論文の概要: Noise-Agnostic Quantum Error Mitigation with Data Augmented Neural Models

• arxiv url: http://arxiv.org/abs/2311.01727v2
• Date: Thu, 03 Apr 2025 13:30:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:54:43.066096
• Title: Noise-Agnostic Quantum Error Mitigation with Data Augmented Neural Models
• Title（参考訳）: データ強化ニューラルモデルによるノイズ非依存量子誤差低減
• Authors: Manwen Liao, Yan Zhu, Giulio Chiribella, Yuxiang Yang,
• Abstract要約: 我々は、ノイズを事前に知ることなく、ノイズのないデータをトレーニングすることなく、量子誤差軽減を実現するニューラルネットワークを構築した。 我々のアプローチは、量子回路や、多体・連続変数量子系の力学に適用される。
• 参考スコア（独自算出の注目度）: 9.023862258563893
• License:
• Abstract: Quantum error mitigation, a data processing technique for recovering the statistics of target processes from their noisy version, is a crucial task for near-term quantum technologies. Most existing methods require prior knowledge of the noise model or the noise parameters. Deep neural networks have a potential to lift this requirement, but current models require training data produced by ideal processes in the absence of noise. Here we build a neural model that achieves quantum error mitigation without any prior knowledge of the noise and without training on noise-free data. To achieve this feature, we introduce a quantum augmentation technique for error mitigation. Our approach applies to quantum circuits and to the dynamics of many-body and continuous-variable quantum systems, accommodating various types of noise models. We demonstrate its effectiveness by testing it both on simulated noisy circuits and on real quantum hardware.
• Abstract（参考訳）: ノイズの多いバージョンからターゲットプロセスの統計を復元するデータ処理技術である量子エラー軽減は、短期的な量子技術にとって重要な課題である。 既存の手法の多くは、ノイズモデルやノイズパラメータの事前知識を必要とする。 ディープニューラルネットワークは、この要件を解除する可能性があるが、現在のモデルは、ノイズのない理想的なプロセスによって生成されたトレーニングデータを必要とする。 ここでは、ノイズに関する事前の知識がなく、ノイズのないデータに関するトレーニングも必要とせず、量子エラー軽減を実現するニューラルネットワークを構築する。 この機能を実現するために,誤差軽減のための量子拡張手法を提案する。 提案手法は、多体・連続変数量子系の量子回路や力学に応用し、様々な種類のノイズモデルを調節する。 シミュレーションノイズ回路と実量子ハードウェアの両方で実効性を示す。

関連論文リスト

• Physics-inspired Machine Learning for Quantum Error Mitigation [15.243176527806126]
  量子エラー除去のための機械学習のための物理に着想を得たニューラルネットワークであるNNAS(Neural Noise Accumulation Surrogate)を紹介する。 NNASは多層回路に量子ノイズ蓄積の構造的特徴を取り入れ、物理的解釈性を持つモデルを提供する。 QEM法が通常苦労する深い回路では、NNASはエラーを半分以上削減する。
  論文  参考訳（メタデータ） (2025-01-08T15:07:48Z)
• Sparse Non-Markovian Noise Modeling of Transmon-Based Multi-Qubit Operations [0.0]
  量子力学におけるノイズの影響は、現在の量子プロセッサが正確な量子計算を行うのを防ぐ主要な要因の1つである。 本稿では,トランスモンデバイス上でのマルチキュービット動作の効果的なノイズモデリング手法を提案する。 本モデルでは,非時間的相関ノイズ源を含む1ビットおよび2ビットの幅広い振る舞いを捕捉し,予測できることが示されている。
  論文  参考訳（メタデータ） (2024-12-20T17:37:26Z)
• Bayesian Quantum Amplitude Estimation [49.1574468325115]
  本稿では,量子振幅推定のための雑音対応ベイズアルゴリズムであるBAEを紹介する。 我々は,BAEがハイゼンベルク限界推定を達成し,他の手法と比較した。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Quantum noise modeling through Reinforcement Learning [38.47830254923108]
  本稿では,量子チップに影響を及ぼすノイズを特徴付ける機械学習手法を導入し,シミュレーション中にエミュレートする。 我々のアルゴリズムは強化学習を活用し、様々なノイズモデルを再現する際の柔軟性を向上させる。 実超伝導量子ビット上でのシミュレーションおよび試験によりRLエージェントの有効性が検証された。
  論文  参考訳（メタデータ） (2024-08-02T18:05:21Z)
• 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)
• 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)
• Volumetric Benchmarking of Quantum Computing Noise Models [3.0098885383612104]
  本稿では、量子コンピューティングアプリケーションのためのノイズモデルベンチマークのための体系的なアプローチを提案する。 ハードウェア実験の結果と、量子回路の代表集合に対するノイズモデルの予測を比較する。 また、ノイズモデルを構築し、一連のトレーニング回路を用いてパラメータを最適化する。
  論文  参考訳（メタデータ） (2023-06-14T10:49:01Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Impact of quantum noise on the training of quantum Generative Adversarial Networks [0.0]
  我々は、異なる種類の量子ノイズが存在する場合の量子生成逆数ネットワーク(qGAN)の性能について、最初の研究を行う。 特に,qGAN学習過程におけるリードアウトと2ビットゲート誤差の影響について検討する。
  論文  参考訳（メタデータ） (2022-03-02T10:35:34Z)
• 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)
• Neural Error Mitigation of Near-Term Quantum Simulations [0.0]
  ニューラルネットワークを用いて地下状態と地下状態の観測器の推定を改善する新しい方法である$textitneural error mitigation$を紹介します。 その結果, ニューラルエラーの低減により, 数値計算と実験的VQE計算が向上し, 低エネルギー誤差が得られた。 提案手法は,複雑な量子シミュレーション問題を解くために,短期量子コンピュータの到達範囲を広げる有望な戦略である。
  論文  参考訳（メタデータ） (2021-05-17T18:00:57Z)

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。