論文の概要: Development and Demonstration of an Efficient Readout Error Mitigation
Technique for use in NISQ Algorithms
- arxiv url: http://arxiv.org/abs/2303.17741v1
- Date: Thu, 30 Mar 2023 23:29:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 15:48:31.672300
- Title: Development and Demonstration of an Efficient Readout Error Mitigation
Technique for use in NISQ Algorithms
- Title（参考訳）: NISQアルゴリズムにおける効率的な読み出し誤り除去手法の開発と実証
- Authors: Andrew Arrasmith, Andrew Patterson, Alice Boughton, and Marco Paini
- Abstract要約: リゲッティ量子コンピューティングハードウェア上での読み出し緩和期待値の近似状態推定について検討する。
相関誤差の影響を抑えることができ、読み出し誤差を正確に軽減できることを示す。
この開発は、この種のランダム化によるメソッドの実践的利用の道を開く。
- 参考スコア（独自算出の注目度）: 2.1279211992135068
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The approximate state estimation and the closely related classical shadows
methods allow for the estimation of complicated observables with relatively few
shots. As these methods make use of random measurements that can symmetrise the
effect of readout errors, they have been shown to permit simplified approaches
to readout error mitigation which require only a number of samples that scales
as $\mathcal{O}(1)$ with increasing numbers of qubits. However, these
techniques require executing a different circuit at each shot, adding a
typically prohibitive amount of latency that prohibits their practical
application. In this manuscript we consider the approximate state estimation of
readout-mitigated expectation values, and how to best implement that procedure
on the Rigetti quantum computing hardware. We discuss the theoretical aspects
involved, providing an explicit computation of the effect of readout error on
the estimated expectation values and how to mitigate that effect. Leveraging
improvements to the Rigetti control systems, we then demonstrate an efficient
implementation of this approach. Not only do we find that we can suppress the
effect of correlated errors and accurately mitigate the readout errors, we find
that we can do so quickly, collecting and processing $10^6$ samples in less
than $1.5$ minutes. This development opens the way for practical uses of
methods with this type of randomisation.
- Abstract（参考訳）: 近似状態推定と密接な関係を持つ古典影法により、比較的少ないショットで複雑な可観測性が推定できる。
これらの手法は、読み出しエラーの影響を対称性のあるランダムな測定値を用いているため、量子ビット数の増加とともに$\mathcal{o}(1)$にスケールするサンプル数だけを必要とする読み出しエラー軽減のための簡易なアプローチが可能であることが示されている。
しかし、これらの技術は各ショットで異なる回路を実行する必要があり、通常、実用上の使用を禁じる遅延量が追加される。
本稿では,リードアウト緩和期待値の近似状態推定と,その手法をRigetti量子コンピューティングハードウェア上で最適に実装する方法を検討する。
本研究では,推定された期待値に対する読み出し誤差の影響を明示的に計算し,その影響を緩和する方法を提案する。
リゲッティ制御システムの改善を活用し、このアプローチの効率的な実装を実証する。
相関したエラーの影響を抑止し、読み出しエラーを正確に緩和できるだけでなく、短時間で10^6$のサンプルを15ドル未満で収集し、処理できることがわかりました。
この開発は、この種のランダム化によるメソッドの実践的利用の道を開く。
関連論文リスト
- Finding Transformer Circuits with Edge Pruning [71.12127707678961]
