論文の概要: Noise classification in small quantum networks by Machine Learning

• arxiv url: http://arxiv.org/abs/2405.01987v1
• Date: Fri, 3 May 2024 10:40:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 13:15:51.321309
• Title: Noise classification in small quantum networks by Machine Learning
• Title（参考訳）: 機械学習による小型量子ネットワークの雑音分類
• Authors: Shreyasi Mukherjee, Dario Penna, Fabio Cirinnà, Mauro Paternostro, Elisabetta Paladino, Giuseppe Falci, Luigi Giannelli,
• Abstract要約: 力学のマルコフ的特徴の認識を目的とした機械学習に基づく雑音分類について検討する。 Adiabatic Passage (TAPC) またはStimulated Raman Adiabatic Passage (STIRAP) によるコヒーレントトンネル制御を3レベルシステムで行う。 3つの非マルコフノイズ(準静的相関、反相関、非相関)とマルコフノイズ機構は99%の精度で分類される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate machine learning-based noise classification aimed at the recognition of the Markovian character of a dynamics and the identification of correlations of classical noise, as well as their interplay in small quantum networks. We operate control based on Coherent Tunneling by Adiabatic Passage (CTAP) or Stimulated Raman Adiabatic Passage (STIRAP) in a three-level system using different pulse configurations as inputs to train a feedforward neural network. Our results show that supervised learning can classify distinct types of classical diagonal noise affecting the system. Three non-Markovian (quasistatic correlated, anti-correlated, and uncorrelated) and Markovian noise mechanisms are classified with $99\%$ accuracy. Instead, correlations of Markovian noises cannot be classified with our method. The approach is robust against statistical measurement errors keeping its effectiveness even for physical measurements where a limited number of samples is available.
• Abstract（参考訳）: 本稿では,力学のマルコフ的特徴の認識と古典的雑音の相関関係の同定を目的とした機械学習に基づくノイズ分類と,量子ネットワークにおけるそれらの相互作用について検討する。 我々は、異なるパルス構成を入力とし、フィードフォワードニューラルネットワークをトレーニングする3レベルシステムにおいて、CTAP(Stimulated Raman Adiabatic Passage)またはSTIRAP(Stimulated Raman Adiabatic Passage)によるコヒーレントトンネルに基づく制御を運用する。 その結果,教師あり学習は,システムに影響を及ぼす古典的対角騒音の異なるタイプを分類できることがわかった。 3つの非マルコフ的(準静的相関、反相関、非相関)とマルコフ的ノイズ機構は99\%の精度で分類される。 代わりに、マルコフ雑音の相関は、我々の方法では分類できない。 このアプローチは、限られた数のサンプルが利用可能な物理的測定においても、その有効性を維持する統計的測定誤差に対して堅牢である。

関連論文リスト

• Spatially correlated classical and quantum noise in driven qubits: The good, the bad, and the ugly [0.0]
  複数の量子ビットにわたる相関ノイズは、スケーラブルな量子プロセッサを実現する上で大きな課題となる。 マルコフ雑音と非マルコフ雑音の両方を含む空間相関雑音下での駆動量子ビットの力学について検討した。 特に、量子極限において純粋に強調されるノイズは、遠くの量子ビットと相関するコヒーレントな長距離2量子ビットイジング相互作用を誘導する。
  論文  参考訳（メタデータ） (2023-08-06T08:34:49Z)
• Distinguishing quantum dynamics via Markovianity and Non-Markovianity [0.716879432974126]
  我々は、異なる種類の量子力学を示すXXスピン鎖を解析的に研究した。 マルコビアン性と非マルコビアン性の間の接続を構築します。 3種類の量子力学は、量子ビットのみを測定することで区別することができる。
  論文  参考訳（メタデータ） (2022-12-09T16:43:50Z)
• Certified Robustness of Quantum Classifiers against Adversarial Examples through Quantum Noise [68.1992787416233]
  量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。 我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
  論文  参考訳（メタデータ） (2022-11-02T05:17:04Z)
• Characterizing low-frequency qubit noise [55.41644538483948]
  量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。 ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。 この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T22:48:43Z)
• Error-Mitigated Simulation of Quantum Many-Body Scars on Quantum Computers with Pulse-Level Control [0.0]
  最大19箇所の混合場イジング鎖における反強磁性初期状態のダイナミクスをシミュレートする。 様々なエラー発生源が存在する場合でも,最大40段階まで継続するコヒーレントダイナミクスが見つかる。
  論文  参考訳（メタデータ） (2022-03-15T22:12:25Z)
• S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
  本稿では,ラベルノイズの存在下での分類の問題に対処する。 提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。 提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-22T15:49:20Z)
• Combating Noise: Semi-supervised Learning by Region Uncertainty Quantification [55.23467274564417]
  現在の手法は、擬似ラベルによって生成されるノイズの多い領域によって容易に妨げられる。 領域の不確実性を定量化して雑音耐性半教師付き学習を提案する。 PASCAL VOCとMS COCOの併用実験により,本手法の異常な性能を実証した。
  論文  参考訳（メタデータ） (2021-11-01T13:23:42Z)
• Community Detection in Weighted Multilayer Networks with Ambient Noise [8.21448246263952]
  本稿では,グローバル環境雑音の存在を考慮した多層重み付きネットワークのブロックモデルについて紹介する。 フィラデルフィア神経発達コホートに着目し,精神病症状と精神病との関連性について検討した。
  論文  参考訳（メタデータ） (2021-02-24T07:47:28Z)
• Learning Noise Transition Matrix from Only Noisy Labels via Total Variation Regularization [88.91872713134342]
  本稿では,雑音遷移行列を推定し,同時に分類器を学習する理論的基礎付け手法を提案する。 提案手法の有効性を,ベンチマークおよび実世界のデータセットを用いた実験により示す。
  論文  参考訳（メタデータ） (2021-02-04T05:09:18Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Gravitational-wave selection effects using neural-network classifiers [0.0]
  我々は、コンパクトバイナリ・マージから重力波信号のLIGO/Virgo検出性を予測するために、一連のニューラルネットワーク分類器を訓練する。 スピン沈降、高次モード、複数検出器の影響を含める。 我々のアプローチは完全なパイプライン注入と併用できるので、天体物理学とノイズトリガーの実際の分布を重力波の人口分析に含めるための道を開くことができる。
  論文  参考訳（メタデータ） (2020-07-13T18:00:04Z)

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。