論文の概要: Optimized experiment design and analysis for fully randomized
benchmarking
- arxiv url: http://arxiv.org/abs/2312.15836v1
- Date: Tue, 26 Dec 2023 00:41:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 16:20:05.284182
- Title: Optimized experiment design and analysis for fully randomized
benchmarking
- Title（参考訳）: 完全ランダム化ベンチマークのための最適実験設計と解析
- Authors: Alex Kwiatkowski, Laurent J. Stephenson, Hannah M. Knaack, Alejandra
L. Collopy, Christina M. Bowers, Dietrich Leibfried, Daniel H. Slichter,
Scott Glancy, Emanuel Knill
- Abstract要約: 完全ランダム化ベンチマークの利点について検討し、実験毎に新しいランダムシーケンスを描画する。
完全なランダム化の利点は、推論されたステップエラーに対する信頼区間が小さいことである。
我々は, クリフォードランダム化ベンチマーク実験において, 単一イオン量子ビット上のそのような改善を実験的に観察した。
- 参考スコア（独自算出の注目度）: 34.82692226532414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Randomized benchmarking (RB) is a widely used strategy to assess the quality
of available quantum gates in a computational context. RB involves applying
known random sequences of gates to an initial state and using the statistics of
a final measurement step to determine an effective depolarizing error per step
of the sequence, which is a metric of gate quality. Here we investigate the
advantages of fully randomized benchmarking, where a new random sequence is
drawn for each experimental trial. The advantages of full randomization include
smaller confidence intervals on the inferred step error, the ability to use
maximum likelihood analysis without heuristics, straightforward optimization of
the sequence lengths, and the ability to model and measure behaviors that go
beyond the typical assumption of time-independent error rates. We discuss
models of time-dependent or non-Markovian errors that generalize the basic RB
model of a single exponential decay of the success probability. For any of
these models, we implement a concrete protocol to minimize the uncertainty of
the estimated parameters given a fixed time constraint on the complete
experiment, and we implement a maximum likelihood analysis. We consider several
previously published experiments and determine the potential for improvements
with optimized full randomization. We experimentally observe such improvements
in Clifford randomized benchmarking experiments on a single trapped ion qubit
at the National Institute of Standards and Technology (NIST). For an experiment
with uniform lengths and intentionally repeated sequences the step error was
$2.42^{+0.30}_{-0.22}\times 10^{-5}$, and for an optimized fully randomized
experiment of the same total duration the step error was
$2.57^{+0.07}_{-0.06}\times 10^{-5}$. We find a substantial decrease in the
uncertainty of the step error as a result of optimized fully randomized
benchmarking.
- Abstract（参考訳）: ランダム化ベンチマーク(Randomized benchmarking, RB)は、利用可能な量子ゲートの品質を計算コンテキストで評価する手法である。
RBは、ゲートの既知のランダムなシーケンスを初期状態に適用し、最終的な測定ステップの統計を用いて、ゲート品質の計量であるシーケンスのステップ毎の効果的な非分極誤差を決定する。
本稿では,実験毎に新しいランダムシーケンスを描画する完全ランダム化ベンチマークの利点について検討する。