自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。
本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。
その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
論文 参考訳（メタデータ） (2024-06-24T16:40:54Z) - Quasi-Probabilistic Readout Correction of Mid-Circuit Measurements for Adaptive Feedback via Measurement Randomized Compiling [7.804530685405802]
量子測定は量子コンピューティングの基本的な構成要素である。
現代の量子コンピュータでは、測定は量子ゲートよりも誤差が多い。
本研究では, ランダム化コンパイルを用いて, 測定誤差を単純な誤差モデルに調整できることを示す。
論文 参考訳（メタデータ） (2023-12-21T18:57:13Z) - Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
論文 参考訳（メタデータ） (2023-12-19T13:17:43Z) - Volumetric Benchmarking of Error Mitigation with Qermit [0.0]
本研究では,量子エラー低減手法の性能評価手法を開発した。
我々のベンチマークは、設計上はボリュームであり、異なる超伝導ハードウェアデバイス上で実行されています。
Qermitは、量子エラー軽減のためのオープンソースのpythonパッケージである。
論文 参考訳（メタデータ） (2022-04-20T18:13:04Z) - Deep Equilibrium Optical Flow Estimation [80.80992684796566]
最近のSOTA(State-of-the-art)光フローモデルでは、従来のアルゴリズムをエミュレートするために有限ステップの更新操作を使用する。
これらのRNNは大きな計算とメモリオーバーヘッドを課し、そのような安定した推定をモデル化するために直接訓練されていない。
暗黙的層の無限レベル固定点として直接流れを解く手法として,Deep equilibrium Flow estimatorを提案する。
論文 参考訳（メタデータ） (2022-04-18T17:53:44Z) - Improved Convergence Rates for Sparse Approximation Methods in
Kernel-Based Learning [48.08663378234329]
カーネル・リッジ・レグレッションやガウシアン・プロセスのようなカーネル・ベース・モデルは機械学習の応用においてユビキタスである。
既存のスパース近似法は計算コストを大幅に削減することができる。
我々は,Nystr"om法と疎変動ガウス過程近似法に対して,新しい信頼区間を提供する。
論文 参考訳（メタデータ） (2022-02-08T17:22:09Z) - The Accuracy vs. Sampling Overhead Trade-off in Quantum Error Mitigation
Using Monte Carlo-Based Channel Inversion [84.66087478797475]
量子誤差緩和(Quantum error mitigation, QEM)は、変分量子アルゴリズムの計算誤差を低減するための有望な手法の1つである。
我々はモンテカルロサンプリングに基づく実用的なチャネル反転戦略を考察し、さらなる計算誤差を導入する。
計算誤差が誤差のない結果の動的範囲と比較して小さい場合、ゲート数の平方根でスケールすることを示す。
論文 参考訳（メタデータ） (2022-01-20T00:05:01Z) - Quasiprobability decompositions with reduced sampling overhead [4.38301148531795]
量子エラー軽減技術は、フォールトトレラントな量子エラー補正を必要とせずに、現在の量子ハードウェアのノイズを低減することができる。
本稿では, 準確率分解を雑音を考慮した方法で選択することを目的とした, 数学的最適化に基づく新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-22T19:00:06Z) - Multi-label Contrastive Predictive Coding [125.03510235962095]
差分相互情報(MI)推定器は、コントラスト予測符号化(CPC)のような教師なし表現学習法で広く利用されている。
本稿では,複数の正のサンプルを同時に同定する必要がある多ラベル分類問題に基づく新しい推定器を提案する。
同一量の負のサンプルを用いて複数ラベルのCPCが$log m$boundを超えることができる一方で、相互情報の有意な下限であることを示す。
論文 参考訳（メタデータ） (2020-07-20T02:46:21Z) - One-Bit Compressed Sensing via One-Shot Hard Thresholding [7.594050968868919]
1ビット圧縮センシングの問題は、いくつかのバイナリ測定からスパース信号を推定することである。
広範に使われている非制約の幅の概念から遠ざかる、斬新で簡潔な分析法を提案する。
論文 参考訳（メタデータ） (2020-07-07T17:28:03Z) - Multi-exponential Error Extrapolation and Combining Error Mitigation
Techniques for NISQ Applications [0.0]
量子ハードウェアにおけるノイズは、量子コンピュータの実装における最大の障害である。
誤り補間は、実験的に実装された誤り軽減手法である。
我々はこれを多重指数誤差外挿に拡張し、パウリ雑音下での有効性のより厳密な証明を提供する。
論文 参考訳（メタデータ） (2020-07-02T17:18:47Z)
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。