論文の概要: Efficient learning of the structure and parameters of local Pauli noise
channels
- arxiv url: http://arxiv.org/abs/2307.02959v1
- Date: Thu, 6 Jul 2023 12:42:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 14:05:32.964258
- Title: Efficient learning of the structure and parameters of local Pauli noise
channels
- Title（参考訳）: 局所パウリ雑音流路の構造とパラメータの効率的な学習
- Authors: Cambyse Rouz\'e, Daniel Stilck Fran\c{c}a
- Abstract要約: n量子ビット上のパウリノイズチャネルを学習するための新しい手法を提案する。
我々は,Breslerによる画期的な成果を利用して,ギブズ測度を効率的に学習することで,その結果を達成した。
提案手法は,他の望ましい特徴を諦めることなく,サンプル数と後処理の両面で効率的である。
- 参考スコア（独自算出の注目度）: 1.5229257192293197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The unavoidable presence of noise is a crucial roadblock for the development
of large-scale quantum computers and the ability to characterize quantum noise
reliably and efficiently with high precision is essential to scale quantum
technologies further. Although estimating an arbitrary quantum channel requires
exponential resources, it is expected that physically relevant noise has some
underlying local structure, for instance that errors across different qubits
have a conditional independence structure. Previous works showed how it is
possible to estimate Pauli noise channels with an efficient number of samples
in a way that is robust to state preparation and measurement errors, albeit
departing from a known conditional independence structure.
We present a novel approach for learning Pauli noise channels over n qubits
that addresses this shortcoming. Unlike previous works that focused on learning
coefficients with a known conditional independence structure, our method learns
both the coefficients and the underlying structure. We achieve our results by
leveraging a groundbreaking result by Bresler for efficiently learning Gibbs
measures and obtain an optimal sample complexity of O(log(n)) to learn the
unknown structure of the noise acting on n qubits. This information can then be
leveraged to obtain a description of the channel that is close in diamond
distance from O(poly(n)) samples. Furthermore, our method is efficient both in
the number of samples and postprocessing without giving up on other desirable
features such as SPAM-robustness, and only requires the implementation of
single qubit Cliffords. In light of this, our novel approach enables the
large-scale characterization of Pauli noise in quantum devices under minimal
experimental requirements and assumptions.
- Abstract（参考訳）: ノイズの避けられない存在は、大規模量子コンピュータの開発にとって重要な障害であり、量子ノイズを高精度で確実かつ効率的に特徴づける能力は、量子技術のさらなる拡張に不可欠である。
任意の量子チャネルを推定するには指数的な資源を必要とするが、物理的に関連するノイズはいくつかの局所構造を持つことが期待されている。
前回の研究では、既知の条件付き独立構造から外れても、状態の準備や測定エラーに頑健な方法で、効率的なサンプル数でポーリノイズチャネルを推定できることが示されている。
本稿では,n量子ビット上でポーリノイズチャネルを学習する新しい手法を提案する。
条件付き独立構造を持つ学習係数に着目した先行研究とは異なり,本手法は係数と基礎構造の両方を学習する。
我々は,Gibs測度を効率よく学習するためにBreslerによる画期的な結果を利用して,O(log(n))の最適なサンプル複雑性を求め,n量子ビットに作用する雑音の未知構造を学習する。
この情報を利用すれば、O(poly(n))サンプルからダイヤモンド距離に近いチャネルの記述を得ることができる。
さらに,本手法は,SPAMロバストネスなどの他の望ましい特徴を諦めることなく,サンプル数と後処理の両面で効率的であり,単一キュービットクリフォードの実装しか必要としない。
これを踏まえ, 量子デバイスにおけるポーリノイズの大規模キャラクタリゼーションを, 最小実験条件と仮定下で実現している。
関連論文リスト
- Efficient self-consistent learning of gate set Pauli noise [6.298222373534273]
ゲートセットパウリ雑音学習の課題について検討し、量子ゲートのセット、状態準備、測定はすべて、カスタマイズされたノイズアンサッツを備えた未知のパウリ雑音チャネルに悩まされる。
ゲートノイズに関する学習可能な情報はすべて、ノイズアンザッツに関する軽度な仮定の下で、相対的精度で学習可能であることを示す。
論文 参考訳（メタデータ） (2024-10-04T20:19:57Z) - Noise-tolerant learnability of shallow quantum circuits from statistics and the cost of quantum pseudorandomness [0.0]
量子過程を学習するための量子統計クエリの自然な堅牢性を示す。
定深量子回路の学習アルゴリズムを量子統計クエリ設定に適用する。
擬似乱数ユニタリ(PRU)は一定深さの回路では構築できないことを示す。
論文 参考訳（メタデータ） (2024-05-20T14:55:20Z) - Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。
単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
論文 参考訳（メタデータ） (2024-03-28T19:29:12Z) - Noise-induced shallow circuits and absence of barren plateaus [2.5295633594332334]
雑音がほとんどの量子回路を効果的に対数深度に切り離すことを示す。
次に,非単位雑音下での量子回路は,局所可観測物からなるコスト関数に対するバレンプラトーの欠如を証明した。
論文 参考訳（メタデータ） (2024-03-20T19:00:49Z) - 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) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳（メタデータ） (2022-12-12T15:06:32Z) - Numerical Simulations of Noisy Quantum Circuits for Computational
Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。
計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文 参考訳（メタデータ） (2021-12-31T16:33:10Z) - Quantum Causal Unravelling [44.356294905844834]
我々は,多部量子プロセスにおける相互作用の因果構造を明らかにするための,最初の効率的な方法を開発した。
我々のアルゴリズムは、量子プロセストモグラフィーの技法で効率的に特徴付けることができるプロセスを特定するのに利用できる。
論文 参考訳（メタデータ） (2021-09-27T16:28:06Z) - Efficient and robust certification of genuine multipartite entanglement
in noisy quantum error correction circuits [58.720142291102135]
実効多部絡み(GME)認証のための条件付き目撃手法を導入する。
線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。
本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
論文 参考訳（メタデータ） (2020-10-06T18:00:07Z) - Using deep learning to understand and mitigate the qubit noise
environment [0.0]
本稿では,量子ビット上の時間力学測定から正確な雑音スペクトルを抽出する手法を提案する。
任意の浴槽に囲まれた任意のキュービットに付随する雑音スペクトルを抽出するニューラルネットワークに基づく手法を実証する。
この結果は、様々なキュービットプラットフォームに適用でき、キュービット性能を改善するためのフレームワークを提供する。
論文 参考訳（メタデータ） (2020-05-03T17:13:14Z)
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。