論文の概要: Compressed-sensing Lindbladian quantum tomography with trapped ions

• arxiv url: http://arxiv.org/abs/2403.07462v1
• Date: Tue, 12 Mar 2024 09:58:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 22:12:53.348999
• Title: Compressed-sensing Lindbladian quantum tomography with trapped ions
• Title（参考訳）: イオンを捕捉した圧縮センシングリンドブレディアン量子トモグラフィ
• Authors: Dmitrii Dobrynin, Lorenzo Cardarelli, Markus M\"uller, Alejandro Bermudez
• Abstract要約: 量子システムの力学を特徴づけることは、量子情報プロセッサの開発における中心的な課題である。 従来の欠点を緩和するLindbladian quantum tomography(LQT)の2つの改良点を提案する。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Characterizing the dynamics of quantum systems is a central task for the development of quantum information processors (QIPs). It serves to benchmark different devices, learn about their specific noise, and plan the next hardware upgrades. However, this task is also very challenging, for it requires a large number of measurements and time-consuming classical processing. Moreover, when interested in the time dependence of the noise, there is an additional overhead since the characterization must be performed repeatedly within the time interval of interest. To overcome this limitation while, at the same time, ordering the learned sources of noise by their relevance, we focus on the inference of the dynamical generators of the noisy dynamics using Lindbladian quantum tomography (LQT). We propose two different improvements of LQT that alleviate previous shortcomings. In the weak-noise regime of current QIPs, we manage to linearize the maximum likelihood estimation of LQT, turning the constrained optimization into a convex problem to reduce the classical computation cost and to improve its robustness. Moreover, by introducing compressed sensing techniques, we reduce the number of required measurements without sacrificing accuracy. To illustrate these improvements, we apply our LQT tools to trapped-ion experiments of single- and two-qubit gates, advancing in this way the previous state of the art.
• Abstract（参考訳）: 量子システムのダイナミクスを特徴づけることは、量子情報プロセッサ(QIP)の開発における中心的な課題である。 さまざまなデバイスをベンチマークし、特定のノイズについて学び、次のハードウェアアップグレードを計画している。 しかし、このタスクは大量の測定と時間を要する古典的な処理を必要とするため、非常に難しい。 さらに、ノイズの時間依存性に関心がある場合、興味のある時間間隔内でキャラクタリゼーションを繰り返し実行する必要があるため、追加のオーバーヘッドがある。 この限界を克服すると同時に、学習したノイズ源をその関連性によって順序付けすると同時に、リンドブラジアン量子トモグラフィ(lqt)を用いた雑音力学の動的生成器の推論に焦点をあてる。 従来の欠点を緩和するLQTの2つの改良を提案する。 現在のQIPの弱雑音状態において、LQTの最大推定値を線形化し、制約された最適化を凸問題に変換し、古典的な計算コストを削減し、その堅牢性を向上させる。 また、圧縮センシング技術を導入することで、精度を犠牲にすることなく必要な測定回数を削減できる。 これらの改善を説明するために、LQTツールを単一および2量子ゲートのイオントラップ実験に適用し、この方法で従来の技術の現状を推し進める。

関連論文リスト

• Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
  本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。 単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
  論文  参考訳（メタデータ） (2024-03-28T19:29:12Z)
• Benchmarking Quantum Generative Learning: A Study on Scalability and Noise Resilience using QUARK [0.3624329910445628]
  本稿では,量子生成学習アプリケーションのスケーラビリティと耐雑音性について検討する。 厳密なベンチマーク手法を用いて、進捗を追跡し、QMLアルゴリズムのスケーリングにおける課題を特定する。 その結果,QGANはQCBMほど次元の呪いの影響を受けず,QCBMはノイズに耐性があることがわかった。
  論文  参考訳（メタデータ） (2024-03-27T15:05:55Z)
• Comparing resource requirements of noisy quantum simulation algorithms for the Tavis-Cummings model [0.0]
  フォールトトレラントな量子コンピュータは、古典的な計算では不可能な量子システムのシミュレーションを促進することができる。 デバイスノイズを緩和するための量子エラー緩和(QEM)や、古典的な最適化とパラメータ化量子回路を組み合わせた変分量子アルゴリズム(VQA)などがある。 ゼロノイズ外挿法(ZNE)と回路折り畳みによる雑音増幅法、インクリメンタル構造学習法(ISL)を比較した。 システムサイズが小さい場合,ISL は ZNE よりも誤差が小さいが,ZNE が優れている 4 キュービットに対して正しいダイナミクスを生成できないことがわかった。
  論文  参考訳（メタデータ） (2024-02-26T16:06:24Z)
• Optimized noise-assisted simulation of the Lindblad equation with time-dependent coefficients on a noisy quantum processor [0.6990493129893112]
  ノイズは、NISQ(Noisy Intermediate-Scale Quantum)デバイス上のオープンシステムのデジタル量子シミュレーションにおける資産となる。 最適化されたデコヒーレンス率制御方式を導入し、計算要求を桁違いに削減する。
  論文  参考訳（メタデータ） (2024-02-12T12:48:03Z)
• 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)
• Adaptive quantum error mitigation using pulse-based inverse evolutions [0.0]
  本稿では,ターゲット装置の雑音レベルに適応する適応KIKというQEM手法を提案する。 この手法の実装は実験的にシンプルであり、トモグラフィ情報や機械学習の段階は含まない。 我々は、IBM量子コンピュータと数値シミュレーションを用いて、我々の研究結果を実証した。
  論文  参考訳（メタデータ） (2023-03-09T02:50:53Z)
• Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement and measurement reduction [77.97248520278123]
  本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。 QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
  論文  参考訳（メタデータ） (2022-09-26T06:51:20Z)
• Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
  変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。 現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。 ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
  論文  参考訳（メタデータ） (2021-06-24T08:18:42Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。