論文の概要: Efficient information recovery from Pauli noise via classical shadow

• arxiv url: http://arxiv.org/abs/2305.04148v1
• Date: Sat, 6 May 2023 23:34:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 17:19:38.651474
• Title: Efficient information recovery from Pauli noise via classical shadow
• Title（参考訳）: 古典影によるポーリ雑音からの効率的な情報回復
• Authors: Yifei Chen, Zhan Yu, Chenghong Zhu, Xin Wang
• Abstract要約: パウリ雑音下での量子状態から情報を復元する効率的なアルゴリズムを導入する。 局所的および境界度観測可能の場合、理想的な情報を回復するためには、チャネルの部分的な知識しか必要とされない。 顕著な応用として,本手法はクリフォード回路のサンプリング効率のよい誤差軽減手法として評価できる。
• 参考スコア（独自算出の注目度）: 6.689075863602204
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of quantum computing has led to an extensive demand for effective techniques to extract classical information from quantum systems, particularly in fields like quantum machine learning and quantum chemistry. However, quantum systems are inherently susceptible to noises, which adversely corrupt the information encoded in quantum systems. In this work, we introduce an efficient algorithm that can recover information from quantum states under Pauli noise. The core idea is to learn the necessary information of the unknown Pauli channel by post-processing the classical shadows of the channel. For a local and bounded-degree observable, only partial knowledge of the channel is required rather than its complete classical description to recover the ideal information, resulting in a polynomial-time algorithm. This contrasts with conventional methods such as probabilistic error cancellation, which requires the full information of the channel and exhibits exponential scaling with the number of qubits. We also prove that this scalable method is optimal on the sample complexity and generalise the algorithm to the weight contracting channel. Furthermore, we demonstrate the validity of the algorithm on the 1D anisotropic Heisenberg-type model via numerical simulations. As a notable application, our method can be severed as a sample-efficient error mitigation scheme for Clifford circuits.
• Abstract（参考訳）: 量子コンピューティングの急速な進歩は、量子システム、特に量子機械学習や量子化学といった分野から古典的情報を抽出するための効果的な技術に対する広範な需要をもたらした。 しかし、量子系は本質的にノイズに影響を受けやすく、量子系で符号化された情報を損なう。 本研究では,ポーリ雑音下で量子状態から情報を復元する効率的なアルゴリズムを提案する。 中心となる考え方は、チャンネルの古典的な影を後処理することで、未知のパウリチャネルに必要な情報を学ぶことである。 局所的かつ有界な可観測性を持つ場合には、理想的な情報を回復するための完全な古典的記述ではなく、チャネルの部分的な知識のみが必要となり、多項式時間アルゴリズムが生成される。 これは、チャネルの完全な情報を必要とし、キュービット数の指数的スケーリングを示す確率的エラーキャンセルのような従来の手法とは対照的である。 また,このスケーラブルな手法がサンプルの複雑性に最適であることを証明し,アルゴリズムを重み契約チャネルに一般化する。 さらに, 数値シミュレーションによる1次元異方性ハイゼンベルク型モデルに対するアルゴリズムの有効性を示す。 顕著な応用として,本手法はクリフォード回路のサンプリング効率のよい誤差軽減手法として評価できる。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Addressing Quantum's "Fine Print": State Preparation and Information Extraction for Quantum Algorithms and Geologic Fracture Networks [0.0]
  この研究は、量子アルゴリズムを用いて地質的なフラクチャーフローシステムを解くための2つの要件に対処する。 この問題に対する我々のアプローチは、全体的な指数的なスピードアップと一致している。
  論文  参考訳（メタデータ） (2023-10-03T23:02:54Z)
• Efficient algorithms for quantum information bottleneck [64.67104066707309]
  本稿では,情報ボトルネックの量子一般化のための新しい一般アルゴリズムを提案する。 本アルゴリズムは, 先行結果と比較して, 収束の速度と定性に優れる。 特に、量子システムは、量子情報のボトルネックに関して、同じ大きさの古典的なシステムよりも厳格に優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T14:20:05Z)
• Quantum compression with classically simulatable circuits [0.5735035463793007]
  本稿では,量子情報を低次元表現に変換する進化的アルゴリズムを用いて,量子オートエンコーダを設計する戦略を提案する。 量子状態の異なる族を圧縮するアルゴリズムの初期応用を実証した。 このアプローチは、計算資源の少ない量子データの低表現を見つけるために古典論理を用いる可能性を開く。
  論文  参考訳（メタデータ） (2022-07-06T20:36:10Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Information recoverability of noisy quantum states [5.526775342940154]
  ノイズの多い量子状態から情報を取り出す方法を研究するための体系的枠組みを導入する。 回復可能な古典情報の範囲を完全に特徴づける。 また、対応する最適プロトコルとともに半定値プログラミングによって効率よく計算可能な最小情報検索コストを解消する。
  論文  参考訳（メタデータ） (2022-03-09T16:38:09Z)
• Model-Independent Error Mitigation in Parametric Quantum Circuits and Depolarizing Projection of Quantum Noise [1.5162649964542718]
  与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。 Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。 現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
  論文  参考訳（メタデータ） (2021-11-30T16:08:01Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Noise-Assisted Quantum Autoencoder [7.33811357166334]
  以前の量子オートエンコーダは、ハイランク混合状態の圧縮と回復に失敗した。 本稿では,ノイズ支援型量子オートエンコーダアルゴリズムを提案する。 純状態アンサンブル圧縮には、投影された量子オートエンコーダアルゴリズムも導入する。
  論文  参考訳（メタデータ） (2020-12-15T14:39:06Z)
• Quantum information spreading in a disordered quantum walk [50.591267188664666]
  量子ウォークスを用いて量子情報拡散パターンを探索する量子探索プロトコルを設計する。 我々は、異常や古典的輸送を調査するために、コヒーレントな静的および動的障害に焦点を当てる。 以上の結果から,複雑なネットワークで発生する欠陥や摂動の情報を読み取る装置として,量子ウォーク(Quantum Walk)が考えられる。
  論文  参考訳（メタデータ） (2020-10-20T20:03:19Z)

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。