論文の概要: Classically Spoofing System Linear Cross Entropy Score Benchmarking
- arxiv url: http://arxiv.org/abs/2405.00789v1
- Date: Wed, 1 May 2024 18:02:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-03 20:42:37.150804
- Title: Classically Spoofing System Linear Cross Entropy Score Benchmarking
- Title（参考訳）: 古典的スポーフィングシステム 線形クロスエントロピースコアベンチマーク
- Authors: Andrew Tanggara, Mile Gu, Kishor Bharti,
- Abstract要約: システム線形クロスエントロピースコア (SXES) は不協和なベンチマーク指標であることを示す。
本研究では,ある閾値より大きい雑音で劣化した実験のためにsXESをスプーフする古典的アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, several experimental groups have claimed demonstrations of ``quantum supremacy'' or computational quantum advantage. A notable first claim by Google Quantum AI revolves around a metric called the Linear Cross Entropy Benchmarking (Linear XEB), which has been used in multiple quantum supremacy experiments since. The complexity-theoretic hardness of spoofing Linear XEB has nevertheless been doubtful due to its dependence on the Cross-Entropy Quantum Threshold (XQUATH) conjecture put forth by Aaronson and Gunn, which has been disproven for sublinear depth circuits. In efforts on demonstrating quantum supremacy by quantum Hamiltonian simulation, a similar benchmarking metric called the System Linear Cross Entropy Score (sXES) holds firm in light of the aforementioned negative result due to its fundamental distinction with Linear XEB. Moreover, the hardness of spoofing sXES complexity-theoretically rests on the System Linear Cross-Entropy Quantum Threshold Assumption (sXQUATH), the formal relationship of which to XQUATH is unclear. Despite the promises that sXES offers for future demonstration of quantum supremacy, in this work we show that it is an unsound benchmarking metric. Particularly, we prove that sXQUATH does not hold for sublinear depth circuits and present a classical algorithm that spoofs sXES for experiments corrupted with noise larger than certain threshold.
- Abstract（参考訳）: 近年、いくつかの実験グループが『量子超越性』あるいは計算量子優位性の証明を主張している。
Google Quantum AIによる注目すべき最初の主張は、線形クロスエントロピーベンチマーク(Linear XEB)と呼ばれるメトリックを中心に展開されている。
線形XEBの複雑さ-理論的な硬さは、アーロンソンとガンが提唱したクロスエントロピー量子閾値(XQUATH)予想に依存しているため疑わしい。
量子ハミルトニアンシミュレーション(英語版)による量子超越性を実証する試みにおいて、SXES (System Linear Cross Entropy Score) と呼ばれる類似のベンチマーク指標は、上記の線形XEBと根本的な区別のため、上記の負の結果に固執する。
さらに、sXESの複雑さをスプーフィングすることの難しさ-理論上は系線形クロスエントロピー量子閾値推定(sXQUATH)にかかっているが、XQUATHとの形式的関係は不明確である。
sXESが将来の量子超越性の実証のために提供する約束にもかかわらず、この研究において、これは正当でないベンチマーク指標であることを示す。
特に,sXQUATHが線形深度回路を持たないことを示すとともに,ある閾値以上の雑音で劣化した実験のためにsXESをスプーフする古典的アルゴリズムを提案する。
関連論文リスト
- X-arability of mixed quantum states [0.351124620232225]
我々は, X-arability と呼ばれる分離性の概念を統一的に研究する。
純粋な状態 X の部分集合について、混合量子状態が X の凸包にある場合、X-アーブルであると述べる。
我々は、統一ツールを開発し、X-arabilityの保証を保証します。
論文 参考訳（メタデータ） (2024-09-27T17:49:59Z) - Witnessing Quantum Entanglement Using Resonant Inelastic X-ray Scattering [3.2509613040125878]
絡み合いは、量子多体系の理解において中心的な要素であり、量子技術にとって不可欠な資源である。
我々は、非エルミート演算子から量子フィッシャー情報(QFI)を抽出し、共振非弾性X線散乱(RIXS)のための絡み込み証人を定式化する手法を考案した。
エンタングルメントは標準条件下では検出が難しいが、進行するX線偏光を解析したり、運動量やエネルギーの特定の選択によって達成できる。
論文 参考訳（メタデータ） (2024-04-08T20:31:41Z) - A sharp phase transition in linear cross-entropy benchmarking [1.4841630983274847]
XEB理論における重要な問題は、量子状態の準備の忠実度を近似するかどうかである。
以前の研究では、XEBは、qudit $varepsilon$あたりのノイズレートが$varepsilon N ll 1$を満たす状態において、その忠実さを概ね近似していることを示している。
ここでは、XEBの忠実度プロキシとしての分解が、臨界値$varepsilon N$の急激な位相遷移として起こることを示す。
論文 参考訳（メタデータ） (2023-05-08T18:00:05Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳（メタデータ） (2022-12-22T16:06:24Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - Complexity-Theoretic Limitations on Quantum Algorithms for Topological
Data Analysis [59.545114016224254]
トポロジカルデータ解析のための量子アルゴリズムは、古典的手法よりも指数関数的に有利である。
我々は、量子コンピュータにおいても、TDA(ベッチ数の推定)の中心的なタスクが難解であることを示します。
我々は、入力データが単純さの仕様として与えられると、指数的量子優位性を取り戻すことができると論じる。
論文 参考訳（メタデータ） (2022-09-28T17:53:25Z) - Revealing the finite-frequency response of a bosonic quantum impurity [0.15729203067736902]
量子不純物は凝縮物質物理学においてユビキタスであり、多体問題の最も取り除かれた実現である。
我々は,非自明なボゾン不純物問題である境界正弦-ゴードンモデルの量子シミュレータを構築した。
この研究は、量子臨界点近傍における量子絡み合いの定量化など、未来のエキサイティングな視点を開く。
論文 参考訳（メタデータ） (2022-08-05T09:13:33Z) - Limitations of Linear Cross-Entropy as a Measure for Quantum Advantage [6.019061613604927]
2秒以内の1GPUで高いXEB値,すなわち実験結果の2-12%が得られる,効率的な古典的アルゴリズムを提案する。
XEBの脆弱性を特定・活用することにより、量子回路の完全なシミュレーションなしに高いXEB値が得られる。
論文 参考訳（メタデータ） (2021-12-03T00:37:10Z) - Experimental violations of Leggett-Garg's inequalities on a quantum
computer [77.34726150561087]
単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。
本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
論文 参考訳（メタデータ） (2021-09-06T14:35:15Z) - Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs.
Coded Systems [69.33243249411113]
パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。
我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
論文 参考訳（メタデータ） (2020-12-15T15:51:27Z) - On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。
また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文 参考訳（メタデータ） (2020-07-24T06:34:34Z)
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。