論文の概要: Entanglement-enhanced learning of quantum processes at scale
- arxiv url: http://arxiv.org/abs/2408.03376v1
- Date: Tue, 6 Aug 2024 18:00:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-08 14:36:13.105347
- Title: Entanglement-enhanced learning of quantum processes at scale
- Title（参考訳）: エンタングルメントによる大規模量子過程の学習
- Authors: Alireza Seif, Senrui Chen, Swarnadeep Majumder, Haoran Liao, Derek S. Wang, Moein Malekakhlagh, Ali Javadi-Abhari, Liang Jiang, Zlatko K. Minev,
- Abstract要約: 補助雑音量子メモリとの絡み合いと誤り軽減が量子過程の学習を著しく促進することを示す。
本研究は,補助雑音量子メモリとの絡み合いと誤り軽減が,量子過程の学習を著しく促進することを示す。
- 参考スコア（独自算出の注目度）: 2.2278634757583875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning unknown processes affecting a quantum system reveals underlying physical mechanisms and enables suppression, mitigation, and correction of unwanted effects. Describing a general quantum process requires an exponentially large number of parameters. Measuring these parameters, when they are encoded in incompatible observables, is constrained by the uncertainty principle and requires exponentially many measurements. However, for Pauli channels, having access to an ideal quantum memory and entangling operations allows encoding parameters in commuting observables, thereby exponentially reducing measurement complexity. In practice, though, quantum memory and entangling operations are always noisy and introduce errors, making the advantage of using noisy quantum memory unclear. To address these challenges we introduce error-mitigated entanglement-enhanced learning and show, both theoretically and experimentally, that even with noise, there is a separation in efficiency between learning Pauli channels with and without entanglement with noisy quantum memory. We demonstrate our protocol's efficacy in examples including hypothesis testing with up to 64 qubits and learning inherent noise processes in a layer of parallel gates using up to 16 qubits on a superconducting quantum processor. Our protocol provides accurate and practical information about the process, with an overhead factor of $1.33 \pm 0.05$ per qubit, much smaller than the fundamental lower bound of 2 without entanglement with quantum memory. Our study demonstrates that entanglement with auxiliary noisy quantum memory combined with error mitigation considerably enhances the learning of quantum processes.
- Abstract（参考訳）: 量子システムに影響を与える未知のプロセスの学習は、基礎となる物理的メカニズムを明らかにし、不要な効果の抑制、緩和、修正を可能にする。
一般的な量子過程を記述するには指数関数的に多くのパラメータを必要とする。
これらのパラメータを非互換な観測変数にエンコードすると、不確実性原理に制約され、指数関数的に多くの測定を必要とする。
しかし、パウリのチャネルでは、理想的な量子メモリとエンタングル操作にアクセスでき、可観測領域を交換する際のパラメータを符号化できるため、測定の複雑さは指数関数的に減少する。
しかし実際には、量子メモリとエンタングリング操作は常にノイズが多く、エラーを発生させるため、ノイズの多い量子メモリを使用することの利点ははっきりしない。
これらの課題に対処するために、誤差緩和型絡み付き学習を導入し、理論的にも実験的にも、ノイズであっても、ノイズの多い量子メモリで絡み合うことなく、パウリのチャネルを学習する効率の分離が存在することを示す。
我々は,最大64量子ビットの仮説テストや,超伝導量子プロセッサ上で最大16量子ビットの並列ゲート層での固有ノイズ過程の学習など,このプロトコルの有効性を例に示す。
我々のプロトコルは、このプロセスに関する正確で実用的な情報を提供し、オーバーヘッド係数は1キュービット当たり1.33 \pm 0.05$であり、量子メモリとの絡み合いのない2の基本的な下限よりもはるかに小さい。
本研究は,補助雑音量子メモリとの絡み合いと誤り軽減が,量子過程の学習を著しく促進することを示す。
関連論文リスト
- Estimating the coherence of noise in mid-scale quantum systems [0.0]
デジタル量子デバイスにおける演算の平均ユニタリティを,中規模量子システムに対して効率的に,かつ効果的に推定する。
5量子ビット超伝導量子コンピュータ IQM Spark (TM) の実験的実行と最大10量子ビットのシミュレーションによる結果の実証を行った。
論文 参考訳（メタデータ） (2024-09-03T17:59:52Z) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Power Characterization of Noisy Quantum Kernels [52.47151453259434]
一般化誤差が小さい場合でも,量子カーネル法は予測能力に乏しい。
我々は、量子計算にノイズの多い量子カーネル法を用いるために重要な警告を提供する。
論文 参考訳（メタデータ） (2024-01-31T01:02:16Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - Retrieving non-linear features from noisy quantum states [11.289924445850328]
本稿では,ノイズ状態から高次モーメントを抽出する実現可能性と効率について分析する。
まず、基礎となるノイズチャネルが可逆である場合に限り、このタスクを達成できる量子プロトコルが存在することを示す。
我々の研究は、量子ノイズが高次情報抽出にどのように影響するかを深く理解し、それに取り組むためのガイダンスを提供する。
論文 参考訳（メタデータ） (2023-09-20T15:28:18Z) - Practical limitations of quantum data propagation on noisy quantum processors [0.9362259192191963]
このような量子アルゴリズムは、現在の量子プロセッサのノイズの性質のため、信頼性の高い結果を得るためには、エラー確率が非常に低いシングルビットと2キュービットのゲートを必要とする。
具体的には、変動パラメータの伝搬の相対誤差が量子ハードウェアのノイズの確率とどのようにスケールするかについて上限を与える。
論文 参考訳（メタデータ） (2023-06-22T17:12:52Z) - Measurement-induced entanglement and teleportation on a noisy quantum
processor [105.44548669906976]
最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。
二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。
我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
論文 参考訳（メタデータ） (2023-03-08T18:41:53Z) - Detecting and Eliminating Quantum Noise of Quantum Measurements [3.871198861387443]
まず量子ノイズを検出して除去し,古典的な雑音仮定を満たす。
Baiduの量子プラットフォーム上で2段階の手順が数値的に実現可能であることを示す。
その結果, 測定装置の量子ノイズは著しく抑制され, 量子精度は著しく向上した。
論文 参考訳（メタデータ） (2022-06-28T03:58:10Z) - Quantum readout error mitigation via deep learning [2.4936576553283283]
本稿では,量子ハードウェア上での読み出し誤差を低減するためのディープラーニングベースのプロトコルを提案する。
ニューラルネットワークとディープラーニングでは、非線形ノイズを補正することが可能であり、既存の線形反転法では不可能である。
論文 参考訳（メタデータ） (2021-12-07T09:26:57Z) - Characterizing quantum instruments: from non-demolition measurements to
quantum error correction [48.43720700248091]
量子情報処理では、量子演算はしばしば古典的なデータをもたらす測定とともに処理される。
非単位の動的プロセスは、一般的な量子チャネルの記述が時間進化を記述するのに失敗するシステムで起こりうる。
量子測定は古典的な出力と測定後の量子状態の両方を計測するいわゆる量子機器によって正しく扱われる。
論文 参考訳（メタデータ） (2021-10-13T18:00:13Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z)
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。