論文の概要: Deterministic Benchmarking of Quantum Gates
- arxiv url: http://arxiv.org/abs/2407.09942v1
- Date: Sat, 13 Jul 2024 16:36:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 20:08:02.914483
- Title: Deterministic Benchmarking of Quantum Gates
- Title（参考訳）: 量子ゲートの決定論的ベンチマーク
- Authors: Vinay Tripathi, Daria Kowsari, Kumar Saurav, Haimeng Zhang, Eli M. Levenson-Falk, Daniel A. Lidar,
- Abstract要約: ランダム化ベンチマーク(RB)によって見落とされたコヒーレントおよび非コヒーレントなエラーの相互作用を識別するプロトコルである決定論的ベンチマーク(DB)を導入する。
DBは、単一ビットゲートセットにおける非一貫性とコヒーレントエラーの両方を特徴付ける4つのパラメータのセットを提供する。
- 参考スコア（独自算出の注目度）: 1.6163129903911515
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce deterministic benchmarking (DB), a protocol designed to identify the interplay of coherent and incoherent errors overlooked by randomized benchmarking (RB) and related benchmarking methods. DB provides a set of four parameters that characterize both incoherent and coherent errors in the single-qubit gate set. Furthermore, DB reveals asymmetries in gate performance induced by strong relaxation errors ($T_1$). We experimentally demonstrate DB using a superconducting transmon qubit and support these results with a simple analytical model and master equation simulations. Our findings uncover critical errors missed by conventional RB and point to strategies to mitigate these errors.
- Abstract（参考訳）: 本稿では,確率的ベンチマーク(RB)と関連するベンチマーク手法によって見過ごされるコヒーレントおよび非コヒーレントなエラーの相互行為を特定するためのプロトコルである決定論的ベンチマーク(DB)を紹介する。
DBは、単一ビットゲートセットにおける非一貫性とコヒーレントエラーの両方を特徴付ける4つのパラメータのセットを提供する。
さらに、DBは、強い緩和誤差(T_1$)によって誘導されるゲート性能の非対称性を明らかにする。
超伝導トランスモン量子ビットを用いたDBを実験的に実証し, 簡単な解析モデルとマスター方程式シミュレーションを用いてこれらの結果を支援する。
以上の結果から,従来のRBが欠落した致命的な誤りが判明し,これらの誤りを緩和するための戦略が示唆された。
関連論文リスト
- Towards Better Adversarial Purification via Adversarial Denoising Diffusion Training [65.10019978876863]
拡散型浄化(DBP)は、敵の攻撃を防御するための有望なアプローチとして浮上している。
従来,DBPモデルのロバスト性評価には疑わしい手法が用いられてきた。
本稿では,DBPモデルの堅牢性向上を目的としたADDT(Adversarial Denoising Diffusion Training)を提案する。
論文 参考訳（メタデータ） (2024-04-22T16:10:38Z) - Learning to rank quantum circuits for hardware-optimized performance enhancement [0.0]
本稿では,論理的に等価な量子回路をランク付けするための機械学習に基づく手法を実験的に導入し,実験を行った。
提案手法をランダムなレイアウト選択とMapomaticと呼ばれる一般公開ベースラインの2つの一般的なアプローチと比較する。
我々の最良のモデルでは、ベースラインアプローチと比較して選択誤差が1.8タイムズ$減少し、ランダム選択と比較して3.2タイムズ$減少する。
論文 参考訳（メタデータ） (2024-04-09T18:00:01Z) - Error budget of parametric resonance entangling gate with a tunable
coupler [0.0]
可変カプラアーキテクチャにおけるパラメトリック共振ゲートの実験誤差予算を解析する。
主に2ビットの緩和と白色雑音による劣化に起因する不整合誤差は、2ビットのゲートの忠実さを制限する。
非計算状態への漏洩は、2ビットゲートの不忠実性に対する2番目に大きな寄与である。
論文 参考訳（メタデータ） (2024-02-06T18:46:27Z) - BUMP: A Benchmark of Unfaithful Minimal Pairs for Meta-Evaluation of
Faithfulness Metrics [70.52570641514146]
不誠実な最小対 (BUMP) のベンチマークを示す。
BUMPは、889人の人間が書いた最小限のサマリーペアのデータセットである。
非ペアベースのデータセットとは異なり、BUMPはメトリクスの一貫性を測定するために使用することができる。
論文 参考訳（メタデータ） (2022-12-20T02:17:30Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳（メタデータ） (2022-03-09T01:55:59Z) - BCD Nets: Scalable Variational Approaches for Bayesian Causal Discovery [97.79015388276483]
構造方程式モデル(SEM)は、有向非巡回グラフ(DAG)を介して表される因果関係を推論する効果的な枠組みである。
近年の進歩により、観測データからDAGの有効最大点推定が可能となった。
線形ガウス SEM を特徴付ける DAG 上の分布を推定するための変分フレームワークである BCD Nets を提案する。
論文 参考訳（メタデータ） (2021-12-06T03:35:21Z) - Efficient diagnostics for quantum error correction [0.0]
パウリの誤り再構成に基づくスケーラブルな実験手法を提案する。
数値的エビデンスにより, 種々の誤差モデルに対する標準誤差測定値に基づいて, 予測精度が有意に向上したことを示す。
論文 参考訳（メタデータ） (2021-08-24T16:28:29Z) - Fault-tolerant parity readout on a shuttling-based trapped-ion quantum
computer [64.47265213752996]
耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。
フラグ条件パリティ測定の単発忠実度は93.2(2)%である。
このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
論文 参考訳（メタデータ） (2021-07-13T20:08:04Z) - Hidden Inverses: Coherent Error Cancellation at the Circuit Level [3.3012851255362494]
コヒーレントゲートエラーは、多くの量子コンピューティングアーキテクチャーにおいて問題となっている。
合成シングルキュービットゲートの実際の性能と予測された性能を比較することで、コヒーレントな誤差をベンチマークする。
本稿では,これらのコヒーレントな誤りに頑健な回路を生成できる,隠れ逆数(hidden inverses)と呼ばれるコンパイル手法を提案する。
論文 参考訳（メタデータ） (2021-04-02T15:57:48Z) - CASTLE: Regularization via Auxiliary Causal Graph Discovery [89.74800176981842]
因果構造学習(CASTLE)の正規化を導入し,変数間の因果関係を共同学習することでニューラルネットワークの正規化を提案する。
CASTLEは因果的隣り合いを持つ因果的DAGの特徴のみを効率的に再構成する一方、再構成ベース正規化器は全ての入力特徴を過度に再構成する。
論文 参考訳（メタデータ） (2020-09-28T09:49:38Z) - Correlated Randomized Benchmarking [0.4462334751640167]
本稿では,局所誤差のみで最も近い地図への距離を示すクロストーク測度を提案する。
この手法を4量子超伝導デバイスを用いて実験的に実証した。
論文 参考訳（メタデータ） (2020-03-04T22:37:57Z)
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。