論文の概要: Stabilization and Dissipative Information Transfer of a Superconducting
Kerr-Cat Qubit
- arxiv url: http://arxiv.org/abs/2307.12298v1
- Date: Sun, 23 Jul 2023 11:28:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 16:50:00.393080
- Title: Stabilization and Dissipative Information Transfer of a Superconducting
Kerr-Cat Qubit
- Title（参考訳）: 超伝導カーキャット量子ビットの安定化と散逸情報伝達
- Authors: Ufuk Korkmaz, Deniz T\"urkpen\c{c}e
- Abstract要約: そこで我々は,Cat-Qubitと呼ばれる量子ビットモデルへの消散情報伝達について検討した。
このモデルは、二項量子分類の散逸に基づくバージョンにとって特に重要である。
Cat-Qubitアーキテクチャは、人工ニューラルネットワークでアクティベーションライクな機能を実装できる可能性がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Today, the competition to build a quantum computer continues, and the number
of qubits in hardware is increasing rapidly. However, the quantum noise that
comes with this process reduces the performance of algorithmic applications, so
alternative ways in quantum computer architecture and implementation of
algorithms are discussed on the one hand. One of these alternative ways is the
hybridization of the circuit-based quantum computing model with the
dissipative-based computing model. Here, the goal is to apply the part of the
algorithm that provides the quantum advantage with the quantum circuit model,
and the remaining part with the dissipative model, which is less affected by
noise. This scheme is of importance to quantum machine learning algorithms that
involve highly repetitive processes and are thus susceptible to noise. In this
study, we examine dissipative information transfer to a qubit model called
Cat-Qubit. This model is especially important for the dissipative-based version
of the binary quantum classification, which is the basic processing unit of
quantum machine learning algorithms. On the other hand, Cat-Qubit architecture,
which has the potential to easily implement activation-like functions in
artificial neural networks due to its rich physics, also offers an alternative
hardware opportunity for quantum artificial neural networks. Numerical
calculations exhibit successful transfer of quantum information from reservoir
qubits by a repeated-interactions-based dissipative scheme.
- Abstract（参考訳）: 今日では量子コンピュータの競争が続き、ハードウェアにおける量子ビットの数は急速に増加している。
しかし、このプロセスに伴う量子ノイズはアルゴリズムアプリケーションの性能を低下させるため、量子コンピュータアーキテクチャやアルゴリズムの実装における別の方法が議論されている。
これらの方法の1つは、回路ベースの量子コンピューティングモデルと散逸ベースのコンピューティングモデルとのハイブリッド化である。
ここでの目標は、量子回路モデルに量子アドバンテージを提供するアルゴリズムの一部と、ノイズの影響が少ない散逸モデルに残りの部分を適用することである。
このスキームは、非常に反復的なプロセスを含む量子機械学習アルゴリズムにおいて重要であり、ノイズの影響を受けやすい。
本研究では,cat-qubit と呼ばれる qubit モデルへの散逸情報転送について検討する。
このモデルは、量子機械学習アルゴリズムの基本的な処理単位である二項量子分類の散逸ベースのバージョンで特に重要である。
一方、キャット量子ビットアーキテクチャは、その豊富な物理性のため、人工ニューラルネットワークにアクティベーションのような機能を簡単に実装できる可能性があり、量子人工ニューラルネットワークの代替ハードウェアの機会を提供する。
数値計算は、繰り返し相互作用に基づく散逸的スキームによる貯水池キュービットからの量子情報の転送に成功したことを示す。
関連論文リスト
- A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳（メタデータ） (2024-02-23T14:09:41Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳（メタデータ） (2023-04-18T11:57:15Z) - Learning To Optimize Quantum Neural Network Without Gradients [3.9848482919377006]
本稿では,量子回路のパラメータを出力するために,Emphmeta-Optimizerネットワークをトレーニングする新しいメタ最適化アルゴリズムを提案する。
我々は,従来の勾配に基づくアルゴリズムよりも回路評価が少ない場合に,より高品質な最小値が得られることを示す。
論文 参考訳（メタデータ） (2023-04-15T01:09:12Z) - Parametric Synthesis of Computational Circuits for Complex Quantum
Algorithms [0.0]
我々の量子シンセサイザーの目的は、ユーザーが高レベルなコマンドを使って量子アルゴリズムを実装できるようにすることである。
量子アルゴリズムを実装するための提案手法は、機械学習の分野で潜在的に有効である。
論文 参考訳（メタデータ） (2022-09-20T06:25:47Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳（メタデータ） (2022-04-12T19:39:31Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Variational learning for quantum artificial neural networks [0.0]
まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。
次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。
メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
論文 参考訳（メタデータ） (2021-03-03T16:10:15Z) - Resource-efficient encoding algorithm for variational bosonic quantum
simulations [0.0]
量子コンピューティングのノイズ中間スケール量子(NISQ)時代には、量子資源は限られている。
ボゾン基底と励起状態計算のための資源効率のよい量子アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-23T19:00:05Z) - Noise robustness and experimental demonstration of a quantum generative
adversarial network for continuous distributions [0.5249805590164901]
連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。
また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。
我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
論文 参考訳（メタデータ） (2020-06-02T23:14:45Z)
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。