Fugu-MT 論文翻訳(概要): Locality and Error Mitigation of Quantum Circuits

論文の概要: Locality and Error Mitigation of Quantum Circuits

arxiv url: http://arxiv.org/abs/2303.06496v1
Date: Sat, 11 Mar 2023 20:43:36 GMT
ステータス: 処理完了
システム内更新日: 2023-03-14 18:42:05.917476
Title: Locality and Error Mitigation of Quantum Circuits
Title（参考訳）: 量子回路の局所性と誤差低減
Authors: Minh C. Tran, Kunal Sharma, Kristan Temme
Abstract要約: 確率誤差キャンセラ法(PEC)とゼロノイズ外挿法(ZNE)の2つの主要な誤差軽減手法について検討・改善する。 PECでは、対象の局所観測値に対するユニタリ回路の光円錐を考慮に入れた新しい推定器を導入する。
参考スコア（独自算出の注目度）: 0.7366405857677226
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we study and improve two leading error mitigation techniques, namely Probabilistic Error Cancellation (PEC) and Zero-Noise Extrapolation (ZNE), for estimating the expectation value of local observables. For PEC, we introduce a new estimator that takes into account the light cone of the unitary circuit with respect to a target local observable. Given a fixed error tolerance, the sampling overhead for the new estimator can be several orders of magnitude smaller than the standard PEC estimators. For ZNE, we also use light-cone arguments to establish an error bound that closely captures the behavior of the bias that remains after extrapolation.
Abstract（参考訳）: 本研究では,確率的誤差キャンセラ法 (PEC) とゼロノイズ外挿法 (ZNE) の2つの主要な誤差低減手法について検討・改善し,局所観測値の期待値を推定する。 PECでは、対象の局所観測値に対するユニタリ回路の光円錐を考慮に入れた新しい推定器を導入する。固定誤差耐性が与えられた場合、新しい推定器のサンプリングオーバーヘッドは標準のPEC推定器よりも数桁小さくすることができる。 ZNEでは、外挿後に残るバイアスの挙動を密にキャプチャする誤差境界を確立するために光錐の引数も使用します。

関連論文リスト

Lightcone shading for classically accelerated quantum error mitigation [1.1801688624472007]
QEM(Quantum error mitigation)は、ノイズの多い量子コンピュータから、分散のバイアスをトレーディングすることで、正確な期待値を回復することができる。確率的誤差キャンセリング(PEC)はQEM法の中でも特に頑健で、偏りを抑える手段である。そこで本研究では,古典的資源の質が劣る場合でも,いくつかの問題に対して実用的な利点を提供するアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-06T16:48:09Z)
Pauli Check Extrapolation for Quantum Error Mitigation [8.436934066461625]
Pauli Check Extrapolation (PCE)はZero-Noise Extrapolation (ZNE)に似た外挿技術でPCSを統合する我々は,PCEが最先端のロバストシャドウ (RS) 推定方式よりも高い忠実性を実現できることを示す。
論文参考訳（メタデータ） (2024-06-20T22:07:42Z)
Symmetric Q-learning: Reducing Skewness of Bellman Error in Online Reinforcement Learning [55.75959755058356]
深層強化学習では、状態や行動の質を評価するために、価値関数を推定することが不可欠である。最近の研究では、値関数を訓練する際の誤差分布はベルマン作用素の特性のためにしばしば歪むことが示唆されている。そこで我々は,ゼロ平均分布から発生する合成ノイズを目標値に加え,ガウス誤差分布を生成するSymmetric Q-learning法を提案する。
論文参考訳（メタデータ） (2024-03-12T14:49:19Z)
Purity-Assisted Zero-Noise Extrapolation for Quantum Error Mitigation [10.577215927026199]
誤り率仮定の制限に対処するために、純度支援ゼロノイズ外挿法(pZNE)を用いる。 pZNE法は、通常のZNEのバイアスを著しく低減しない。有効性は、通常のZNEが制限に直面する可能性のある幅広いエラー率にまで拡張される。
論文参考訳（メタデータ） (2023-10-16T03:46:30Z)
Algorithmic error mitigation for quantum eigenvalues estimation [0.9002260638342727]
フォールトトレラントなコンピュータでさえ、固有値を推定する際にアルゴリズムエラーを受ける。本稿では,アルゴリズムの誤りを低減できる誤り軽減戦略を提案する。この結果から, 早期耐故障デバイスにおいても, 精度の高い固有値推定が可能であることがわかった。
論文参考訳（メタデータ） (2023-08-07T19:16:54Z)
Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文参考訳（メタデータ） (2021-10-24T10:23:51Z)
Rao-Blackwellizing the Straight-Through Gumbel-Softmax Gradient Estimator [93.05919133288161]
一般的なGumbel-Softmax推定器のストレートスルー変量の分散は、ラオ・ブラックウェル化により減少できることを示す。これは平均二乗誤差を確実に減少させる。これは分散の低減、収束の高速化、および2つの教師なし潜在変数モデルの性能向上につながることを実証的に実証した。
論文参考訳（メタデータ） (2020-10-09T22:54:38Z)
Error mitigation via verified phase estimation [0.25295633594332334]
本稿では,量子位相推定に基づく新しい誤差低減手法を提案する。制御量子ビットを使わずに機能に適応できることを示す。
論文参考訳（メタデータ） (2020-10-06T07:44:10Z)
Learning Minimax Estimators via Online Learning [55.92459567732491]
確率分布のパラメータを推定するミニマックス推定器を設計する際の問題点を考察する。混合ケースナッシュ平衡を求めるアルゴリズムを構築した。
論文参考訳（メタデータ） (2020-06-19T22:49:42Z)
Scaling Equilibrium Propagation to Deep ConvNets by Drastically Reducing its Gradient Estimator Bias [65.13042449121411]
実際には、EPによって提供される勾配推定によるネットワークのトレーニングは、MNISTよりも難しい視覚タスクにスケールしない。有限ヌード法に固有のEPの勾配推定のバイアスがこの現象の原因であることを示す。これらの手法を適用し、非対称な前方および後方接続を持つアーキテクチャをトレーニングし、13.2%のテストエラーを発生させる。
論文参考訳（メタデータ） (2020-06-06T09:36:07Z)
Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。 Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。クリッピング推定器と呼ばれる新しい推定器を提案する。
論文参考訳（メタデータ） (2020-05-07T17:21:56Z)

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。