論文の概要: Scalable noise characterisation of syndrome extraction circuits with averaged circuit eigenvalue sampling
- arxiv url: http://arxiv.org/abs/2404.06545v1
- Date: Tue, 9 Apr 2024 18:00:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 16:18:39.558521
- Title: Scalable noise characterisation of syndrome extraction circuits with averaged circuit eigenvalue sampling
- Title(参考訳): 平均回路固有値サンプリングを用いたシンドローム抽出回路のスケーラブルノイズ特性評価
- Authors: Evan T. Hockings, Andrew C. Doherty, Robin Harper,
- Abstract要約: 平均回路固有値サンプリング(ACES)は、量子回路のスケーラブルなノイズ特性化のための一般的なフレームワークである。
ACES 実験の性能を厳密に分析することにより,期待される性能に対するメリットの図形を導出する。
以上の結果から,ノイズの詳細な特徴付け手法は短期量子デバイスに拡張可能であることが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Characterising the performance of noisy quantum circuits is central to the production of prototype quantum computers and can enable improved quantum error correction that exploits noise biases identified in a quantum device. We describe an implementation of averaged circuit eigenvalue sampling (ACES), a general framework for the scalable noise characterisation of quantum circuits. ACES is capable of simultaneously estimating the Pauli error probabilities of all gates in a Clifford circuit, and captures averaged spatial correlations between gates implemented simultaneously in the circuit. By rigorously analysing the performance of ACES experiments, we derive a figure of merit for their expected performance, allowing us to optimise ACES experimental designs and improve the precision to which we estimate noise given fixed experimental resources. Since the syndrome extraction circuits of quantum error correcting codes are representative components of a fault-tolerant architecture, we demonstrate the scalability and performance of our ACES protocol through circuit-level numerical simulations of the entire noise characterisation procedure for the syndrome extraction circuit of a distance 25 surface code with over 1000 qubits. Our results indicate that detailed noise characterisation methods are scalable to near-term quantum devices. We release our code in the form of the Julia package AveragedCircuitEigenvalueSampling.jl.
- Abstract(参考訳): ノイズの多い量子回路の性能を特徴付けることは、試作量子コンピュータの製造の中心であり、量子デバイスで特定されたノイズバイアスを利用する量子エラー補正の改善を可能にする。
本稿では、量子回路のスケーラブルなノイズ特性化のための一般的なフレームワークである平均回路固有値サンプリング(ACES)の実装について述べる。
ACESはクリフォード回路内の全てのゲートのパウリ誤差確率を同時に推定し、回路内に同時に実装されたゲート間の平均空間相関をキャプチャする。
ACES実験の性能を厳密に分析することにより、ACES実験設計を最適化し、固定実験資源に与えられた騒音を推定する精度を向上させることができる。
量子誤り訂正符号のシンドローム抽出回路はフォールトトレラントアーキテクチャの代表的なコンポーネントであるため,1000キュービットを超える距離25面符号のシンドローム抽出回路に対する全ノイズキャラクタリゼーション手順の回路レベル数値シミュレーションにより,ACESプロトコルのスケーラビリティと性能を実証する。
以上の結果から,ノイズの詳細な特徴付け手法は短期量子デバイスに拡張可能であることが示唆された。
コードをJuliaパッケージのAveragedCircuitEigenvalueSampling.jlとしてリリースします。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳(メタデータ) (2024-04-17T11:00:12Z) - 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) - Dynamical subset sampling of quantum error correcting protocols [0.0]
本稿では, 耐故障性QECの例を例に, 動的サブセットサンプリングの機能を示す。
そこで本研究では,不整合パウリ雑音の強度$p = 10-3$の典型的な安定化器シミュレーションにおいて,論理的故障率に対して必要なサンプリング精度が得られることを示す。
論文 参考訳(メタデータ) (2023-09-22T10:32:20Z) - Efficiently improving the performance of noisy quantum computers [0.020255670159345252]
我々は、"Noiseless Output Extrapolation"と"Pauli Error Cancellation"という2つの効率的なエラー軽減プロトコルを開発し、実験的に検証する。
我々は、構造化回路とランダム回路の両方の性能を著しく改善し、未緩和出力よりも最大86%の変動距離を改良した。
論文 参考訳(メタデータ) (2022-01-25T23:20:14Z) - Learnability of the output distributions of local quantum circuits [53.17490581210575]
2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。
我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。
より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
論文 参考訳(メタデータ) (2021-10-11T18:00:20Z) - Efficient Noise Mitigation Technique for Quantum Computing [0.4306143768014157]
本稿では,雑音量子デバイスの平均出力を効率的に推定する新しいプロトコルを提案する。
4つのIBM Q 5量子ビット量子デバイス上で提案プロトコルの有効性を実証する。
論文 参考訳(メタデータ) (2021-09-10T23:23:03Z) - Performance of teleportation-based error correction circuits for bosonic
codes with noisy measurements [58.720142291102135]
テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。
マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
論文 参考訳(メタデータ) (2021-08-02T16:12:13Z) - Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。
これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。
シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文 参考訳(メタデータ) (2021-05-20T17:06:52Z) - Benchmarking near-term quantum computers via random circuit sampling [3.48887080077816]
我々は,任意の非クリフォードゲートの層によって誘導される雑音の総量を,サンプリング効率よく推定できるアルゴリズムを開発した。
我々のアルゴリズムは、Googleの量子超越実験にインスパイアされ、ランダム回路サンプリングに基づいている。
論文 参考訳(メタデータ) (2021-05-11T17:49:16Z) - Universal Dephasing Noise Injection via Schrodinger Wave Autoregressive
Moving Average Models [0.619788266425984]
本稿では,量子回路における任意のスペクトルのノイズ注入法を提案する。
この方法は、クラウドベースの量子プロセッサを含む任意の単一量子ビット回転を実行することができる任意のシステムに適用することができる。
論文 参考訳(メタデータ) (2021-02-05T19:00:08Z) - A deep learning model for noise prediction on near-term quantum devices [137.6408511310322]
我々は、量子デバイスからの実験データに基づいて畳み込みニューラルネットワークをトレーニングし、ハードウェア固有のノイズモデルを学ぶ。
コンパイラはトレーニングされたネットワークをノイズ予測器として使用し、期待されるノイズを最小限に抑えるために回路にゲートのシーケンスを挿入する。
論文 参考訳(メタデータ) (2020-05-21T17:47:29Z)
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。