Fugu-MT 論文翻訳(概要): Quantum noise modeling through Reinforcement Learning

論文の概要: Quantum noise modeling through Reinforcement Learning

arxiv url: http://arxiv.org/abs/2408.01506v1
Date: Fri, 2 Aug 2024 18:05:21 GMT
ステータス: 処理完了
システム内更新日: 2024-08-06 19:49:47.540676
Title: Quantum noise modeling through Reinforcement Learning
Title（参考訳）: 強化学習による量子ノイズモデリング
Authors: Simone Bordoni, Andrea Papaluca, Piergiorgio Buttarini, Alejandro Sopena, Stefano Giagu, Stefano Carrazza,
Abstract要約: 本稿では,量子チップに影響を及ぼすノイズを特徴付ける機械学習手法を導入し,シミュレーション中にエミュレートする。我々のアルゴリズムは強化学習を活用し、様々なノイズモデルを再現する際の柔軟性を向上させる。実超伝導量子ビット上でのシミュレーションおよび試験によりRLエージェントの有効性が検証された。
参考スコア（独自算出の注目度）: 38.47830254923108
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the current era of quantum computing, robust and efficient tools are essential to bridge the gap between simulations and quantum hardware execution. In this work, we introduce a machine learning approach to characterize the noise impacting a quantum chip and emulate it during simulations. Our algorithm leverages reinforcement learning, offering increased flexibility in reproducing various noise models compared to conventional techniques such as randomized benchmarking or heuristic noise models. The effectiveness of the RL agent has been validated through simulations and testing on real superconducting qubits. Additionally, we provide practical use-case examples for the study of renowned quantum algorithms.
Abstract（参考訳）: 量子コンピューティングの現在の時代には、シミュレーションと量子ハードウェア実行のギャップを埋めるために、堅牢で効率的なツールが不可欠である。本研究では,量子チップに影響を及ぼすノイズを識別し,シミュレーション中にエミュレートする機械学習手法を提案する。このアルゴリズムは強化学習を活用し、ランダム化ベンチマークやヒューリスティックノイズモデルといった従来の手法と比較して、様々なノイズモデルを再現する柔軟性を向上させる。実超伝導量子ビット上でのシミュレーションおよび試験によりRLエージェントの有効性が検証された。さらに、有名な量子アルゴリズムの研究に応用例を挙げる。

関連論文リスト

Quantum Tunneling: From Theory to Error-Mitigated Quantum Simulation [49.1574468325115]
本研究では,量子トンネルシミュレーションの理論的背景とハードウェア対応回路の実装について述べる。我々は、ハードウェアのアンダーユース化問題を解決するために、ZNEとREM(エラー軽減技術)と量子チップのマルチプログラミングを使用する。
論文参考訳（メタデータ） (2024-04-10T14:27:07Z)
Optimized noise-assisted simulation of the Lindblad equation with time-dependent coefficients on a noisy quantum processor [0.6990493129893112]
ノイズは、NISQ(Noisy Intermediate-Scale Quantum)デバイス上のオープンシステムのデジタル量子シミュレーションにおける資産となる。最適化されたデコヒーレンス率制御方式を導入し、計算要求を桁違いに削減する。
論文参考訳（メタデータ） (2024-02-12T12:48:03Z)
Noise-assisted digital quantum simulation of open systems [1.3124513975412255]
本稿では,オープン量子システムのシミュレーションに必要な計算資源を削減するために,量子デバイス固有のノイズを利用する新しい手法を提案する。具体的には、量子回路におけるデコヒーレンス率を選択的に向上または低減し、開系力学の所望のシミュレーションを実現する。
論文参考訳（メタデータ） (2023-02-28T14:21:43Z)
Robustness of quantum reinforcement learning under hardware errors [0.0]
変分量子機械学習アルゴリズムは、機械学習タスクに短期量子デバイスをどのように利用するかに関する最近の研究の焦点となっている。これらは、動作している回路をデバイスに合わせることができ、計算の大部分を古典に委譲できるため、これに適していると考えられている。しかし、ハードウェアによるノイズの影響下での量子機械学習モデルのトレーニングの効果は、まだ広く研究されていない。
論文参考訳（メタデータ） (2022-12-19T13:14:22Z)
Recompilation-enhanced simulation of electron-phonon dynamics on IBM Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文参考訳（メタデータ） (2022-02-16T19:00:00Z)
Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)
Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
論文参考訳（メタデータ） (2021-05-20T17:06:52Z)
Efficient classical simulation and benchmarking of quantum processes in the Weyl basis [0.0]
Weylユニタリを用いたランダム化ベンチマークアルゴリズムを開発し,エラーモデルの混在を効率よく同定し,学習する。本手法を変分量子固有解器に現れるアンザッツ回路に適用する。
論文参考訳（メタデータ） (2020-08-27T16:46:12Z)
Noise robustness and experimental demonstration of a quantum generative adversarial network for continuous distributions [0.5249805590164901]
連続確率分布を学習するために、ノイズの多いハイブリッド量子生成逆数ネットワーク(HQGAN)を数値シミュレーションする。また,アルゴリズムの計算スケーリングを削減するために,異なるパラメータがトレーニング時間に与える影響についても検討する。我々の研究結果は、ノイズの多い中間量子デバイス上で異なる量子機械学習アルゴリズムを実験的に探索するための道を開いた。
論文参考訳（メタデータ） (2020-06-02T23:14:45Z)

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。