論文の概要: Efficacy of virtual purification-based error mitigation on quantum
metrology
- arxiv url: http://arxiv.org/abs/2303.15838v1
- Date: Tue, 28 Mar 2023 09:13:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 15:44:24.585578
- Title: Efficacy of virtual purification-based error mitigation on quantum
metrology
- Title（参考訳）: 量子計測における仮想浄化に基づく誤差緩和の効果
- Authors: Hyukgun Kwon, Changhun Oh, Youngrong Lim, Hyunseok Jeong, Liang Jiang
- Abstract要約: ノイズは、様々な量子情報処理における量子アドバンテージを完全に活用することを妨げる主要な情報源である。
我々は,仮想浄化に基づく誤り軽減(VPEM)がバイアスを低減できるかどうかを判断する要因について検討した。
分析により,VPEMがバイアスを効果的に低減し,その結果を数値的に検証できるかどうかを予測した。
- 参考スコア（独自算出の注目度）: 2.3339135709418817
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Noise is the main source that hinders us from fully exploiting quantum
advantages in various quantum informational tasks. However, characterizing and
calibrating the effect of noise is not always feasible in practice. Especially
for quantum parameter estimation, an estimator constructed without precise
knowledge of noise entails an inevitable bias. Recently, virtual
purification-based error mitigation (VPEM) has been proposed to apply for
quantum metrology to reduce such a bias occurring from unknown noise. While it
was demonstrated to work for particular cases, whether VPEM always reduces a
bias for general estimation schemes is unclear yet. For more general
applications of VPEM to quantum metrology, we study factors determining whether
VPEM can reduce the bias. We find that the closeness between the dominant
eigenvector of a noisy state and the ideal quantum probe (without noise) with
respect to an observable determines the reducible amount of bias by VPEM. Next,
we show that one should carefully choose the reference point of the target
parameter, which gives the smallest bias because the bias depends on the
reference point. Otherwise, even if the dominant eigenvector and the ideal
quantum probe are close, the bias of the mitigated case could be larger than
the non-mitigated one. %We emphasize that the optimal reference point is a
unique feature that comes from the characteristic of quantum metrology.
Finally, we analyze the error mitigation for a phase estimation scheme under
various noises. Based on our analysis, we predict whether VPEM can effectively
reduce a bias and numerically verify our results.
- Abstract（参考訳）: ノイズは、様々な量子情報処理において量子の利点を完全に活用することを妨げる主な原因である。
しかし, 騒音の影響をキャラクタライズし, 校正することは必ずしも不可能ではない。
特に量子パラメータ推定では、ノイズの正確な知識を持たない推定器は避けられないバイアスを伴う。
近年,未知ノイズから発生するバイアスを低減するために,仮想浄化に基づく誤差緩和法(vpem)が提案されている。
特定のケースで機能することが実証されたが、VPEMが常に一般的な推定スキームのバイアスを減少させるかどうかはまだ分かっていない。
量子力学へのVPEMのより一般的な応用については、VPEMがバイアスを低減できるかどうかを決定する因子について検討する。
雑音状態の優占固有ベクトルと観測可能に対する理想量子プローブ(ノイズなし)との近接性は、vpemによるバイアスの還元量を決定する。
次に, 対象パラメータの基準点を慎重に選択し, バイアスが基準点に依存するため, 最小のバイアスを与えることを示す。
そうでなければ、支配的固有ベクトルと理想量子プローブが近くても、緩和された場合のバイアスは、非緩和の場合よりも大きい可能性がある。
% 最適基準点は量子距離論の特徴から生じる特異な特徴である,と我々は強調する。
