論文の概要: Shadow tomography with noisy readouts
- arxiv url: http://arxiv.org/abs/2310.17328v1
- Date: Thu, 26 Oct 2023 11:47:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 20:52:21.131562
- Title: Shadow tomography with noisy readouts
- Title(参考訳): ノイズのある読み出しを伴うシャドウトモグラフィ
- Authors: Hai-Chau Nguyen
- Abstract要約: シャドウトモグラフィー(シャドウトモグラフィー)は、量子コンピュータや量子シミュレータの量子状態を特徴付けるスケーラブルな手法である。
建設によって、古典的な影は本質的に読み出しノイズに敏感である。
古典的な影は、標準的な影よりもはるかに柔軟な構造を受け入れていることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Shadow tomography is a scalable technique to characterise the quantum state
of a quantum computer or quantum simulator. The protocol is based on the
transformation of the outcomes of random measurements into the so-called
classical shadows, which can later be transformed into samples of expectation
values of the observables of interest. By construction, classical shadows are
intrinsically sensitive to readout noise. In fact, the complicated structure of
the readout noise due to crosstalk appears to be detrimental to its
scalability. We show that classical shadows accept much more flexible
constructions beyond the standard ones, which can eventually be made more
conformable with readout noise. With this construction, we show that readout
errors in classical shadows can be efficiently mitigated by randomly flipping
the qubit before, and the classical outcome bit after the measurement, referred
to as $X$-twirling. That a single $X$-gate is sufficient for mitigating readout
noise for classical shadows is in contrast to Clifford-twirling, where the
implementation of random Clifford gates is required.
- Abstract(参考訳): シャドウトモグラフィ(shadow tomography)は、量子コンピュータや量子シミュレータの量子状態を特徴付けるスケーラブルな手法である。
このプロトコルは、ランダムな測定結果からいわゆる古典的な影への変換に基づいており、これは後に観測対象の期待値のサンプルに変換される。
構成上、古典的な影は本質的に読み出しノイズに敏感である。
実際、クロストークによる読み出しノイズの複雑な構造は、そのスケーラビリティを損なうものと思われる。
古典的な影は標準の影よりもはるかに柔軟な構造を受け入れており、最終的に読み出しノイズに適合できることを示す。
この構成により、従来のシャドウにおける読み出し誤差は、前回の量子ビットをランダムに反転させ、測定後の古典結果ビットをx$-twirlingと呼ぶことで効率的に軽減できることを示す。
古典的な影の読み出しノイズを軽減するのに1ドルx$ゲートが十分であることは、ランダムなクリフォードゲートの実装が必要となるクリフォード・トワイルリングとは対照的である。
関連論文リスト
- Stability of classical shadows under gate-dependent noise [0.4997673761305335]
現実的な実践では、ノイズベース下の影推定器の挙動を理解することが不可欠である。
我々は、影の推定に影響を及ぼす平均ノイズチャネルを特定し、ノイズによるバイアスのよりきめ細かい制御を可能にする。
論文 参考訳(メタデータ) (2023-10-30T19:00:18Z) - Quantum Shadow Gradient Descent for Quantum Learning [16.24064857928871]
そこで本研究では,従来の量子影とは対照的に量子影を生成する量子影サンプル(QSS)を新たに生成する手法を提案する。
第2の寄与として、より一般的な非積アンザッツを $expisum_jtheta_j A_j$ というモデルで調べる。
我々の証明はスズキ・トロッター近似に基づいているが、非積作用素を近似する以前の試みとは異なり、我々の表現は正確である。
論文 参考訳(メタデータ) (2023-10-10T18:45:43Z) - DocDeshadower: Frequency-aware Transformer for Document Shadow Removal [49.107557554811144]
DocDeshadowerはラプラシアンピラミッド上に構築された多周波トランスフォーマーベースのモデルである。
ラプラシアンピラミッドを用いて影画像を異なる周波数帯域に分解する。
Attention-Aggregation Networkは、画像の低周波部分の影を取り除くように設計されている。
Gated Multi-scale Fusion Transformerは、その大きな知覚場で全画像をグローバルスケールで洗練する。
論文 参考訳(メタデータ) (2023-07-28T05:35:37Z) - Latent Class-Conditional Noise Model [54.56899309997246]
本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。
次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。
提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
論文 参考訳(メタデータ) (2023-02-19T15:24:37Z) - Quantum Divide and Conquer for Classical Shadows [0.0]
本稿では,古典的な影を用いた観測者の期待値を推定するための分割・対流回路切断手法を提案する。
本手法は,多くの量子ビット上で非自明に作用する高次観測値の推定において,従来の非切断シャドウトモグラフィよりも優れることを示す。
論文 参考訳(メタデータ) (2022-12-01T18:50:15Z) - ShaDocNet: Learning Spatial-Aware Tokens in Transformer for Document
Shadow Removal [53.01990632289937]
本稿では,文書陰影除去のためのトランスフォーマーモデルを提案する。
シャドウとシャドウフリーの両方の領域で、シャドウコンテキストエンコーディングとデコードを使用する。
論文 参考訳(メタデータ) (2022-11-30T01:46:29Z) - On Classical and Hybrid Shadows of Quantum States [0.0]
古典的な影は、古典的なコンピュータ上の量子状態を保存するための計算的に効率的なアプローチである。
我々は、古典的な影を使って多体力学をシミュレートする利点と限界について論じる。
システムの一部の計測結果から構築されたハイブリッドシャドウの概念を導入する。
論文 参考訳(メタデータ) (2022-06-14T06:25:24Z) - Arbitrary-Scale Image Synthesis [149.0290830305808]
位置エンコーディングにより、1つの敵ネットワークをトレーニングし、異なるスケールの画像を生成することができる。
生成器の変換層に不変なスケール一貫性のある位置符号化の設計を提案する。
画像合成のための様々な一般的なデータセットに対して,連続したスケールの競合結果を示す。
論文 参考訳(メタデータ) (2022-04-05T15:10:43Z) - ContourRender: Detecting Arbitrary Contour Shape For Instance
Segmentation In One Pass [48.57232627854642]
一方のパスにおける輪郭点の回帰の難しさは、滑らかな輪郭をポリゴンに識別する際のあいまいさが主な原因である。
あいまいさに対処するために,textbfContourRender という新しい差別化可能なレンダリング方式を提案する。
まず、可逆形状シグネチャによって生成された輪郭を予測し、それから、より安定したシルエットで輪郭を最適化し、それを輪郭メッシュに変換してメッシュを2Dマップにレンダリングする。
論文 参考訳(メタデータ) (2021-06-07T07:23:03Z) - Classical Shadows With Noise [0.0]
従来のシャドウプロトコルにおけるノイズの影響について検討する。
我々は,局所雑音と大域雑音の両方に対する影セミノルムの観点から,サンプルの複雑さを解析的に上界に導出する。
その結果, 偏極雑音や振幅減衰の場合, 厳密な試料密度上限の証明に有効であることがわかった。
論文 参考訳(メタデータ) (2020-11-23T17:43:42Z) - Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。
量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。
これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
論文 参考訳(メタデータ) (2020-03-20T17:56:14Z)
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。