論文の概要: Error mitigated quantum circuit cutting
- arxiv url: http://arxiv.org/abs/2211.13431v1
- Date: Thu, 24 Nov 2022 06:18:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 22:58:49.621968
- Title: Error mitigated quantum circuit cutting
- Title（参考訳）: 誤差軽減量子回路切断
- Authors: Ritajit Majumdar, Christopher J. Wood
- Abstract要約: ゲートと測定ノイズの存在下での量子回路切断問題に対する誤差低減トモグラフィー手法について検討する。
また, リードアウト誤差低減トモグラフィとDVTトモグラフィの両方の性能は, 対称測定誤差の存在下での回路切断に匹敵することがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We investigate an error mitigated tomographic approach to the quantum circuit
cutting problem in the presence of gate and measurement noise. We explore two
tomography specific error mitigation techniques; readout error mitigated
conditional fragment tomography, which uses knowledge of readout errors on all
cut and conditional qubit measurements in the tomography reconstruction
procedure; and dominant eigenvalue truncation (DEVT), which aims to improve the
performance of circuit cutting by performing truncation of the individual
conditional tomography fragments used in the reconstruction. We find that the
performance of both readout error mitigated tomography and DEVT tomography are
comparable for circuit cutting in the presence of symmetric measurement errors.
For gate errors our numerical results show that probability estimates for the
original circuit obtained using DEVT outperforms general circuit cutting for
measurement, depolarization and weakly biased Pauli noise models, but does not
improve performance for amplitude damping and coherent errors, and can greatly
decrease performance for highly biased Pauli noise. In cases where DEVT was
effective, it as also found to improve performance of partial tomographic
reconstruction using at least 50% of the full tomographic data with a
conditional least-squares tomographic fitter, while linear inversion tomography
with or without DEVT mitigation was found to perform poorly with with partial
data.
- Abstract（参考訳）: ゲートと測定ノイズの存在下での量子回路切断問題に対する誤差軽減トモグラフィー法について検討した。
そこで本研究では, トモグラフィー再建術における全カットおよび条件量子ビット計測における読み出し誤差の知識を利用する読み出し誤差緩和条件フラグメントトモグラフィと, 再建に使用する個別条件トモグラフィフラグメントの切り抜きを行うことにより, 回路切断の性能向上を目的とした支配的固有値トランケーション(DEVT)について検討する。
また, リードアウト誤差低減トモグラフィとDVTトモグラフィの両方の性能は, 対称測定誤差の有無で回路切断に匹敵することがわかった。
ゲート誤差について,DEVTを用いて得られた元の回路の確率推定は,測定,脱分極,弱バイアスのパウリノイズモデルに優れるが,振幅減衰やコヒーレント誤差のパフォーマンスは向上せず,高バイアスのパウリノイズに対する性能を大幅に低下させることができることを示す。
devtが有効であった症例では, 断層撮影データの50%以上を条件付き最小2乗型断層撮影法で, 部分的断層撮影法の性能が向上し, また, devt除去の有無にかかわらず線形逆断層撮影では, 部分的データでは不十分な結果が得られた。
関連論文リスト
- Optimal Quantum Overlapping Tomography [2.555222031881788]
部分トモグラフィーは、複雑な量子システムを特徴づけるための有望なアプローチとして登場した。
本稿では,問題を斜め被覆モデルにマッピングすることで,最適な重なり合うトモグラフィのための統一フレームワークを提案する。
実用核スピンプロセッサにおける提案手法の有効性を実験的に検証した。
論文 参考訳（メタデータ） (2024-10-17T12:03:43Z) - GDCNet: Calibrationless geometric distortion correction of echo planar
imaging data using deep learning [0.1398098625978622]
この研究はGDCNetと呼ばれる新しいアプローチを実装し、T1重み付き解剖画像への非線形登録により幾何学的歪みマップを推定する。
GDCNetモデルは、予測データセットのTOPUPよりも14倍高速な処理速度を達成した。
論文 参考訳（メタデータ） (2024-02-29T00:42:33Z) - PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly
Detection [65.24854366973794]
ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。
本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。
我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
論文 参考訳（メタデータ） (2023-10-18T02:59:57Z) - Model-based Optimization of Superconducting Qubit Readout [59.992881941624965]
超伝導量子ビットに対するモデルベース読み出し最適化を実証する。
我々は,残共振器光子から500nsの終端長と最小限の過剰リセット誤差で,キュービット当たり1.5%の誤差を観測した。
この技術は数百のキュービットに拡張でき、エラー訂正コードや短期アプリケーションの性能を高めるために使用される。
論文 参考訳（メタデータ） (2023-08-03T23:30:56Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - Constrained self-supervised method with temporal ensembling for fiber
bundle detection on anatomic tracing data [0.08329098197319453]
本研究では,マカク脳のトレーサ部における繊維束の正確なセグメンテーションのための自己教師付き損失関数を用いた深層学習法を提案する。
異なるマカクの未確認区間における本手法の評価は, 真正率0.90の有望な結果をもたらす。
論文 参考訳（メタデータ） (2022-08-06T19:17:02Z) - Compressive gate set tomography [1.3406858660972554]
ゲートセットトモグラフィーは、同時に自己整合的に量子ゲート全体の実装に関するトモグラフィ記述を抽出する特性的アプローチである。
ゲート集合の低ランク近似は、ゲート列が著しく少ないことから得られることを示す。
また,ゲートセットトモグラフィーによる推定により,影推定プロトコルのコヒーレント誤差を緩和できることを示す。
論文 参考訳（メタデータ） (2021-12-09T19:03:47Z) - Machine Learning for Continuous Quantum Error Correction on
Superconducting Qubits [1.8249709209063887]
連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。
本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-10-20T05:13:37Z) - Performance of teleportation-based error correction circuits for bosonic
codes with noisy measurements [58.720142291102135]
テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。
マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
論文 参考訳（メタデータ） (2021-08-02T16:12:13Z) - Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。
私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
論文 参考訳（メタデータ） (2020-08-06T02:07:21Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。