論文の概要: Investigate the Performance of Distribution Loading with Conditional Quantum Generative Adversarial Network Algorithm on Quantum Hardware with Error Suppression

• arxiv url: http://arxiv.org/abs/2406.09341v1
• Date: Thu, 13 Jun 2024 17:21:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-14 16:25:49.652484
• Title: Investigate the Performance of Distribution Loading with Conditional Quantum Generative Adversarial Network Algorithm on Quantum Hardware with Error Suppression
• Title（参考訳）: 誤差抑圧型量子ハードウェアにおける条件量子生成逆数ネットワークアルゴリズムによる配電負荷特性の検討
• Authors: Anh Pham, Andrew Vlasic,
• Abstract要約: 本研究では、IBMの量子コンピューティングプラットフォームと統合されたFire Opalエラー抑制とAI回路最適化システムの有効性について検討した。 その結果, 条件量子生成逆数アルゴリズムが生成する時間依存分布を, シミュレータと比較すると30～40%改善できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.26013878609420266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The study examines the efficacy of the Fire Opal error suppression and AI circuit optimization system integrated with IBM's quantum computing platform for a multi-modal distribution loading algorithm. Using Kullback-Leibler (KL) divergence as a quantitative error analysis, the results indicate that Fire Opal can improve on the time-dependent distributions generated by our Conditional Quantum Generative Adversarial algorithm by 30-40\% in comparison with the results on the simulator. In addition, Fire Opal's performance remains consistent for complex circuits despite the needs to run more trials. The research concludes that Fire Opal's error suppression and circuit optimization significantly enhanced quantum computing processes, highlighting its potential for practical applications. In addition, the study also reviews leading error mitigation strategies, including zero noise extrapolation (ZNE), probabilistic error cancellation (PEC), Pauli twirling, measurement error mitigation, and machine learning methods, assessing their advantages and disadvantages in terms of technical implementation, quantum resources, and scalability.
• Abstract（参考訳）: 本研究は、マルチモーダル分散ローディングアルゴリズムにおいて、IBMの量子コンピューティングプラットフォームと統合されたFire Opalエラー抑制とAI回路最適化システムの有効性について検討した。 Kullback-Leibler (KL) の偏差を定量的な誤差解析として用いた結果, 条件量子生成逆数アルゴリズムが生成する時間依存分布を, シミュレータの結果と比較して30～40倍改善できることが示唆された。 さらに、ファイア・オパールの性能は、より多くのトライアルを実行する必要があるにもかかわらず、複雑な回路に対して一貫している。 この研究は、Fire Opalのエラー抑制と回路最適化が量子コンピューティングプロセスを大幅に強化し、実用的な応用の可能性を強調していると結論付けている。 さらに、この研究は、ゼロノイズ外挿(ZNE)、確率的エラーキャンセル(PEC)、パウリ・ツワイルリング(Pauli twirling)、測定誤差緩和(Message error mitigation)、機械学習手法などの主要なエラー軽減戦略をレビューし、技術的実装、量子リソース、スケーラビリティの観点からそれらの利点と欠点を評価した。

関連論文リスト

• Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
  変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。 本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。 また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
  論文  参考訳（メタデータ） (2024-04-17T11:00:12Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• 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)
• Experimental benchmarking of an automated deterministic error suppression workflow for quantum algorithms [0.0]
  量子コンピュータの約束に関する引用は、ハードウェアが例外的に脆弱でエラーを起こしやすいという現実に誘惑されている。 我々は、ゲートレベルから回路実行および測定まで、量子アルゴリズムのエラーを決定論的に抑制するために設計された完全に自律的なワークフローを記述し、実験的にテストする。
  論文  参考訳（メタデータ） (2022-09-14T18:23:17Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Performance Evaluations of Noisy Approximate Quantum Fourier Arithmetic [1.1140384738063092]
  量子コンピュータ上でQFTベースの整数加算と乗算を実装した。 これらの演算は様々な量子応用に基本的である。 我々はこれらの実装をIBMの超伝導量子ビットアーキテクチャに基づいて評価する。
  論文  参考訳（メタデータ） (2021-12-17T06:51:18Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• Polynomial unconstrained binary optimisation inspired by optical simulation [52.11703556419582]
  制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。 提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。 タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
  論文  参考訳（メタデータ） (2021-06-24T16:39:31Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)
• Randomized compiling for scalable quantum computing on a noisy superconducting quantum processor [0.0]
  コヒーレントエラーは予測不可能な方法で量子アルゴリズムの性能を制限する。 ランダム化ベンチマークと関連するプロトコルによって測定された平均誤差率は、コヒーレントエラーの完全な影響には敏感ではない。 この結果から,現代の雑音量子プロセッサの性能を生かし,予測するためにランダム化コンパイルが利用可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-01T06:52:45Z)
• Algorithmic Error Mitigation Scheme for Current Quantum Processors [0.0]
  本稿では,Lanczos法に着想を得た量子プロセッサのハードウェア非依存誤差軽減アルゴリズムを提案する。 我々は,IBM Quantumハードウェア上での数値シミュレーションと実験により,提案手法がコスト関数評価の精度を大幅に向上させることを示した。
  論文  参考訳（メタデータ） (2020-08-25T09:48:20Z)

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。