論文の概要: Neural network based time-resolved state tomography of superconducting qubits
- arxiv url: http://arxiv.org/abs/2312.07958v2
- Date: Fri, 15 Mar 2024 10:40:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 22:43:22.254953
- Title: Neural network based time-resolved state tomography of superconducting qubits
- Title(参考訳): ニューラルネットワークを用いた超伝導量子ビットの時間分解状態トモグラフィ
- Authors: Ziyang You, Jiheng Duan, Wenhui Huang, Libo Zhang, Song Liu, Youpeng Zhong, Hou Ian,
- Abstract要約: 個々の量子ビットに対して全状態トモグラフィーが可能な時間分解ニューラルネットワークを提案する。
このスケーラブルなアプローチは、キュービット当たりの専用モジュールで、低信号対雑音比で桁違いに読み出し誤差を緩和する。
- 参考スコア(独自算出の注目度): 9.775471166288503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Superconducting qubits have emerged as a premier platform for large-scale quantum computation, yet the fidelity of state readout is often hindered by random noise and crosstalk, especially in multi-qubit systems. While neural networks trained on labeled data have shown promise in reducing crosstalk effects during readout, their current capabilities are limited to binary discrimination of joint-qubit states due to architectural constraints. Here we introduce a time-resolved modulated neural network capable of full-state tomography for individual qubits, enabling detailed time-resolved measurements like Rabi oscillations. This scalable approach, with a dedicated module per qubit, mitigated readout error by an order of magnitude under low signal-to-noise ratios and substantially reduced variance in Rabi oscillation measurements. This advancement bolsters quantum state discrimination with neural networks, and propels the development of next-generation quantum processors with enhanced performance and scalability.
- Abstract(参考訳): 超伝導量子ビットは大規模量子計算の第一のプラットフォームとして登場したが、状態の読み出しの忠実さはランダムノイズやクロストーク、特にマルチキュービットシステムによって妨げられていることが多い。
ラベル付き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、読み出し時のクロストーク効果の低減を約束しているが、現在の能力は、アーキテクチャ上の制約により、結合量子状態のバイナリ識別に限定されている。
ここでは、個々の量子ビットのフルステートトモグラフィーが可能な時間分解変調ニューラルネットワークを導入し、Rabi発振のような詳細な時間分解計測を可能にする。
このスケーラブルなアプローチは、キュービット当たりの専用モジュールで、低信号-雑音比での桁違いの読み出し誤差を軽減し、Rabi振動測定のばらつきを大幅に低減する。
この進歩は、ニューラルネットワークによる量子状態の識別を促進し、パフォーマンスとスケーラビリティを向上した次世代量子プロセッサの開発を促進する。
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は、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。
スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。
分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。
本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
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。