論文の概要: A generalized cycle benchmarking algorithm for characterizing mid-circuit measurements
- arxiv url: http://arxiv.org/abs/2406.02669v1
- Date: Tue, 4 Jun 2024 18:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 23:08:11.261264
- Title: A generalized cycle benchmarking algorithm for characterizing mid-circuit measurements
- Title（参考訳）: 中間回路計測のための一般化サイクルベンチマークアルゴリズム
- Authors: Zhihan Zhang, Senrui Chen, Yunchao Liu, Liang Jiang,
- Abstract要約: ミドルサーキット計測(MCM)は、フォールトトレラント量子計算の開発において重要な要素である。
我々は,サイクルベンチマークの一般化により,ノイズの多いMCMを特徴付けるアルゴリズムを開発した。
MCMにおける計測ノイズと状態準備ノイズの独立性をテストするために学習した情報を利用する方法を示す。
- 参考スコア（独自算出の注目度）: 7.3303270099680535
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mid-circuit measurement (MCM) is a crucial ingredient in the development of fault-tolerant quantum computation. While there have been rapid experimental progresses in realizing MCM, a systematic method for characterizing noisy MCM is still under exploration. In this work we develop an algorithm to characterize noisy MCM, via a generalization of cycle benchmarking -- a standard approach for characterizing the Pauli noise channel of Clifford gates. The key idea is to use a joint Fourier transform on the classical and quantum registers and then estimate parameters in the Fourier space, analogous to Pauli fidelities used in cycle benchmarking. Furthermore, we develop a theory of the noise learnability of MCM, which determines what information can be learned about the noise model (in the presence of state preparation and measurement noise) and what cannot, which shows that all learnable information can be learned using our algorithm. As an application, we show how to use the learned information to test the independence between measurement noise and state preparation noise in a MCM. Finally, we conduct numerical simulations to illustrate the practical applicability of the algorithm. Similar to cycle benchmarking, we expect the algorithm to provide a useful toolkit that is of experimental interest.
- Abstract（参考訳）: ミドルサーキット計測(MCM)は、フォールトトレラント量子計算の開発において重要な要素である。
MCMの実現には急激な実験的進展があったが、ノイズの多いMCMを特徴付ける体系的手法はまだ検討中である。
本研究では、クリフォードゲートのパウリノイズチャネルを特徴付ける標準的な手法であるサイクルベンチマークの一般化により、ノイズの多いMCMを特徴付けるアルゴリズムを開発する。
鍵となる考え方は、古典的および量子レジスタ上のジョイントフーリエ変換を使い、次にサイクルベンチマークで使用されるパウリのフィデリティに類似したフーリエ空間のパラメータを推定することである。
さらに, MCMの雑音学習可能性の理論を開発し, ノイズモデルについてどのような情報を学習できるか(状態準備, 測定ノイズの有無)と, 学習可能な情報はすべて, アルゴリズムを用いて学習可能であることを示す。
応用として,MCMにおける計測ノイズと状態準備ノイズの独立性をテストするために,学習情報を利用する方法を示す。
最後に,本アルゴリズムの実用性を示す数値シミュレーションを行う。
サイクルベンチマークと同様に、我々はアルゴリズムが実験的な関心を持つ有用なツールキットを提供することを期待している。
関連論文リスト
- Pauli Noise Learning for Mid-Circuit Measurements [0.0]
中間回路計測(MCM)におけるパウリ雑音の学習理論について紹介する。
MCMをベンチマークするスケーラブルな方法であるMCMサイクルベンチマークの作成に使用しています。
提案手法は既存のパウリ雑音学習手法に統合され,MCMを含む幅広い回路の特性評価とベンチマークを行うことができる。
論文 参考訳（メタデータ） (2024-06-13T16:35:16Z) - Provably Efficient Information-Directed Sampling Algorithms for Multi-Agent Reinforcement Learning [50.92957910121088]
本研究は,情報指向サンプリング(IDS)の原理に基づくマルチエージェント強化学習(MARL)のための新しいアルゴリズムの設計と解析を行う。
エピソディックな2プレーヤゼロサムMGに対して、ナッシュ平衡を学習するための3つのサンプル効率アルゴリズムを提案する。
我々は、Reg-MAIDSをマルチプレイヤー汎用MGに拡張し、ナッシュ平衡または粗相関平衡をサンプル効率良く学習できることを証明する。
論文 参考訳（メタデータ） (2024-04-30T06:48:56Z) - Nonparametric Evaluation of Noisy ICA Solutions [5.749787074942513]
ブラインドソース分離(BSS)モデルとして独立成分分析(ICA)が1980年代に導入された。
任意のガウス雑音を持つICAの正しいアルゴリズムを適応的に選択する非パラメトリックスコアを開発する。
論文 参考訳（メタデータ） (2024-01-16T16:18:17Z) - Provably Efficient Representation Learning with Tractable Planning in
Low-Rank POMDP [81.00800920928621]
部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究
まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。
次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
論文 参考訳（メタデータ） (2023-06-21T16:04:03Z) - A Bayesian Approach to Learning Bandit Structure in Markov Decision
Processes [33.82909347826552]
本研究では,ベイズ仮説テスト手法を用いて環境特性を学習するオンラインアルゴリズムを開発した。
CB設定では、我々のアルゴリズムはMDPベースのアルゴリズムよりも後悔の少ないが、非帯域のMDP設定では最適なポリシーを学習できることを示した。
論文 参考訳（メタデータ） (2022-07-30T15:18:11Z) - Characterizing and mitigating coherent errors in a trapped ion quantum
processor using hidden inverses [0.20315704654772418]
量子コンピューティングテストベッドは、量子ビットの小さな集合に対して高忠実な量子制御を示す。
これらのノイズの多い中間スケールデバイスは、デコヒーレンスの前に十分な数のシーケンシャルな操作をサポートすることができる。
これらのアルゴリズムの結果は不完全であるが、これらの不完全性は量子コンピュータのテストベッド開発をブートストラップするのに役立ちます。
論文 参考訳（メタデータ） (2022-05-27T20:35:24Z) - 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) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。
相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
論文 参考訳（メタデータ） (2020-09-07T16:47:30Z) - Scalable quantum processor noise characterization [57.57666052437813]
累積展開に基づく多ビットデバイスに対する近似的MCMを構築するためのスケーラブルな方法を提案する。
また,本手法は,様々な種類の相関誤差を特徴付けるためにも利用できる。
論文 参考訳（メタデータ） (2020-06-02T17:39:42Z) - Using deep learning to understand and mitigate the qubit noise
environment [0.0]
本稿では,量子ビット上の時間力学測定から正確な雑音スペクトルを抽出する手法を提案する。
任意の浴槽に囲まれた任意のキュービットに付随する雑音スペクトルを抽出するニューラルネットワークに基づく手法を実証する。
この結果は、様々なキュービットプラットフォームに適用でき、キュービット性能を改善するためのフレームワークを提供する。
論文 参考訳（メタデータ） (2020-05-03T17:13:14Z)
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。