
その結果,0次アルゴリズムはサンプルの複雑性や問題パラメータの点でほぼ最適であることが示唆された。
論文 参考訳（メタデータ） (2020-06-14T10:42:23Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。
マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文 参考訳（メタデータ） (2020-03-06T16:17:24Z)
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。