論文の概要: Noise-mitigated randomized measurements and self-calibrating shadow estimation

• arxiv url: http://arxiv.org/abs/2403.04751v1
• Date: Thu, 7 Mar 2024 18:53:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-08 12:55:55.346023
• Title: Noise-mitigated randomized measurements and self-calibrating shadow estimation
• Title（参考訳）: 雑音緩和型ランダム化測定と自己校正影推定
• Authors: E. Onorati, J. Kitzinger, J. Helsen, M. Ioannou, A. H. Werner, I. Roth, J. Eisert
• Abstract要約: ランダム化測定の誤差軽減手法を導入し,ロバストなシャドウ推定手法を提案する。 実用面では, 量子実験と同じセッションを用いて, 誤差緩和と影推定を行うことができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Randomized measurements are increasingly appreciated as powerful tools to estimate properties of quantum systems, e.g., in the characterization of hybrid classical-quantum computation. On many platforms they constitute natively accessible measurements, serving as the building block of prominent schemes like shadow estimation. In the real world, however, the implementation of the random gates at the core of these schemes is susceptible to various sources of noise and imperfections, strongly limiting the applicability of protocols. To attenuate the impact of this shortcoming, in this work we introduce an error-mitigated method of randomized measurements, giving rise to a robust shadow estimation procedure. On the practical side, we show that error mitigation and shadow estimation can be carried out using the same session of quantum experiments, hence ensuring that we can address and mitigate the noise affecting the randomization measurements. Mathematically, we develop a picture derived from Fourier-transforms to connect randomized benchmarking and shadow estimation. We prove rigorous performance guarantees and show the functioning using comprehensive numerics. More conceptually, we demonstrate that, if properly used, easily accessible data from randomized benchmarking schemes already provide such valuable diagnostic information to inform about the noise dynamics and to assist in quantum learning procedures.
• Abstract（参考訳）: ランダム化測定は量子システムの特性を推定する強力なツールとして評価され、例えば、ハイブリッド古典量子計算のキャラクタリゼーションにおいて評価されている。 多くのプラットフォームでは、それらはネイティブアクセス可能な測定値を構成し、シャドウ推定のような顕著なスキームのビルディングブロックとして機能する。 しかし、現実の世界では、これらのスキームのコアにおけるランダムゲートの実装は様々なノイズや不完全性の源に影響を受けやすく、プロトコルの適用性を強く制限している。 本研究は,この欠点の影響を軽減するために,ランダム化測定の誤差軽減手法を導入し,ロバストなシャドウ推定手法を提案する。 実用的側面として,同じ量子実験のセッションを用いて誤差緩和と影推定を行うことで,ランダム化測定に影響を及ぼすノイズを解決し緩和できることを示す。 数学的には、ランダム化ベンチマークと影推定を結合するフーリエ変換から導出した画像を開発する。 厳密な性能保証を証明し,包括的数値を用いて機能を示す。 より概念的には、適切に使用すれば、ランダム化ベンチマークスキームから容易にアクセス可能なデータが、ノイズダイナミクスに関する情報や量子学習手順の支援のために、すでに貴重な診断情報を提供していることを実証する。

関連論文リスト

• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Error Mitigation Thresholds in Noisy Random Quantum Circuits [0.30723404270319693]
  ノイズが不完全である場合の確率的誤差キャンセルとテンソルネットワークの誤差軽減のロバスト性について検討する。 1次元の回路では、誤差軽減は障害の特徴づけにおける不完全性に対して$mathcalO(1)$の時間で失敗する。 本稿では, 量子計算の優位性, 測定誘起相転移の耐故障プローブ, および短期デバイスにおける量子アルゴリズムの検証について考察する。
  論文  参考訳（メタデータ） (2023-02-08T19:00:01Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Control-enhanced quantum metrology under Markovian noise [10.626708718934022]
  本稿では,現実的な雑音を抑えるために,制御強化型量子メトロジー手法を提案する。 実演として、いくつかの典型的なマルコフノイズチャネルの下での周波数推定問題に適用する。 提案手法は性能が向上し,最大1桁の精度で推定精度が向上することを示す。
  論文  参考訳（メタデータ） (2022-11-03T13:39:47Z)
• Characterizing and mitigating coherent errors in a trapped ion quantum processor using hidden inverses [0.20315704654772418]
  量子コンピューティングテストベッドは、量子ビットの小さな集合に対して高忠実な量子制御を示す。 これらのノイズの多い中間スケールデバイスは、デコヒーレンスの前に十分な数のシーケンシャルな操作をサポートすることができる。 これらのアルゴリズムの結果は不完全であるが、これらの不完全性は量子コンピュータのテストベッド開発をブートストラップするのに役立ちます。
  論文  参考訳（メタデータ） (2022-05-27T20:35:24Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
  雑音分布の明示的な表現に依存しない新しい計画法を提案する。 まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。 いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
  論文  参考訳（メタデータ） (2021-10-25T06:18:55Z)
• Entanglement characterization by single-photon counting with random noise [0.0]
  極性測定と最大誤差推定(MLE)を組み合わせた絡み合い特性の問題点について検討する。 ランダムな実験誤差によって測定結果が歪んだ場合、現実的なシナリオが考慮される。 数値シミュレーションの結果はグラフ上に描かれ、議論されている。
  論文  参考訳（メタデータ） (2021-03-11T19:00:02Z)
• Robust shadow estimation [1.7205106391379026]
  本稿では,Huang,Kueng,Preskillが最近提案したシャドウ推定プロトコルにおける誤りの軽減方法について述べる。 標準的なシャドウ推定方式に実験的にフレンドリなキャリブレーション段階を加えることで、我々の頑健なシャドウ推定アルゴリズムは量子系の古典的なシャドウの偏りのない推定値を得ることができる。
  論文  参考訳（メタデータ） (2020-11-19T03:46:49Z)

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。