論文の概要: Feed-Forward Probabilistic Error Cancellation with Noisy Recovery Gates

• arxiv url: http://arxiv.org/abs/2405.01833v1
• Date: Fri, 3 May 2024 03:47:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 13:55:11.041227
• Title: Feed-Forward Probabilistic Error Cancellation with Noisy Recovery Gates
• Title（参考訳）: ノイズ回復ゲートを用いたフィードフォワード確率誤差キャンセラ
• Authors: Leo Kurosawa, Yoshiyuki Saito, Xinwei Lee, Xinjian Yan, Ningyi Xie, Dongsheng Cai, Nobuyoshi Asai,
• Abstract要約: 我々は、FFPEC(Feed-Forward PEC)と呼ばれるゲート挿入によるノイズを考慮したPECの改良版を提案する。 FFPECは、リカバリゲートによって誘導されるノイズをキャンセルすることで、期待値の偏りのない推定器を提供する。 FFPEC は従来の PEC 法と比較して,ビットフリップおよび非偏極雑音の数値シミュレーションにより,より正確な予測値が得られることを示した。
• 参考スコア（独自算出の注目度）: 0.35898124827270983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Probabilistic Error Cancellation (PEC) aims to improve the accuracy of expectation values for observables.This is accomplished using the probabilistic insertion of recovery gates, which correspond to the inverse of errors.However, the inserted recovery gates also induce errors. Thus, it is difficult to obtain accurate expectation values with PEC since the estimator of PEC has a bias due to noise induced by recovery gates.To address this challenge, we propose an improved version of PEC that considers the noise resulting from gate insertion, called Feed-Forward PEC (FFPEC). FFPEC provides an unbiased estimator of expectation values by cancelling out the noise induced by recovery gates.We demonstrate that FFPEC yields more accurate expectation values compared to conventional PEC method through numerical simulations with bit-flip and depolarizing noises.
• Abstract（参考訳）: 確率的誤差キャンセラ (PEC) は可観測器の予測値の精度の向上を目的としており、これは誤りの逆に対応する回復ゲートの確率論的挿入を用いて達成されるが、挿入された回復ゲートもまた誤りを誘発する。 したがって,PECの予測値の精度は,回復ゲートによるノイズによるバイアスが大きいため,PECの正確な期待値を得ることは困難であり,この課題に対処するために,Fed-Forward PEC (FFPEC) と呼ばれるゲート挿入によるノイズを考慮した改良版PECを提案する。 FFPECはリカバリゲートによるノイズをキャンセルすることで予測値の偏りを推定し,ビットフリップおよび非偏極雑音による数値シミュレーションにより従来のPEC法と比較して精度の高い予測値が得られることを示した。

関連論文リスト

• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [63.32053223422317]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 特に、MDP上の分布によって誘導される値の分散を特徴付けることに焦点をあてる。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Locality and Error Mitigation of Quantum Circuits [0.7366405857677226]
  確率誤差キャンセラ法(PEC)とゼロノイズ外挿法(ZNE)の2つの主要な誤差軽減手法について検討・改善する。 PECでは、対象の局所観測値に対するユニタリ回路の光円錐を考慮に入れた新しい推定器を導入する。
  論文  参考訳（メタデータ） (2023-03-11T20:43:36Z)
• Automated quantum error mitigation based on probabilistic error reduction [0.9236074230806579]
  現在の量子コンピュータは、より長い計算から直接有用な結果の抽出を禁止しているノイズのレベルに悩まされている。 本稿では,ノイズトモグラフィとPERのユーザ指定回路への応用を含む,自動量子エラー軽減ソフトウェアフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-16T19:09:41Z)
• Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
  本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。 トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。 1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
  論文  参考訳（メタデータ） (2022-05-27T11:13:17Z)
• Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
  本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。 提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
  論文  参考訳（メタデータ） (2022-03-09T01:55:59Z)
• Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
  強靭性と精度のトレードオフは、敵文学において広く研究されている。 局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。 定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
  論文  参考訳（メタデータ） (2022-02-21T10:36:09Z)
• Loss-calibrated expectation propagation for approximate Bayesian decision-making [24.975981795360845]
  損失校正予測伝搬(Loss-EP)は,損失校正予測伝搬の変種である。 我々は、この非対称性が、近似で取得する「有用な」情報に劇的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-01-10T01:42:28Z)
• Extending quantum probabilistic error cancellation by noise scaling [1.2891210250935146]
  本稿では、確率的エラーキャンセル(PEC)とゼロノイズ外挿(ZNE)の2つの手法を組み合わせて一般化する量子エラー軽減のための一般的な枠組みを提案する。 PECは、ハードウェア上で実装可能なノイズの多い操作の線形結合として理想的な操作を表現している。 ZNE はゼロノイズ極限をよりよく近似するために用いられる。
  論文  参考訳（メタデータ） (2021-08-04T18:30:51Z)
• Error mitigation via verified phase estimation [0.25295633594332334]
  本稿では,量子位相推定に基づく新しい誤差低減手法を提案する。 制御量子ビットを使わずに機能に適応できることを示す。
  論文  参考訳（メタデータ） (2020-10-06T07:44:10Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)

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。