Fugu-MT 論文翻訳(概要): Efficient learning of Sparse Pauli Lindblad models for fully connected qubit topology

論文の概要: Efficient learning of Sparse Pauli Lindblad models for fully connected qubit topology

arxiv url: http://arxiv.org/abs/2311.11639v1
Date: Mon, 20 Nov 2023 09:55:24 GMT
ステータス: 処理完了
システム内更新日: 2023-11-21 19:15:07.851020
Title: Efficient learning of Sparse Pauli Lindblad models for fully connected qubit topology
Title（参考訳）: 全連結量子ビットトポロジーのためのスパースポーリ・リンドブラッドモデルの効率的な学習
Authors: Jose Este Jaloveckas, Minh Tham Pham Nguyen, Lilly Palackal, Jeanette Miriam Lorenz, Hans Ehm
Abstract要約: 近年の研究では、量子ビットクロストークをキャプチャする基礎となるノイズモデルを学習することにより、エラーの軽減が実用的な量子コンピューティングの境界を押し進めることが示されている。我々は、ハードウェア上でそのようなノイズモデルを完全接続で学習するための理論的要件を拡張した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The challenge to achieve practical quantum computing considering current hardware size and gate fidelity is the sensitivity to errors and noise. Recent work has shown that by learning the underlying noise model capturing qubit cross-talk, error mitigation can push the boundary of practical quantum computing. This has been accomplished using Sparse Pauli-Lindblad models only on devices with a linear topology connectivity (i.e. superconducting qubit devices). In this work we extend the theoretical requirement for learning such noise models on hardware with full connectivity (i.e. ion trap devices).
Abstract（参考訳）: 現在のハードウェアサイズとゲート忠実性を考慮した実用的な量子コンピューティングを実現するための課題は、エラーやノイズに対する感度である。近年の研究では、量子ビットのクロストークを捉えるノイズモデルを学ぶことで、誤りの軽減が実用的な量子コンピューティングの境界を押し上げることが示されている。これは線形トポロジー接続(すなわち超伝導量子デバイス)を持つデバイス上でのみスパースポーリ・リンドブラッドモデルを用いて達成されている。本研究では,完全な接続性(イオントラップデバイス)を備えたハードウェア上でのノイズモデル学習のための理論的要件を拡張する。

関連論文リスト

Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
Quantum Compiling with Reinforcement Learning on a Superconducting Processor [55.135709564322624]
超伝導プロセッサのための強化学習型量子コンパイラを開発した。短絡の新規・ハードウェア対応回路の発見能力を示す。本研究は,効率的な量子コンパイルのためのハードウェアによるソフトウェア設計を実証する。
論文参考訳（メタデータ） (2024-06-18T01:49:48Z)
QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文参考訳（メタデータ） (2024-01-10T22:33:00Z)
Techniques for learning sparse Pauli-Lindblad noise models [0.3108011671896571]
パウリ回転に基づくツイリングを導入し、単一量子学習訂正シーケンスを自動生成する。また,グラフカラー化と一様被覆配列を利用して学習基地数を最小限に抑える基底選択手法を提案する。
論文参考訳（メタデータ） (2023-11-26T20:17:20Z)
Matrix product channel: Variationally optimized quantum tensor network to mitigate noise and reduce errors for the variational quantum eigensolver [0.0]
我々は,情報的に完全な測定によって提供される量子古典的インタフェースを利用する手法を開発した。量子ハードウェアと古典的ソフトウェアを併用するハイブリッド戦略は、純粋に古典的な戦略よりも優れていると我々は主張する。このアルゴリズムは、薬物設計の文脈におけるタンパク質-リガンド複合体の量子ハードウェアシミュレーションにおける最後の後処理ステップとして適用することができる。
論文参考訳（メタデータ） (2022-12-20T13:03:48Z)
Accelerating the training of single-layer binary neural networks using the HHL quantum algorithm [58.720142291102135]
Harrow-Hassidim-Lloyd (HHL) の量子力学的実装から有用な情報が抽出可能であることを示す。しかし,本論文では,HHLの量子力学的実装から有用な情報を抽出し,古典的側面における解を見つける際の複雑性を低減することを目的としている。
論文参考訳（メタデータ） (2022-10-23T11:58:05Z)
Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors [0.7299729677753102]
本稿では,大規模量子デバイスに相関するノイズやスケールを捕捉できるスパースノイズモデルを学習し,逆転するプロトコルを提案する。これらの進歩により、クロストークエラーを伴う超伝導量子プロセッサ上でのPECの実証が可能となった。
論文参考訳（メタデータ） (2022-01-24T18:40:43Z)
Achieving fault tolerance against amplitude-damping noise [1.7289359743609742]
我々は,振幅減衰雑音の存在下で,フォールトトレラントな量子コンピューティングコンポーネントのプロトコルを開発する。フォールトトレラントなエンコードガジェットの集合を記述し、ノイズの擬似閾値を計算する。我々の研究は、量子フォールトトレランスのアイデアをターゲット雑音モデルに適用する可能性を実証している。
論文参考訳（メタデータ） (2021-07-12T14:59:54Z)
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)
Fault-tolerant Coding for Quantum Communication [71.206200318454]
ノイズチャネルの多くの用途でメッセージを確実に送信するために、回路をエンコードしてデコードする。すべての量子チャネル$T$とすべての$eps>0$に対して、以下に示すゲートエラー確率のしきい値$p(epsilon,T)$が存在し、$C-epsilon$より大きいレートはフォールトトレラント的に達成可能である。我々の結果は、遠方の量子コンピュータが高レベルのノイズの下で通信する必要があるような、大きな距離での通信やオンチップでの通信に関係している。
論文参考訳（メタデータ） (2020-09-15T15:10:50Z)
Machine learning of noise-resilient quantum circuits [0.8258451067861933]
雑音の緩和と低減は、短期量子コンピュータから有用な答えを得るのに不可欠である。本稿では,量子回路における量子ハードウェアノイズの影響を低減するための機械学習に基づく汎用フレームワークを提案する。ノイズ対応回路学習(NACL)と呼ばれる手法は、ユニタリ変換を計算したり、量子状態のセットを作成したり、多ビット状態の観測可能な状態を推定したりするために設計された回路に適用される。
論文参考訳（メタデータ） (2020-07-02T15:43:32Z)

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。