論文の概要: Fitting time-dependent Markovian dynamics to noisy quantum channels
- arxiv url: http://arxiv.org/abs/2303.08936v1
- Date: Wed, 15 Mar 2023 21:05:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 17:49:08.867944
- Title: Fitting time-dependent Markovian dynamics to noisy quantum channels
- Title(参考訳): 時間依存マルコフダイナミクスを雑音量子チャネルに適合させる
- Authors: Emilio Onorati, Tamara Kohler, Toby S. Cubitt
- Abstract要約: エラーをキャラクタリゼーションし緩和する方法を理解することは、短期アプリケーションのための信頼性の高い量子アーキテクチャを開発する上で重要な課題である。
最近の研究は、未知のノイズプロセスを分析するための効率的なアルゴリズムセットを提供する。
本稿では、スナップショットのシーケンスから時間依存ジェネレータでノイズダイナミクスを解析できるスキームの拡張について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how to characterise and mitigate errors is a key challenge in
developing reliable quantum architecture for near-term applications. Recent
work (arXiv:2103.17243) provides an efficient set of algorithms for analysing
unknown noise processes requiring only tomographic snapshots of the quantum
operator under consideration, without the need of any a-priori information on
the noise model, nor necessitating a particular experimental setup. The only
assumption made is that the observed channel can be approximated by a
time-independent Markovian map, which is a typically reasonable framework when
considering short time scales. In this note we lift the time-independent
assumption, presenting an extension of the scheme now able to analyse noisy
dynamics with time-dependent generators from a sequence of snapshots. We hence
provide a diagnostic tool for a wider spectrum of instances while inheriting
all the favourable features from the previous protocol. On the theoretical
side, the problem of characterising time-dependent Markovian channels has been
an open problem for many decades. This work gives an approach to tackle this
characterisation problem rigorously.
- Abstract(参考訳): エラーをキャラクタリゼーションし緩和する方法を理解することは、短期アプリケーションのための信頼性の高い量子アーキテクチャを開発する上で重要な課題である。
最近の研究(arxiv:2103.17243)は、検討中の量子演算子のトモグラフィスナップショットのみを必要とする未知のノイズプロセスを分析するための効率的なアルゴリズムセットを提供する。
唯一の仮定は、観測されたチャネルは時間に依存しないマルコフ写像によって近似できるということである。
本稿では、時間に依存しない仮定を引き上げ、一連のスナップショットから時間に依存したジェネレータで雑音のダイナミクスを解析できるスキームの拡張を示す。
したがって、より広い範囲のインスタンスに対する診断ツールを提供し、以前のプロトコルから好まれるすべての機能を継承します。
理論的には、時間依存のマルコフチャネルを特徴付ける問題は何十年もの間、公然とした問題であった。
この研究は、この特徴化問題に厳格に取り組もうというアプローチを与える。
関連論文リスト
- Error Mitigation Thresholds in Noisy Quantum Circuits [2.175391729845306]
我々は、空間次元におけるランダムな空間的局所回路に対する誤差緩和しきい値の存在を予測するために、Imry-Maの引数を適用した。
対照的に、1次元の回路では、緩和は障害の特徴づけにおける不完全性に対して$mathcalO(1)$の時間で失敗する。
論文 参考訳(メタデータ) (2023-02-08T19:00:01Z) - Representing Noisy Image Without Denoising [120.08257941277321]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。
従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文 参考訳(メタデータ) (2023-01-18T10:13:29Z) - Algorithmic Shadow Spectroscopy [0.0]
我々は,新しいシミュレータ非依存量子アルゴリズムであるシャドウ分光法を提案する。
非常に少ない回路繰り返し(ショット)と余分な資源を使ってエネルギーギャップを抽出する。
このアプローチは、量子系のすべての観測可能な性質が同じ調和成分に従って進化しなければならないという基本的な特徴に基づいている。
論文 参考訳(メタデータ) (2022-12-21T14:23:48Z) - A Dynamical System View of Langevin-Based Non-Convex Sampling [84.61544861851907]
非サンプリングは機械学習における重要な課題であり、ディープラーニングにおける非レート最適化の中心であり、その重要性を近似する。
既存の保証は通常、より望ましい最終段階の反復よりも平均距離のみを保持する。
我々は、理論システムからいくつかのツールを活用することにより、上記の問題を解消する新しいフレームワークを開発する。
論文 参考訳(メタデータ) (2022-10-25T09:43:36Z) - Quantum Control for Time-dependent Noise by Inverse Geometric
Optimization [10.292957036462829]
我々は最近提案した逆幾何最適化の頑健な制御手法を時間依存雑音に拡張して適用する。
提案手法は,現実的な雑音モデルの下で所望の量子進化を実現するために,高品質なロバストパルスを生成することができることを示す。
論文 参考訳(メタデータ) (2022-05-05T08:50:02Z) - Towards a general framework of Randomized Benchmarking incorporating
non-Markovian Noise [12.547444644243544]
ゲート依存性が平均シーケンスフィデリティ内の摂動項に変換されないことを示す。
ゲート依存性は ASF 内の摂動項に変換されないが、マルコフ列の忠実度は小さいゲート依存摂動の下で安定である。
論文 参考訳(メタデータ) (2022-02-23T07:51:03Z) - Provable Reinforcement Learning with a Short-Term Memory [68.00677878812908]
我々はPMDPsの新しいサブクラスについて研究し、その潜在状態は、最近の短い長さ$m$の履歴によって復号化することができる。
特に、リッチ・オブザーブレーション・セッティングにおいて、指数関数的にスケールするサンプル複雑性を持つ新しい「モーメントマッチング」アプローチを用いて、新しいアルゴリズムを開発する。
以上の結果から,これらの環境下での強化学習には短期記憶が十分であることが示唆された。
論文 参考訳(メタデータ) (2022-02-08T16:39:57Z) - Consistency of mechanistic causal discovery in continuous-time using
Neural ODEs [85.7910042199734]
ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。
本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-05-06T08:48:02Z) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳(メタデータ) (2020-06-19T21:04:47Z) - Stochastic Approximation with Markov Noise: Analysis and applications in
reinforcement learning [0.0]
マルコフ雑音によって駆動される2つの時間スケール近似の収束解析を初めて提示する。
両方の時間スケールにおける差分包摂を限定することで、フレームワークの挙動を分析する。
ポリシ評価アルゴリズムの関数近似における最初の情報的誤差境界を求める。
論文 参考訳(メタデータ) (2020-04-08T03:59:21Z) - Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
クープマン理論に関連する新しい物理学に基づく手法が導入された。
本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。
このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
論文 参考訳(メタデータ) (2020-03-04T18:24:30Z)
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。