Fugu-MT 論文翻訳(概要): Random Circuit Sampling: Fourier Expansion and Statistics

論文の概要: Random Circuit Sampling: Fourier Expansion and Statistics

arxiv url: http://arxiv.org/abs/2404.00935v1
Date: Mon, 1 Apr 2024 05:41:18 GMT
ステータス: 処理完了
システム内更新日: 2024-04-03 23:16:25.652313
Title: Random Circuit Sampling: Fourier Expansion and Statistics
Title（参考訳）: ランダム回路サンプリング:フーリエ展開と統計
Authors: Gil Kalai, Yosef Rinott, Tomer Shoham,
Abstract要約: 本稿では,フーリエ法と統計的解析を組み合わせることで,雑音の影響について検討する。解析手法とシミュレーションの両方を用いて、読み出しとゲートエラーの影響を調査し、分析を用いて、Googleの2019年の量子超越実験のサンプルを調査します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Considerable effort in experimental quantum computing is devoted to noisy intermediate scale quantum computers (NISQ computers). Understanding the effect of noise is important for various aspects of this endeavor including notable claims for achieving quantum supremacy and attempts to demonstrate quantum error correcting codes. In this paper we use Fourier methods combined with statistical analysis to study the effect of noise. In particular, we use Fourier analysis to refine the linear cross-entropy fidelity estimator. We use both analytical methods and simulations to study the effect of readout and gate errors, and we use our analysis to study the samples of Google's 2019 quantum supremacy experiment.
Abstract（参考訳）: 実験量子コンピューティングにおける考慮すべき取り組みは、ノイズの多い中間量子コンピュータ(NISQ)に向けられている。ノイズの効果を理解することは、量子超越性を達成するための顕著な主張や、量子誤り訂正符号の実証の試みを含む、この取り組みの様々な側面において重要である。本稿では,フーリエ法と統計的解析を組み合わせることで,雑音の影響について検討する。特にフーリエ解析を用いて線形クロスエントロピーフィデリティ推定器を改良する。解析手法とシミュレーションの両方を用いて、読み出しとゲートエラーの影響を調査し、分析を用いて、Googleの2019年の量子超越実験のサンプルを調査します。

関連論文リスト

Classical Verification of Quantum Learning Advantages with Noises [0.27930367518472443]
本稿では,量子フーリエサンプリング回路で得られるノイズのない結果を再構成する,効率的な古典的誤り訂正アルゴリズムを提案する。また、ランダムな例のオラクルにアクセス可能な古典的クライアントは、ノイズのある量子証明器によるパリティ学習結果の検証も可能であることを証明した。
論文参考訳（メタデータ） (2024-11-14T06:14:39Z)
Understanding and mitigating noise in molecular quantum linear response for spectroscopic properties on quantum computers [0.0]
本稿では、シミュレーションされたフォールトトレラント量子コンピュータの分光特性を求める量子線形応答理論について述べる。この研究は、量子アルゴリズムにおけるノイズの起源を分析し予測するための新しいメトリクスを導入している。パウリ省エネによる計測コストと騒音の低減効果を強調した。
論文参考訳（メタデータ） (2024-08-17T23:46:17Z)
Quantum noise modeling through Reinforcement Learning [38.47830254923108]
本稿では,量子チップに影響を及ぼすノイズを特徴付ける機械学習手法を導入し,シミュレーション中にエミュレートする。我々のアルゴリズムは強化学習を活用し、様々なノイズモデルを再現する際の柔軟性を向上させる。実超伝導量子ビット上でのシミュレーションおよび試験によりRLエージェントの有効性が検証された。
論文参考訳（メタデータ） (2024-08-02T18:05:21Z)
Quantum error mitigation for Fourier moment computation [49.1574468325115]
本稿では、超伝導量子ハードウェアにおける核効果場理論の文脈におけるフーリエモーメントの計算に焦点を当てる。この研究は、制御反転ゲートを用いたアダマール試験にエコー検証と雑音再正規化を統合した。ノイズモデルを用いて解析した結果,2桁のノイズ強度が顕著に低下することが判明した。
論文参考訳（メタデータ） (2024-01-23T19:10:24Z)
Full-counting statistics of particle distribution on a digital quantum computer [0.0]
FCS(Full-counting statistics)は、特徴関数からシステムの統計情報にアクセスする強力なフレームワークを提供する。本研究では, 相互作用系の粒子分布と累積を両立できるFCSの量子アルゴリズムを提案する。このアルゴリズムは、量子コンピュータ上での完全なカウント統計を研究するための道のりを示唆している。
論文参考訳（メタデータ） (2023-08-02T16:19:52Z)
Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
論文参考訳（メタデータ） (2023-04-06T22:05:21Z)
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)
Numerical Simulations of Noisy Quantum Circuits for Computational Chemistry [51.827942608832025]
短期量子コンピュータは、小さな分子の基底状態特性を計算することができる。計算アンサッツの構造と装置ノイズによる誤差が計算にどのように影響するかを示す。
論文参考訳（メタデータ） (2021-12-31T16:33:10Z)
Characterizing quantum instruments: from non-demolition measurements to quantum error correction [48.43720700248091]
量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
論文参考訳（メタデータ） (2021-10-13T18:00:13Z)
Statistical Aspects of the Quantum Supremacy Demonstration [0.0]
Googleのチームは、2019年に量子超越性(quantum supremacy)という注目すべき主張を発表した。本研究の目的は,量子コンピューティングと量子超越性を実証する統計的側面との関係を説明することである。 12量子ビットと14量子ビットの回路に主に焦点をあてたGoogleデータに関する予備的な研究が、論文全体にわたって議論されている。
論文参考訳（メタデータ） (2020-08-12T08:46:02Z)
Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
論文参考訳（メタデータ） (2020-06-02T23:14:45Z)

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。