完全なランダム化の利点は、推定されたステップエラーの信頼区間の小さいこと、ヒューリスティックスなしで最大確率解析を使用できること、シーケンス長の簡単な最適化、時間非依存のエラー率の典型的な仮定を超えて振舞いをモデル化し測定する能力などである。
我々は、成功確率の単指数減衰の基本的なRBモデルを一般化する時間依存誤差または非マルコフ誤差のモデルについて議論する。
いずれのモデルに対しても、本実験における固定時間制約による推定パラメータの不確かさを最小限に抑えるための具体的なプロトコルを実装し、最大可能性解析を実装した。
我々は,前回公表した実験をいくつか検討し,最適化された完全ランダム化による改善の可能性について検討した。
我々は,国立標準技術研究所(NIST)の単一イオン量子ビットにおけるクリフォードランダム化ベンチマーク実験において,そのような改善を実験的に観察した。
均一な長さと意図的な繰り返しによる実験では、ステップエラーは2.42^{+0.30}_{-0.22}\times 10^{-5}$で、最適化された完全ランダム化実験では2.57^{+0.07}_{-0.06}\times 10^{-5}$であった。
最適化された完全ランダム化ベンチマークの結果,ステップエラーの不確かさが大幅に減少した。
関連論文リスト
- Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - On High dimensional Poisson models with measurement error: hypothesis
testing for nonlinear nonconvex optimization [13.369004892264146]
我々は高次元の回帰モデルの推定と検証を行い、データ解析に広く応用する。
ペナル化された一貫性を最小化することで回帰パラメータを推定する。
提案手法はアルツハイマー病イニシアチブに適用される。
論文 参考訳（メタデータ） (2022-12-31T06:58:42Z) - Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences
with Possibly Dependent Observations [44.71254888821376]
我々は、一般的な非データ生成プロセスの下で、最初のタイプIエラーと予測リジェクション時間保証を提供する。
本研究では, 平均処理効果など, 方程式を推定することによって定義されるパラメータの推測に, 結果を適用する方法を示す。
論文 参考訳（メタデータ） (2022-12-29T18:37:08Z) - Reliability analysis of discrete-state performance functions via
adaptive sequential sampling with detection of failure surfaces [0.0]
本稿では,レアイベント確率推定のための新しい効率的でロバストな手法を提案する。
この手法は、複数の障害タイプの確率を推定することができる。
この情報に対応して、推定確率の精度を高めることができる。
論文 参考訳（メタデータ） (2022-08-04T05:59:25Z) - Sampling Strategy Optimization for Randomized Benchmarking [4.7362989868031855]
ベンチマーク(RB)は、量子コンピューティングデバイスに実装されたゲートの平均忠実度を推定するために広く用いられる手法である。
本稿では, RB構成を最適化し, 推定忠実度の信頼区間を最小化する手法を提案する。
論文 参考訳（メタデータ） (2021-09-16T01:14:13Z) - Balancing Rates and Variance via Adaptive Batch-Size for Stochastic
Optimization Problems [120.21685755278509]
本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。
ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
論文 参考訳（メタデータ） (2020-07-02T16:02:02Z) - Individual Calibration with Randomized Forecasting [116.2086707626651]
予測値がランダムに設定された場合,各サンプルのキャリブレーションは回帰設定で可能であることを示す。
我々は、個別の校正を強制する訓練目標を設計し、それをランダム化された回帰関数の訓練に使用する。
論文 参考訳（メタデータ） (2020-06-18T05:53:10Z) - Minimax Estimation of Conditional Moment Models [40.95498063465325]
min-max基準関数を導入し,ゼロサムゲームの解法とみなすことができる。
任意の仮説空間に対する結果推定器の統計的推定速度を解析する。
修正された平均二乗誤差率と、逆問題の不備とが組み合わさって、平均二乗誤差率をもたらすことを示す。
論文 参考訳（メタデータ） (2020-06-12T14:02:38Z) - On the Optimality of Randomization in Experimental Design: How to
Randomize for Minimax Variance and Design-Based Inference [58.442274475425144]
条件平均値が与えられたセットで異なる場合の2本腕制御実験のミニマックス最適設計について検討する。
最適設計はカラスの混合戦略最適設計(MSOD)であることが示されている。
そこで,このような制約を受けるすべての設計において,最小値が最適である推論制約MSODを提案する。
論文 参考訳（メタデータ） (2020-05-06T21:43:50Z) - SUMO: Unbiased Estimation of Log Marginal Probability for Latent
Variable Models [80.22609163316459]
無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。
推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
論文 参考訳（メタデータ） (2020-04-01T11:49:30Z)
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。