論文の概要: Benchmarking of universal qutrit gates

• arxiv url: http://arxiv.org/abs/2312.17418v2
• Date: Mon, 29 Jan 2024 19:09:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 18:16:10.071126
• Title: Benchmarking of universal qutrit gates
• Title（参考訳）: 普遍クォートゲートのベンチマーク
• Authors: David Amaro-Alcal\'a, Barry C. Sanders, Hubert de Guise
• Abstract要約: ユニバーサルキュートゲートセットのキャラクタリゼーション方式を提案する。 キュートリットシステムへの関心が高まっていることから,我々は,キュートリットTゲートの性能にスキームを特徴付けるために,我々の基準を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a characterisation scheme for a universal qutrit gate set. Motivated by the rising interest in qutrit systems, we apply our criteria to establish that our hyperdihedral group underpins a scheme to characterise the performance of a qutrit T gate. Our resulting qutrit scheme is feasible, as it requires resources and data analysis techniques similar to resources employed for qutrit Clifford randomised benchmarking. Combining our T gate benchmarking procedure for qutrits with known qutrit Clifford-gate benchmarking enables complete characterisation of a universal qutrit gate set.
• Abstract（参考訳）: 本稿では,ユニバーサルクトリットゲート集合のキャラクタリゼーションスキームを提案する。 量子力学系に対する関心の高まりに動機づけられ、我々の超二面体群がクトリット t ゲートの性能を特徴づけるためのスキームを基礎付けるための基準を適用した。 結果として得られたqutritスキームは実現可能であり、qutrit cliffordのランダム化ベンチマークに使用されるリソースに似たリソースとデータ分析技術が必要です。 クエトリットのTゲートベンチマークと既知のクエトリットのクリフォードゲートベンチマークを組み合わせることで、普遍クエトリットゲートセットの完全なキャラクタリゼーションが可能になる。

関連論文リスト

• Qudit non-Clifford interleaved benchmarking [0.0]
  クリフォードゲートの集合とは異なる雑音を持つクーディットTゲートを特徴付けるスキームを導入する。 qubitの場合に制限を加えることにより、二面体ベンチマークスキームを復元する。
  論文  参考訳（メタデータ） (2024-07-20T18:52:57Z)
• Randomised benchmarking for universal qudit gates [0.0]
  単一および複数量子系に対する対角形非クリフォードゲートを特徴付けるスケーラブルなスキームを確立する。 巡回演算子とキューディットTゲートを用いることで、シングルおよびマルチキューディット回路に対する二面体ベンチマークスキームを一般化する。
  論文  参考訳（メタデータ） (2024-07-15T02:16:02Z)
• How to Prune Your Language Model: Recovering Accuracy on the "Sparsity May Cry'' Benchmark [60.72725673114168]
  下流データセットの微調整中における正確なBERTプルーニングの問題を再考する。 そこで我々は,SMCベンチマークの挑戦においても,プルーニングを成功させるための一般的なガイドラインを提案する。
  論文  参考訳（メタデータ） (2023-12-21T03:11:30Z)
• Learning Classifiers of Prototypes and Reciprocal Points for Universal Domain Adaptation [79.62038105814658]
  Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。 主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。 既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
  論文  参考訳（メタデータ） (2022-12-16T09:01:57Z)
• Demonstrating scalable randomized benchmarking of universal gate sets [0.0]
  本稿では,多くの共通かつ連続的なパラメータ化ゲートセットのスケーラブルなランダム化(RB)手法を紹介し,実演する。 我々は、我々の手法を用いて、Advanced Quantum Testbedの4つのキュービット上の普遍ゲートセットをベンチマークする。 我々は、27量子ビットのIBM Qプロセッサでの実験を行い、我々の技術が多くの量子ビットにスケールできることを実証した。
  論文  参考訳（メタデータ） (2022-07-15T03:41:21Z)
• Three-fold way of entanglement dynamics in monitored quantum circuits [68.8204255655161]
  ダイソンの3つの円形アンサンブル上に構築された量子回路における測定誘起エンタングルメント遷移について検討する。 ゲートによる局所的絡み合い発生と測定による絡み合い低減との相互作用について考察した。
  論文  参考訳（メタデータ） (2022-01-28T17:21:15Z)
• Exact Recovery in the General Hypergraph Stochastic Block Model [92.28929858529679]
  本稿では,d-uniform hypergraph block model(d-HSBM)の正確な回復の基本的な限界について検討する。 精度の高いしきい値が存在し、正確な回復がしきい値の上に達成でき、その下には不可能であることを示す。
  論文  参考訳（メタデータ） (2021-05-11T03:39:08Z)
• Improving Problem Identification via Automated Log Clustering using Dimensionality Reduction [0.8122270502556374]
  我々は、同じ理由で失敗したランニングログを自動的にグループ化することで、より効果的に扱えるようにする。 システムログの問題を特定するために開発されたアプローチは、継続的デプロイメントログの問題を特定するために一般化されますか? クラスタリングアルゴリズムでクラスタをマージするための基準は、品質にどのように影響しますか?
  論文  参考訳（メタデータ） (2020-09-07T17:26:18Z)
• Characterization of Control in a Superconducting Qutrit Using Randomized Benchmarking [0.0]
  本研究では, 静電容量型フラックスバイアス超伝導回路の最低3エネルギーレベルに実装された量子ビットの制御を特徴付ける。 エラーは、主にデコヒーレンスによるもので、レベルシフトによる大きな貢献があることが分かりました。
  論文  参考訳（メタデータ） (2020-09-01T17:44:35Z)
• Refined Gate: A Simple and Effective Gating Mechanism for Recurrent Units [68.30422112784355]
  本稿では,この問題に対処する一般ゲートリカレントニューラルネットワークにおける新しいゲーティング機構を提案する。 提案したゲートは、抽出された入力特徴とバニラゲートの出力を直接的にショートする。 LSTM, GRU, MGUの3種類のゲートRNNに対して, 提案したゲーティング機構を検証する。
  論文  参考訳（メタデータ） (2020-02-26T07:51:38Z)
• Target-Embedding Autoencoders for Supervised Representation Learning [111.07204912245841]
  本稿では,対象空間が高次元な純粋教師付き環境における一般化の枠組みを解析する。 我々は、教師付き予測のための目標埋め込みオートエンコーダ(TEA)の一般的なフレームワークのモチベーションと形式化を行い、特徴とターゲットの予測の両方から予測可能なように最適化された中間潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-01-23T02:37:10Z)

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。