論文の概要: Neural network based time-resolved state tomography of superconducting qubits

• arxiv url: http://arxiv.org/abs/2312.07958v1
• Date: Wed, 13 Dec 2023 08:09:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-14 16:08:10.248380
• Title: Neural network based time-resolved state tomography of superconducting qubits
• Title（参考訳）: 超伝導量子ビットの時間分解状態トモグラフィーによるニューラルネットワーク
• Authors: Ziyang You, Jiheng Duan, Wenhui Huang, Libo Zhang, Song Liu, Youpeng Zhong, Hou Ian
• Abstract要約: 本稿では,個々の量子ビットのフル状態トモグラフィに適応する時間分解型変調ニューラルネットワークを提案する。 その結果,低信号-雑音比下での忠実度は23%向上し,Rabi測定では49%のばらつきが認められた。
• 参考スコア（独自算出の注目度）: 10.26566921257158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Random noise and crosstalk are the major factors limiting the readout fidelity of superconducting qubits, especially in multi-qubit systems. Neural networks trained on labeled measurement data have proven useful in mitigating the effects of crosstalk at readout, but their effectiveness is currently limited to binary discrimination of joint-qubit states by their architectures. We propose a time-resolved modulated neural network that adapts to full-state tomography of individual qubits, enabling time-resolved measurements such as Rabi oscillations. The network is scalable by pairing a module with each qubit to be detected for joint-state tomography. Experimental results demonstrate a 23% improvement in fidelity under low signal-to-noise ratio, along with a 49% reduction in variance in Rabi measurements.
• Abstract（参考訳）: ランダムノイズとクロストークは、特にマルチキュービットシステムにおいて、超伝導量子ビットの読み出し忠実性を制限する主要な要因である。 ラベル付き測定データに基づいてトレーニングされたニューラルネットワークは、読み取り時のクロストークの影響を軽減するのに有用であることが証明されている。 本稿では,個々の量子ビットのフルステートトモグラフィに適応し,ラビ振動などの時間分解計測を可能にする時間分解型変調ニューラルネットワークを提案する。 ネットワークは、結合状態トモグラフィで検出される各キュービットとモジュールを組み合わせることでスケーラブルである。 実験の結果,低信号対雑音比での忠実度は23%向上し,rabi測定のばらつきは49%低下した。

関連論文リスト

• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。 ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。 本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Low-latency machine learning FPGA accelerator for multi-qubit-state discrimination [1.6773398825542363]
  量子ビット状態を測定することは、量子コンピューティングにおいて基本的ながエラーを起こしやすい操作である。 ここでは、ニューラルネットワークをフィールドプログラマブルゲートアレイ(FPGA)上に展開するための統合的なアプローチを用いる。 マルチキュービット読み出しに完全接続型ニューラルネットワークアクセラレータを実装するのが有利であることを示す。
  論文  参考訳（メタデータ） (2024-07-04T11:34:43Z)
• 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)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
  量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。 量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。 ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T19:00:04Z)
• Machine Learning based Discrimination for Excited State Promoted Readout [0.0]
  励起状態促進(ESP)リードアウト(英語版)と呼ばれる手法が提案され、この効果が低減された。 本研究では、5量子IBMQデバイスからの読み出しデータを用いて、ディープニューラルネットワークの有効性を測定する。
  論文  参考訳（メタデータ） (2022-10-16T16:09:46Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• Monitoring fast superconducting qubit dynamics using a neural network [0.0]
  超伝導量子ビットの弱測定は、量子ビット状態と弱い相関を持つノイズの多い電圧信号を生成する。 従来の手法では、緩やかな量子ビットダイナミクスと、キャリブレーション実験の形でかなりの事前情報を必要とする。 そこで我々は,高速駆動型超伝導量子ビット軌道を正確に追跡する代替手法を実験的に実証した。
  論文  参考訳（メタデータ） (2021-08-26T20:25:31Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Anti-crosstalk high-fidelity state discrimination for superconducting qubits [3.886248147345244]
  超伝導多ビット系における単一量子ビットの状態の分類法は、クロストークの存在により、期待よりも低い忠実度を生成する。 浅層ニューラルネットワークの計測に使用されるデジタル信号処理(DSP)システムを,クロストークの影響を低減するための最適な分類器として訓練する。
  論文  参考訳（メタデータ） (2021-03-16T10:39:42Z)
• Scalable Neural Decoder for Topological Surface Codes [0.0]
  本稿では,雑音およびシンドローム測定誤差を考慮に入れた安定化符号群に対するニューラルネットワークに基づくデコーダを提案する。 重要なイノベーションは、エラーシンドロームを小さなスケールで自動デコードすることである。 このような前処理によって,実用アプリケーションにおいて最大2桁の誤差率を効果的に削減できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T19:02:09Z)

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。