論文の概要: Tuning Quantum Computing Privacy through Quantum Error Correction
- arxiv url: http://arxiv.org/abs/2312.14521v1
- Date: Fri, 22 Dec 2023 08:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 15:37:43.830504
- Title: Tuning Quantum Computing Privacy through Quantum Error Correction
- Title（参考訳）: 量子エラー補正による量子コンピューティングプライバシのチューニング
- Authors: Hui Zhong, Keyi Ju, Manojna Sistla, Xinyue Zhang, Xiaoqi Qin, Xin Fu,
Miao Pan
- Abstract要約: 本稿では,量子コンピューティングの誤差を低減するために,量子エラー補正技術を活用することを提案する。
量子コンピューティングにおけるプライバシ保護の度合いを規定する手段として,QECが有効な方法であることを示す。
- 参考スコア（独自算出の注目度）: 12.475140331375666
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computing is a promising paradigm for efficiently solving large and
high-complexity problems. To protect quantum computing privacy, pioneering
research efforts proposed to redefine differential privacy (DP) in quantum
computing, i.e., quantum differential privacy (QDP), and harvest inherent
noises generated by quantum computing to implement QDP. However, such an
implementation approach is limited by the amount of inherent noises, which
makes the privacy budget of the QDP mechanism fixed and uncontrollable. To
address this issue, in this paper, we propose to leverage quantum error
correction (QEC) techniques to reduce quantum computing errors, while tuning
the privacy protection levels in QDP. In short, we gradually decrease the
quantum noise error rate by deciding whether to apply QEC operations on the
gate in a multiple single qubit gates circuit. We have derived a new
calculation formula for the general error rate and corresponding privacy
budgets after QEC operation. Then, we expand to achieve further noise reduction
using multi-level concatenated QEC operation. Through extensive numerical
simulations, we demonstrate that QEC is a feasible way to regulate the degree
of privacy protection in quantum computing.
- Abstract（参考訳）: 量子コンピューティングは、大規模で複雑な問題を解決する上で有望なパラダイムである。
量子コンピューティングのプライバシを保護するため、量子コンピューティングにおける差分プライバシ(英語版)(qdp)を再定義し、量子コンピューティングによって生成された固有ノイズを収集してqdpを実装するための研究の先駆者となる。
しかしながら、そのような実装アプローチは、qdp機構のプライバシー予算を固定し制御不能にする固有のノイズの量によって制限される。
本稿では,量子誤り訂正(quantum error correction, qec)技術を用いて,qdpにおけるプライバシー保護レベルを調整しながら,量子コンピューティングの誤りを減らすことを提案する。
要するに、複数の単一キュービットゲート回路において、ゲートにQEC演算を適用するかどうかを決定することにより、量子ノイズエラー率を徐々に減少させる。
我々はQEC後の一般誤差率とそれに対応するプライバシー予算の新しい計算式を導出した。
そして、マルチレベル連結QEC演算を用いて、さらにノイズ低減を実現する。
広範な数値シミュレーションを通じて,量子コンピューティングにおけるプライバシ保護の程度を規定する手段としてQECが実現可能であることを示す。
関連論文リスト
- Bridging Quantum Computing and Differential Privacy: Insights into Quantum Computing Privacy [15.024190374248088]
微分プライバシー(DP)は量子領域、すなわち量子微分プライバシー(QDP)に拡張されている。
QDPは、プライバシ保護量子コンピューティングに対する最も有望なアプローチの1つになるかもしれない。
本稿では,QDPの各種実装とその性能を,DP設定下でのプライバシパラメータの観点から概説する。
論文 参考訳（メタデータ） (2024-03-14T08:40:30Z) - 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) - 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) - Harnessing Inherent Noises for Privacy Preservation in Quantum Machine
Learning [11.45148186874482]
我々は,量子機械学習におけるデータプライバシ保護に固有の量子ノイズを活用することを提案する。
特に、ノイズ中規模量子(NISQ)デバイスを考えると、避けられないショットノイズと非コヒーレントノイズを利用する。
論文 参考訳（メタデータ） (2023-12-18T11:52:44Z) - Differential Privacy Preserving Quantum Computing via Projection Operator Measurements [15.024190374248088]
古典コンピューティングでは、プライバシ保護の標準を満たすために、差分プライバシ(DP)の概念を組み込むことができる。
量子コンピューティングのシナリオでは、研究者は量子ノイズを考慮して古典DPを量子微分プライバシー(QDP)に拡張した。
ショットノイズは、量子コンピューティングにおいて、効果的にプライバシ保護を提供することを示す。
論文 参考訳（メタデータ） (2023-12-13T15:27:26Z) - Blind quantum machine learning with quantum bipartite correlator [13.533591812956018]
本稿では,量子二部相関アルゴリズムに基づく新しい盲点量子機械学習プロトコルを提案する。
当社のプロトコルは、信頼できない関係者からのデータのプライバシーを維持しながら、通信オーバーヘッドを減らした。
論文 参考訳（メタデータ） (2023-10-19T16:42:32Z) - QuBEC: Boosting Equivalence Checking for Quantum Circuits with QEC
Embedding [4.15692939468851]
本稿では,従来の手法に比べてレイテンシの低い量子同値チェック手法QuBECを提案する。
提案手法は,ベンチマーク回路の検証時間を最大271.49倍に短縮する。
論文 参考訳（メタデータ） (2023-09-19T16:12:37Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Quantum Imitation Learning [74.15588381240795]
本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。
量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。
実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-04-04T12:47:35Z) - Delegated variational quantum algorithms based on quantum homomorphic
encryption [69.50567607858659]
変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。
クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。
量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
論文 参考訳（メタデータ） (2023-01-25T07:00:13Z) - Optimal Stochastic Resource Allocation for Distributed Quantum Computing [50.809738453571015]
本稿では,分散量子コンピューティング(DQC)のためのリソース割り当て方式を提案する。
本評価は,提案手法の有効性と,量子コンピュータとオンデマンド量子コンピュータの両立性を示すものである。
論文 参考訳（メタデータ） (2022-09-16T02:37:32Z)
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。
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。