最後に,様々な雑音下での位相推定手法の誤差低減について解析する。
分析から,VPEMがバイアスを効果的に低減し,その結果を数値的に検証できるかどうかを予測する。
関連論文リスト
- Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Demonstration of Robust and Efficient Quantum Property Learning with
Shallow Shadows [1.412425180760368]
本稿では,現在の量子コンピューティングプラットフォーム上での量子状態のキャラクタリゼーションのための,頑健な浅層影プロトコルを提案する。
提案プロトコルは, 期待値, 忠実度, 絡み合いエントロピーなどの状態特性を, サンプルの複雑さを低く保ちながら正確に復元する。
この理論的および実験的分析を組み合わせることで、ロバストな浅い影プロトコルは、スケーラブルで堅牢でサンプル効率のよいプロトコルとして位置づけられる。
論文 参考訳（メタデータ） (2024-02-27T21:53:32Z) - Dynamical quantum maps for single-qubit gates under universal non-Markovian noise [0.0]
量子デバイスにおけるノイズはユビキタスであり、精度が必要な設定では一般的に有害である。
ここでは、単一実験入力のみを必要とする単一キュービットゲートに対して、コンパクトな顕微鏡誤差モデルを導出する。
ランダム化ベンチマークを用いて測定し,量子プロセストモグラフィーを用いて再構成した平均ゲート誤差の実験的推定は,解析的推定値によって厳しく下界していることがわかった。
論文 参考訳（メタデータ） (2024-02-22T13:24:03Z) - Biased Estimator Channels for Classical Shadows [0.0]
我々は、従来の影推定器を再スケールすることで、バイアスを意図的に導入する、バイアス付きスキームを考察する。
我々は、平均ケースと最悪のケースとベストケースのシナリオを分析的に証明し、それが原則として、常に見積りをバイアスする価値があることを厳格に証明します。
論文 参考訳（メタデータ） (2024-02-14T19:00:01Z) - Simulation and analysis of quantum phase estimation algorithm in the
presence of incoherent quantum noise channels [0.0]
本研究では, トラスト保存と完全正の量子チャネルをモデル化した量子アルゴリズムにおける非コヒーレントノイズの影響について検討する。
シミュレーションの結果,単位作用素の固有値の標準偏差は個々の量子ビットの誤差確率に強い指数的依存性を持つことが示された。
論文 参考訳（メタデータ） (2023-07-28T17:08:56Z) - Can shallow quantum circuits scramble local noise into global white
noise? [0.0]
浅量子回路は、初期の実用的な量子優位性を達成する最も有望な候補であると考えられている。
局所雑音を大域的白色雑音に分解する実用的な浅量子回路について検討する。
いずれの場合も、整流器のノルムは十分に小さく、浄化に基づく誤差軽減の非常に優れた性能を保証している。
論文 参考訳（メタデータ） (2023-02-02T05:10:14Z) - Optimizing the Noise in Self-Supervised Learning: from Importance
Sampling to Noise-Contrastive Estimation [80.07065346699005]
GAN(Generative Adversarial Networks)のように、最適な雑音分布はデータ分布に等しくなると広く想定されている。
我々は、この自己教師型タスクをエネルギーベースモデルの推定問題として基礎づけるノイズ・コントラスト推定に目を向ける。
本研究は, 最適雑音のサンプリングは困難であり, 効率性の向上は, データに匹敵する雑音分布を選択することに比べ, 緩やかに行うことができると結論付けた。
論文 参考訳（メタデータ） (2023-01-23T19:57:58Z) - Suppressing Amplitude Damping in Trapped Ions: Discrete Weak
Measurements for a Non-unitary Probabilistic Noise Filter [62.997667081978825]
この劣化を逆転させるために、低オーバーヘッドプロトコルを導入します。
振幅減衰雑音に対する非単位確率フィルタの実装のための2つのトラップイオンスキームを提案する。
このフィルタは、単一コピー準蒸留のためのプロトコルとして理解することができる。
論文 参考訳（メタデータ） (2022-09-06T18:18:41Z) - The Optimal Noise in Noise-Contrastive Learning Is Not What You Think [80.07065346699005]
この仮定から逸脱すると、実際により良い統計的推定結果が得られることが示される。
特に、最適な雑音分布は、データと異なり、また、別の家族からさえも異なる。
論文 参考訳（メタデータ） (2022-03-02T13:59:20Z) - Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。
ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。
分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文 参考訳（メタデータ） (2020-06-15T18:31:02Z) - Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。
量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。
これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
論文 参考訳（メタデータ） (2020-03-20T17:56:14Z)
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。