論文の概要: Error mitigation of entangled states using brainbox quantum autoencoders

• arxiv url: http://arxiv.org/abs/2303.01134v1
• Date: Thu, 2 Mar 2023 10:30:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-03 15:07:03.674613
• Title: Error mitigation of entangled states using brainbox quantum autoencoders
• Title（参考訳）: brainbox量子オートエンコーダによる絡み合い状態の誤り緩和
• Authors: Jos\'ephine Pazem, Mohammad H. Ansari
• Abstract要約: 単一量子ビットボトルネックを持つ量子オートエンコーダ回路は、ノイズアンタングル状態の誤差を補正する能力を示している。 ボトルネック、いわゆるブレインボックスにもう少し複雑な構造を導入することで、デノナイジングプロセスがより早く実行される可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current quantum hardware is subject to various sources of noise that limits the access to multi-qubit entangled states. Quantum autoencoder circuits with a single qubit bottleneck have shown capability to correct error in noisy entangled state. By introducing slightly more complex structures in the bottleneck, the so-called brainboxes, the denoising process can take place faster and for stronger noise channels. Choosing the most suitable brainbox for the bottleneck is the result of a trade-off between noise intensity on the hardware, and the training impedance. Finally, by studying R\'enyi entropy flow throughout the networks we demonstrate that the localization of entanglement plays a central role in denoising through learning.
• Abstract（参考訳）: 現在の量子ハードウェアは、多ビットの絡み合った状態へのアクセスを制限する様々なノイズの源となる。 単一量子ビットボトルネックを持つ量子オートエンコーダ回路は、ノイズアンタングル状態の誤差を補正する能力を示している。 ボトルネックの中で少し複雑な構造、いわゆるブレインボックスを導入することで、より速く、より強力なノイズチャネルを発生させることができる。 ボトルネックに対する最も適切なブレインボックスの選択は、ハードウェアのノイズ強度とトレーニングインピーダンスとのトレードオフの結果である。 最後に、ネットワーク全体のR'enyiエントロピーフローを研究することにより、エンタングルメントの局在化が学習を通しての認知において中心的な役割を果たすことを示す。

関連論文リスト

• Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
  超伝導プロセッサのための強化学習型量子コンパイラを開発した。 短絡の新規・ハードウェア対応回路の発見能力を示す。 本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
  論文  参考訳（メタデータ） (2024-06-18T01:49:48Z)
• NISQ-Compatible Error Correction of Quantum Data Using Modified Dissipative Quantum Neural Networks [0.0]
  我々は,既存の量子オートエンコーダ(QAE)ネットワークを,ノイズの多いm量子GHZ状態の量子デノイザとしての性能を向上する。 私たちの新しいDenoisingアーキテクチャは、トレーニング時間を短縮できる、はるかに少ない数の学習パラメータを必要とします。
  論文  参考訳（メタデータ） (2023-11-17T11:47:38Z)
• Quantum State Reconstruction in a Noisy Environment via Deep Learning [0.9012198585960443]
  未知のノイズチャネルによって崩壊した量子状態の再構成と分類のタスクについて検討する。 このような手法が,99%以上の忠実度で回復できることを示す。 また、異なる量子ノイズチャネルを区別するタスクも検討し、ニューラルネットワークベースの分類器が、そのような分類問題を正確な精度で解決できることを示す。
  論文  参考訳（メタデータ） (2023-09-21T10:03:30Z)
• Rigorous noise reduction with quantum autoencoders [6.653258292269479]
  本稿では,厳密な性能保証を備えた量子オートエンコーダによるノイズ低減手法を提案する。 ノイズレベルが高い場合でも、元の状態を完璧に再構築できる様々なノイズモデルが見つかる。 我々の結果は、ノイズに対して量子技術をより堅牢にするために直接適用することができる。
  論文  参考訳（メタデータ） (2023-08-30T17:19:31Z)
• A framework of partial error correction for intermediate-scale quantum computers [0.7046417074932257]
  ブロック層回路は,"無用"な均一分布に対して,平均的な低濃度で表示可能であることを示す。 この利点は、誤り訂正キュービットの数が特定のしきい値を超えた場合にのみ現れる。
  論文  参考訳（メタデータ） (2023-06-27T15:00:57Z)
• Modular decoding: parallelizable real-time decoding for quantum computers [55.41644538483948]
  リアルタイム量子計算は、ノイズの多い量子ハードウェアによって生成されたデータのストリームから論理的な結果を取り出すことができる復号アルゴリズムを必要とする。 本稿では,デコーディングの精度を犠牲にすることなく,最小限の追加通信でこの問題に対処できるモジュールデコーディングを提案する。 本稿では,格子探索型耐故障ブロックのモジュールデコーディングの具体例であるエッジ頂点分解について紹介する。
  論文  参考訳（メタデータ） (2023-03-08T19:26:10Z)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
  ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。 シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-09-18T14:51:24Z)
• Machine learning of noise-resilient quantum circuits [0.8258451067861933]
  雑音の緩和と低減は、短期量子コンピュータから有用な答えを得るのに不可欠である。 本稿では,量子回路における量子ハードウェアノイズの影響を低減するための機械学習に基づく汎用フレームワークを提案する。 ノイズ対応回路学習(NACL)と呼ばれる手法は、ユニタリ変換を計算したり、量子状態のセットを作成したり、多ビット状態の観測可能な状態を推定したりするために設計された回路に適用される。
  論文  参考訳（メタデータ） (2020-07-02T15:43:32Z)

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。