論文の概要: Bayesian inference of general noise-model parameters from the syndrome statistics of surface codes

• arxiv url: http://arxiv.org/abs/2406.08981v3
• Date: Sun, 19 Oct 2025 23:55:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.050868
• Title: Bayesian inference of general noise-model parameters from the syndrome statistics of surface codes
• Title（参考訳）: 表面符号のシンドローム統計による一般雑音モデルパラメータのベイズ推定
• Authors: Takumi Kobori, Synge Todo,
• Abstract要約: シンドローム計測統計に基づくノイズモデル推定は,パウリ雑音に対して十分に確立されている。 本研究では,曲面符号のテンソルネットワークシミュレータを統合した一般雑音モデルに対するベイズ推定手法を提案する。 提案手法を静的, 時間変化, 非一様ケースなど, 様々なノイズモデルに適用する数値的な結果を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The performance of error correction in the surface code can be enhanced by leveraging the knowledge of the noise model for physical qubits. To provide accurate noise information to the decoder in parallel with quantum computation, an adaptive estimation of the noise model based on syndrome measurement statistics is an effective approach. While noise model estimation based on syndrome measurement statistics is well-established for Pauli noise, it remains unexplored for more complex and realistic scenarios such as amplitude damping which cannot be represented as a Pauli channel. In this paper, we propose Bayesian inference methods for general noise models, integrating a tensor network simulator of surface code, which can efficiently simulate various noise models, with Monte Carlo sampling techniques. For stationary noise, we propose a method based on the Markov chain Monte Carlo. For time-varying noise, which is a more realistic scenario, we introduce another method based on the sequential Monte Carlo. We present numerical results of applying our proposed methods to various noise models, such as static, time-varying, and nonuniform cases, and evaluate their performance in detail.
• Abstract（参考訳）: 物理量子ビットに対するノイズモデルの知識を活用することにより、表面符号における誤差補正の性能を向上させることができる。 量子計算と並行してデコーダに正確なノイズ情報を提供するため、シンドローム計測統計に基づくノイズモデルの適応的推定が有効なアプローチである。 シンドローム計測統計に基づくノイズモデル推定は、パウリのノイズに対して十分に確立されているが、パウリのチャネルとして表現できない振幅減衰のようなより複雑で現実的なシナリオについては、まだ探索されていない。 本稿では,モンテカルロサンプリング手法を用いて,様々なノイズモデルを効率的にシミュレートできる表面符号のテンソルネットワークシミュレータを統合することで,一般雑音モデルに対するベイズ推定手法を提案する。 定常雑音に対して,マルコフ連鎖モンテカルロに基づく手法を提案する。 より現実的なシナリオである時間変化ノイズに対しては、シーケンシャルなモンテカルロに基づく別の手法を導入する。 提案手法を静的,時変,不均一などの様々なノイズモデルに適用し,その性能を詳細に評価する。

関連論文リスト

• Diffusion Gaussian Mixture Audio Denoise [23.760755498636943]
  本稿では拡散モデルとガウス混合モデルに基づくデノナイズモデルであるDiffGMMモデルを提案する。 まず1D-U-Netを用いて特徴を抽出し,ガウス混合モデルのパラメータを推定する線形層を訓練する。 推定ノイズからノイズ信号を連続的に減算してクリーンオーディオ信号を出力する。
  論文  参考訳（メタデータ） (2024-06-13T14:18:10Z)
• Information limits and Thouless-Anderson-Palmer equations for spiked matrix models with structured noise [19.496063739638924]
  構造スパイクモデルに対するベイズ推定の飽和問題を考える。 適応的なThouless-Anderson-Palmer方程式の理論にインスパイアされた効率的なアルゴリズムを用いて、統計的限界を予測する方法を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:38:35Z)
• One Noise to Rule Them All: Learning a Unified Model of Spatially-Varying Noise Patterns [33.293193191683145]
  本稿では,複数種類のノイズを生成できる単一生成モデルを提案する。 また, 逆手続き材料設計の改善に本モデルを適用した。
  論文  参考訳（メタデータ） (2024-04-25T02:23:11Z)
• Blue noise for diffusion models [50.99852321110366]
  本稿では,画像内および画像間の相関雑音を考慮した拡散モデルを提案する。 我々のフレームワークは、勾配流を改善するために、1つのミニバッチ内に画像間の相関を導入することができる。 本手法を用いて,各種データセットの質的,定量的な評価を行う。
  論文  参考訳（メタデータ） (2024-02-07T14:59:25Z)
• Noisy Pair Corrector for Dense Retrieval [59.312376423104055]
  ノイズペアコレクタ(NPC)と呼ばれる新しい手法を提案する。 NPCは検出モジュールと修正モジュールから構成される。 我々は,テキスト検索ベンチマークのNatural QuestionとTriviaQA,コード検索ベンチマークのStaQCとSO-DSで実験を行った。
  論文  参考訳（メタデータ） (2023-11-07T08:27:14Z)
• Volumetric Benchmarking of Quantum Computing Noise Models [3.0098885383612104]
  本稿では、量子コンピューティングアプリケーションのためのノイズモデルベンチマークのための体系的なアプローチを提案する。 ハードウェア実験の結果と、量子回路の代表集合に対するノイズモデルの予測を比較する。 また、ノイズモデルを構築し、一連のトレーニング回路を用いてパラメータを最適化する。
  論文  参考訳（メタデータ） (2023-06-14T10:49:01Z)
• Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
  Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。 本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。 RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• Improving the Robustness of Summarization Models by Detecting and Removing Input Noise [50.27105057899601]
  本研究では,様々な種類の入力ノイズから,様々なデータセットやモデルサイズに対する性能損失を定量化する大規模な実験的検討を行った。 本稿では,モデル推論中の入力中のそのようなノイズを検出し,除去するための軽量な手法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T00:33:11Z)
• C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
  両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。 我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
  論文  参考訳（メタデータ） (2022-02-19T05:53:46Z)
• Multiview point cloud registration with anisotropic and space-varying localization noise [1.5499426028105903]
  我々は,高異方性定位雑音で劣化した複数点の雲を登録する問題に対処する。 既存の手法は、空間不変等方性雑音の暗黙の仮定に基づいている。 ノイズハンドリング戦略は,高レベルの異方性雑音に対するロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2022-01-03T15:21:24Z)
• Noise Estimation for Generative Diffusion Models [91.22679787578438]
  そこで本研究では,任意のステップの雑音パラメータを調整可能な,単純で汎用的な学習手法を提案する。 私たちのアプローチは計算コストが無視できるものです。
  論文  参考訳（メタデータ） (2021-04-06T15:46:16Z)
• Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
  勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。 ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。 分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
  論文  参考訳（メタデータ） (2020-06-15T18:31:02Z)

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。