論文の概要: Quantum error mitigation and correction mediated by Yang-Baxter equation and artificial neural network

• arxiv url: http://arxiv.org/abs/2401.17116v1
• Date: Tue, 30 Jan 2024 15:50:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 14:17:29.740063
• Title: Quantum error mitigation and correction mediated by Yang-Baxter equation and artificial neural network
• Title（参考訳）: Yang-Baxter方程式と人工ニューラルネットワークによる量子誤差の緩和と補正
• Authors: Sahil Gulania, Yuri Alexeev, Stephen K. Gray, Bo Peng, Niranjan Govind
• Abstract要約: 本研究では,ニューラルネットワーク(ANN)とYang-Baxter方程式(YBE)を用いた量子エラーの緩和手法について検討する。 この写本は、量子エラー源の基礎を紹介し、古典的な計算を誤り軽減に活用する可能性を探っている。 我々は、量子シミュレーションからの部分的なデータに基づいてANNモデルをトレーニングし、時間発展する量子状態における誤りの修正の有効性を実証する。
• 参考スコア（独自算出の注目度）: 4.192606644923712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computing shows great potential, but errors pose a significant challenge. This study explores new strategies for mitigating quantum errors using artificial neural networks (ANN) and the Yang-Baxter equation (YBE). Unlike traditional error correction methods, which are computationally intensive, we investigate artificial error mitigation. The manuscript introduces the basics of quantum error sources and explores the potential of using classical computation for error mitigation. The Yang-Baxter equation plays a crucial role, allowing us to compress time dynamics simulations into constant-depth circuits. By introducing controlled noise through the YBE, we enhance the dataset for error mitigation. We train an ANN model on partial data from quantum simulations, demonstrating its effectiveness in correcting errors in time-evolving quantum states.
• Abstract（参考訳）: 量子コンピューティングは大きな可能性を秘めているが、エラーは大きな課題となる。 本研究では,ニューラルネットワーク (ANN) とヤン・バクスター方程式 (YBE) を用いた量子誤差の緩和手法について検討した。 計算集約的な従来の誤り訂正法とは異なり, 人工的誤り軽減について検討する。 この原稿は量子エラー源の基礎を紹介し、古典的な計算をエラー緩和に利用する可能性を探っている。 ヤン・バクスター方程式は重要な役割を担い、時間力学シミュレーションを一定の深さの回路に圧縮することができる。 YBEを通して制御ノイズを導入することにより、エラー軽減のためのデータセットを強化する。 量子シミュレーションによる部分データに基づくannモデルをトレーニングし,時間発展する量子状態における誤差補正の有効性を示す。

関連論文リスト

• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• The quantum adiabatic algorithm suppresses the proliferation of errors [0.29998889086656577]
  本稿では,アダバティックアルゴリズムにおける単一エラー事象の拡散を解析する。 以上の結果から,1回のエラーイベントがあっても低エネルギー状態が達成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-04-23T18:00:00Z)
• Machine Learning for Practical Quantum Error Mitigation [0.0]
  量子エラー軽減のための機械学習は、そのコストを大幅に削減することを示す。 本稿では,ML-QEMを用いて従来の緩和手法を模倣し,より優れた実行効率で拡張性を実現する方法を提案する。
  論文  参考訳（メタデータ） (2023-09-29T16:17:12Z)
• Transition Role of Entangled Data in Quantum Machine Learning [51.6526011493678]
  エンタングルメントは量子コンピューティングを強化するリソースとして機能する。 最近の進歩は量子力学の学習に対する肯定的な影響を浮き彫りにした。 我々は、絡み合ったデータを用いて量子力学を学習するための量子no-free-lunch(NFL)定理を確立する。
  論文  参考訳（メタデータ） (2023-06-06T08:06:43Z)
• 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)
• Purification-based quantum error mitigation of pair-correlated electron simulations [0.5939007745452041]
  超伝導量子ビット量子プロセッサの最大20ドルキュービット上で、時間(エチョ検証)と空間(仮想蒸留)の2倍の量子リソースに基づく誤差軽減性能の比較を行った。 精度の低い手法より1～2桁の誤差の減少を観測する。 精製に基づく誤差軽減による顕著な向上にもかかわらず、古典的に難解な変分化学シミュレーションには、ハードウェアの大幅な改良が必要であることが判明した。
  論文  参考訳（メタデータ） (2022-10-19T18:00:03Z)
• Model-Independent Error Mitigation in Parametric Quantum Circuits and Depolarizing Projection of Quantum Noise [1.5162649964542718]
  与えられたハミルトニアンの基底状態と低い励起を見つけることは、物理学の多くの分野において最も重要な問題の一つである。 Noisy Intermediate-Scale Quantum (NISQ) デバイス上の量子コンピューティングは、そのような計算を効率的に実行する可能性を提供する。 現在の量子デバイスは、今でも固有の量子ノイズに悩まされている。
  論文  参考訳（メタデータ） (2021-11-30T16:08:01Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Neural Error Mitigation of Near-Term Quantum Simulations [0.0]
  ニューラルネットワークを用いて地下状態と地下状態の観測器の推定を改善する新しい方法である$textitneural error mitigation$を紹介します。 その結果, ニューラルエラーの低減により, 数値計算と実験的VQE計算が向上し, 低エネルギー誤差が得られた。 提案手法は,複雑な量子シミュレーション問題を解くために,短期量子コンピュータの到達範囲を広げる有望な戦略である。
  論文  参考訳（メタデータ） (2021-05-17T18:00:57Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Crosstalk Suppression for Fault-tolerant Quantum Error Correction with Trapped Ions [62.997667081978825]
  本稿では、電波トラップで閉じ込められた1本のイオン列をベースとした量子計算アーキテクチャにおけるクロストーク誤差の研究を行い、個別に調整されたレーザービームで操作する。 この種の誤差は、理想的には、異なるアクティブな量子ビットのセットで処理される単一量子ゲートと2量子ビットの量子ゲートが適用されている間は、未修正のままであるオブザーバー量子ビットに影響を及ぼす。 我々は,第1原理からクロストーク誤りを微視的にモデル化し,コヒーレント対非コヒーレントなエラーモデリングの重要性を示す詳細な研究を行い,ゲートレベルでクロストークを積極的に抑制するための戦略について議論する。
  論文  参考訳（メタデータ） (2020-12-21T14:20:40Z)

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。