論文の概要: Machine-learning based noise characterization and correction on neutral
atoms NISQ devices
- arxiv url: http://arxiv.org/abs/2306.15628v1
- Date: Tue, 27 Jun 2023 17:08:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 12:33:02.034612
- Title: Machine-learning based noise characterization and correction on neutral
atoms NISQ devices
- Title(参考訳): ニュートラル原子NISQデバイスにおける機械学習に基づくノイズ特性と補正
- Authors: Ettore Canonici, Stefano Martina, Riccardo Mengoni, Daniele Ottaviani,
Filippo Caruso
- Abstract要約: ニュートラル原子ノイズ中間量子(NISQ)装置は、パスカルによってルビジウム原子とともに開発され、最大100量子ビットで動作する。
すべてのNISQデバイスは、計算結果に影響を及ぼすノイズに影響を受ける。
ここでは、中性原子NISQデバイス上でのノイズパラメータを特徴付け、補正する2つの手法を提案する。
- 参考スコア(独自算出の注目度): 5.564793925574796
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neutral atoms devices represent a promising technology that uses optical
tweezers to geometrically arrange atoms and modulated laser pulses to control
the quantum states. A neutral atoms Noisy Intermediate Scale Quantum (NISQ)
device is developed by Pasqal with rubidium atoms that will allow to work with
up to 100 qubits. All NISQ devices are affected by noise that have an impact on
the computations results. Therefore it is important to better understand and
characterize the noise sources and possibly to correct them. Here, two
approaches are proposed to characterize and correct noise parameters on neutral
atoms NISQ devices. In particular the focus is on Pasqal devices and Machine
Learning (ML) techniques are adopted to pursue those objectives. To
characterize the noise parameters, several ML models are trained, using as
input only the measurements of the final quantum state of the atoms, to predict
laser intensity fluctuation and waist, temperature and false positive and
negative measurement rate. Moreover, an analysis is provided with the scaling
on the number of atoms in the system and on the number of measurements used as
input. Also, we compare on real data the values predicted with ML with the a
priori estimated parameters. Finally, a Reinforcement Learning (RL) framework
is employed to design a pulse in order to correct the effect of the noise in
the measurements. It is expected that the analysis performed in this work will
be useful for a better understanding of the quantum dynamic in neutral atoms
devices and for the widespread adoption of this class of NISQ devices.
- Abstract(参考訳): 中性原子デバイスは、量子状態を制御するために原子と変調レーザーパルスを幾何学的に配置するために光学トワイザーを使用する有望な技術である。
中性原子ノイズ型中間スケール量子(nisq)デバイスは、最大100量子ビットで動作するルビジウム原子と共にpasqalによって開発された。
すべてのNISQデバイスは、計算結果に影響を及ぼすノイズに影響を受ける。
したがって、ノイズ源をよりよく理解し、特徴付けし、おそらく修正することが重要である。
ここでは、中性原子NISQデバイス上のノイズパラメータを特徴付け、補正する2つの手法を提案する。
特に、pasqalデバイスにフォーカスしており、これらの目的を追求するために機械学習(ml)技術が採用されている。
ノイズパラメータを特徴付けるために、いくつかのMLモデルをトレーニングし、原子の最終量子状態の測定のみを入力として、レーザー強度の変動とウェスト、温度、偽陽性および負の測定率を予測する。
さらに、システム内の原子数と入力として使用される測定値数をスケーリングして分析する。
また,MLの予測値と事前推定パラメータを実データで比較した。
最後に、RL(Reinforcement Learning)フレームワークを用いて、測定におけるノイズの影響を補正するためにパルスを設計する。
本研究で行った解析は、中性原子デバイスにおける量子力学のより深い理解と、このタイプのNISQデバイスの普及に有用であることが期待されている。
関連論文リスト
- Accurate Chemical Reaction Modeling on Noisy Intermediate-Scale Quantum Computers Using a Noise-Resilient Wavefunction Ansatz [7.863050169969414]
このプロトコルのパワーは、最大10個の原子を持つ系の数値的な結果によって示される。
結果は、NISQ時代の量子ユーティリティの実現における重要な一歩である。
論文 参考訳(メタデータ) (2024-04-22T09:52:50Z) - Quantum error mitigation for Fourier moment computation [49.1574468325115]
本稿では、超伝導量子ハードウェアにおける核効果場理論の文脈におけるフーリエモーメントの計算に焦点を当てる。
この研究は、制御反転ゲートを用いたアダマール試験にエコー検証と雑音再正規化を統合した。
ノイズモデルを用いて解析した結果,2桁のノイズ強度が顕著に低下することが判明した。
論文 参考訳(メタデータ) (2024-01-23T19:10:24Z) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳(メタデータ) (2023-11-13T09:46:05Z) - Machine Learning Aided Dimensionality Reduction towards a Resource
Efficient Projective Quantum Eigensolver [0.0]
近年,分子系の基底状態エネルギーを計算するためのエレガントな手法として,PQE (Projective Quantum Eigensolver) が提案されている。
我々は、この2つのパラメータの集合的相互作用を機械学習技術を用いて利用し、相乗的相互関係を導出した。
論文 参考訳(メタデータ) (2023-03-20T16:49:56Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳(メタデータ) (2022-12-21T19:00:04Z) - Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。
消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。
量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文 参考訳(メタデータ) (2022-04-26T09:52:02Z) - Hardware-efficient entangled measurements for variational quantum
algorithms [0.0]
変分アルゴリズムは、ノイズの多い中間スケール量子(NISQ)デバイスを使用して、実用的な問題を解決するために使用できる。
ハードウェア効率のよいエンタングルド計測(HEEM)を提案する。
この戦略により,NISQデバイスにおける分子ハミルトニアンの回路数を削減することにより,分子ハミルトニアンの評価が向上することを示す。
論文 参考訳(メタデータ) (2022-02-14T19:00:16Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳(メタデータ) (2021-05-20T17:06:52Z) - A hybrid quantum-classical approach to mitigating measurement errors [3.8073142980733]
我々は、未知の量子ノイズに対処し、NISQデバイスによる測定読み出しにおける誤差を軽減する方法を提案する。
このスキームは、NISQデバイスを用いた量子アルゴリズムで実装されている。
論文 参考訳(メタデータ) (2020-03-27T10:30:52Z) - Mitigating realistic noise in practical noisy intermediate-scale quantum
devices [0.5872014229110214]
量子エラー緩和(QEM)は、ノイズの多い中間スケール量子(NISQ)デバイスに不可欠である。
従来のQEM方式の多くは、各ゲートの前後にノイズが現れる離散ゲートベース回路を前提としている。
新たなQEM法により効果的に抑制できることを示す。
論文 参考訳(メタデータ) (2020-01-14T16:51:35Z)
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。