論文の概要: Overdispersion in gate tomography: Experiments and continuous, two-scale random walk model on the Bloch sphere
- arxiv url: http://arxiv.org/abs/2407.03970v1
- Date: Thu, 4 Jul 2024 14:44:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-08 17:33:44.197516
- Title: Overdispersion in gate tomography: Experiments and continuous, two-scale random walk model on the Bloch sphere
- Title(参考訳): ゲートトモグラフィーにおける過分散:ブロッホ球における実験と連続2スケールランダムウォークモデル
- Authors: Wolfgang Nowak, Tim Brünnette, Merel Schalkers, Matthias Möller,
- Abstract要約: 既存のノイズモデルでは,アルゴリズムのランタイム上でのノイズ効果の凝集を適切に捉えることができないことを示す。
ゲート操作数の関数として読み出し確率のノイズモデルを開発する。
過分散を考慮した2番目のランダムウォークを複数の読み出しスケールで重畳する。
- 参考スコア(独自算出の注目度): 0.6249768559720122
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Noisy intermediate-scale quantum computers (NISQ) are in their childhood, but showing high promise. One main concern for NISQ machines is their inherent noisiness, as the qubit states are subject to disturbances with each algorithmic operation applied. In this study, we conduct experiments on quantum noise. Based on our data, we show that existing noise models fail to properly capture the aggregation of noise effects over an algorithm's runtime. They are underdispersed, meaning that observable frequencies scatter much more between repeated experiments than what the standard assumptions of the binomial distribution allow for. We develop noise model for the readout probabilities as a function of the number of gate operations. The model is based on a continuous random walk on the (Bloch) sphere, where the angular diffusion coefficient characterizes the noisiness of gate operations. We superimpose a second random walk at the scale of multiple readouts to account for overdispersion. The interaction of these two random walks predicts theoretical, runtime-dependent bounds for probabilities. Overall, it is a three-parameter distributional model that fits the data better than the corresponding one-scale model (without overdispersion). We demonstrate the fit and the plausibility of the predicted bounds via Bayesian data-model analysis.
- Abstract(参考訳): ノイズの多い中間規模量子コンピュータ(NISQ)は幼少期であるが、高い可能性を秘めている。
NISQマシンの最大の関心事は、キュービット状態が各アルゴリズム操作で障害を受けるため、その固有のノイズ性である。
本研究では,量子ノイズに関する実験を行う。
我々のデータから、既存のノイズモデルでは、アルゴリズムのランタイム上でのノイズ効果の凝集を適切に捉えることができないことを示す。
観測可能な周波数は、二項分布の標準的な仮定が許すものよりも、繰り返しの実験の間にずっと散らばっている。
ゲート操作数の関数として読み出し確率のノイズモデルを開発する。
このモデルは (Bloch) 球面上の連続的ランダムウォークに基づいており、角拡散係数はゲート操作のノイズを特徴づける。
過分散を考慮した2番目のランダムウォークを複数の読み出しスケールで重畳する。
これら2つのランダムウォークの相互作用は、確率の理論的、実行に依存した境界を予測する。
全体として、これは3パラメータの分布モデルであり、対応する1スケールモデルよりも(オーバー分散なしで)データに適合する。
ベイジアンデータモデル解析により,予測境界の適合性と妥当性を示す。
関連論文リスト
- von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。
結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。
後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文 参考訳(メタデータ) (2024-06-19T01:57:21Z) - Your Absorbing Discrete Diffusion Secretly Models the Conditional Distributions of Clean Data [55.54827581105283]
本研究では, 吸収拡散の具体的なスコアを, クリーンデータの条件付き確率として表すことができることを示す。
時間に依存しない条件付き確率を特徴付ける時間条件のない専用拡散モデルを提案する。
5つのゼロショット言語モデルベンチマークにおける拡散モデル間のSOTA性能を実現する。
論文 参考訳(メタデータ) (2024-06-06T04:22:11Z) - Stochastic Error Cancellation in Analog Quantum Simulation [0.6410191755165466]
シミュレータの実際のハミルトニアンが対象のハミルトニアンと異なる誤差モデルを考える。
誤差キャンセルにより、誤差は線形ではなく、キュービット数の平方根としてスケールすることを示す。
また,時間進化の終端における目標状態とノイズの存在下で得られる実状態との間には,誤りの解消が生じることも示している。
論文 参考訳(メタデータ) (2023-11-24T19:25:08Z) - Limitations of probabilistic error cancellation for open dynamics beyond
sampling overhead [1.1864834557465163]
確率的誤差キャンセルのような手法は、進化を有限時間ステップに離散化し、各時間ステップの後に緩和層を適用することに依存する。
これは、たとえエラー軽減が理想的に実装されたとしても、シミュレーション結果にトロッターのようなエラーを引き起こす可能性がある。
シミュレーション対象のユニタリ部,デバイスノイズ部,オープンダイナミックスのノイズ部との交換関係によって決定されることを示す。
論文 参考訳(メタデータ) (2023-08-02T21:45:06Z) - Deterministic and Bayesian Characterization of Quantum Computing Devices [0.4194295877935867]
本稿では,超伝導量子デバイスにおける遷移周波数と崩壊時間を推定するためのデータ駆動型特性評価手法を提案する。
データは、第1および第2励起状態間の遷移周波数におけるパリティイベントを含む。
2つのリンドブラディアンモデルの平均解に基づく単純だが効果的な数学的モデルを示し、実験的な観測を正確に捉えた。
論文 参考訳(メタデータ) (2023-06-23T19:11:41Z) - Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative
Models [49.81937966106691]
我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。
従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
論文 参考訳(メタデータ) (2023-06-15T16:30:08Z) - Doubly Stochastic Models: Learning with Unbiased Label Noises and
Inference Stability [85.1044381834036]
勾配降下のミニバッチサンプリング設定におけるラベル雑音の暗黙的正則化効果について検討した。
そのような暗黙的正則化器は、パラメータの摂動に対してモデル出力を安定化できる収束点を好んでいる。
我々の研究は、SGDをオルンシュタイン-ウレンベック類似の過程とはみなせず、近似の収束によってより一般的な結果を得る。
論文 参考訳(メタデータ) (2023-04-01T14:09:07Z) - Score-based Diffusion Models in Function Space [140.792362459734]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。
本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。
データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文 参考訳(メタデータ) (2023-02-14T23:50:53Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳(メタデータ) (2020-11-04T10:25:13Z) - Information-Theoretic Approximation to Causal Models [0.0]
有限標本から2つの確率変数間の因果方向と因果効果を推定する問題の解法が可能であることを示す。
X と Y のサンプルから生じる分布を高次元確率空間に埋め込む。
本稿では, 線形最適化問題を解くことにより, 因果モデル(IACM)に対する情報理論近似が可能であることを示す。
論文 参考訳(メタデータ) (2020-07-29T18:34:58Z)
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。