論文の概要: Machine Learning based Discrimination for Excited State Promoted Readout

• arxiv url: http://arxiv.org/abs/2210.08574v1
• Date: Sun, 16 Oct 2022 16:09:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 21:41:52.172359
• Title: Machine Learning based Discrimination for Excited State Promoted Readout
• Title（参考訳）: 励起状態促進読み出しのための機械学習による識別
• Authors: Utkarsh Azad and Helena Zhang
• Abstract要約: 励起状態促進(ESP)リードアウト(英語版)と呼ばれる手法が提案され、この効果が低減された。 本研究では、5量子IBMQデバイスからの読み出しデータを用いて、ディープニューラルネットワークの有効性を測定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A limiting factor for readout fidelity for superconducting qubits is the relaxation of the qubit to the ground state before the time needed for the resonator to reach its final target state. A technique known as excited state promoted (ESP) readout was proposed to reduce this effect and further improve the readout contrast on superconducting hardware. In this work, we use readout data from five-qubit IBMQ devices to measure the effectiveness of using deep neural networks, like feedforward neural networks, and various classification algorithms, like k-nearest neighbors, decision trees, and Gaussian naive Bayes, for single-qubit and multi-qubit discrimination. These methods were compared to standardly used linear and quadratic discriminant analysis algorithms based on their qubit-state-assignment fidelity performance, robustness to readout crosstalk, and training time.
• Abstract（参考訳）: 超伝導量子ビットの読み出し忠実性の制限因子は、共振器が最終目標状態に到達するのに必要な時間前に量子ビットを基底状態まで緩和することである。 この効果を低減し、超伝導ハードウェアにおける読み出しコントラストを改善するため、励起状態促進(ESP)読み出し技術が提案された。 本研究では,5量子ビットのibmqデバイスからの読み出しデータを用いて,フィードフォワードニューラルネットワークなどのディープニューラルネットワークと,k-ネアレスト近傍,決定木,ガウス的ナイーブベイなどの分類アルゴリズムを用いて,シングルキュービットとマルチキュービットの識別を行う。 これらの手法は, クビット状態割当精度, クロストークの堅牢性, トレーニング時間に基づいて, 標準的な線形・二次判別分析アルゴリズムと比較した。

関連論文リスト

• Neural network based time-resolved state tomography of superconducting qubits [9.775471166288503]
  個々の量子ビットに対して全状態トモグラフィーが可能な時間分解ニューラルネットワークを提案する。 このスケーラブルなアプローチは、キュービット当たりの専用モジュールで、低信号対雑音比で桁違いに読み出し誤差を緩和する。
  論文  参考訳（メタデータ） (2023-12-13T08:09:12Z)
• On-Device Learning with Binary Neural Networks [2.7040098749051635]
  我々は、最近のCL分野の進歩とBNN(Binary Neural Networks)の効率を取り入れたCLソリューションを提案する。 バックボーンとしてのバイナリネットワークの選択は、低消費電力デバイスの制約を満たすために不可欠である。
  論文  参考訳（メタデータ） (2023-08-29T13:48:35Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• Scaling Qubit Readout with Hardware Efficient Machine Learning Architectures [0.0]
  本稿では,量子状態識別のための拡張性のあるニューラルネットワークとともに,マッチングフィルタの階層構造を用いて,量子状態の識別を改善するスケーラブルなアプローチを提案する。 我々は,既製のFPGA上で容易に実装可能なスケーラブルな設計により,ベースラインよりもはるかに高い読み出し精度(16.4%の相対的な改善)を実現している。
  論文  参考訳（メタデータ） (2022-12-07T19:00:09Z)
• Enhancing Qubit Readout with Autoencoders [36.136619420474766]
  本研究では, オートエンコーダ方式で事前学習したニューラルネットワークに基づいて, 超伝導量子ビットの読み出し分類手法を提案する。 本手法は,特に短時間・長時間の計測において,分類性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-11-30T19:38:58Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
  フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。 いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
  論文  参考訳（メタデータ） (2021-03-01T08:25:26Z)
• Deep Neural Network Discrimination of Multiplexed Superconducting Qubit States [39.26291658500249]
  ニューラルネットワークを状態判別器として用いたマルチキュービット読み出しを提案する。 完全に接続されたフィードニューラルネットワークは、我々のシステムにおける量子状態割り当ての忠実度を増大させる。
  論文  参考訳（メタデータ） (2021-02-24T19:00:00Z)

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。