論文の概要: Accurately Simulating the Time Evolution of an Ising Model with Echo Verified Clifford Data Regression on a Superconducting Quantum Computer
- arxiv url: http://arxiv.org/abs/2408.07439v1
- Date: Wed, 14 Aug 2024 10:18:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-15 13:44:31.216854
- Title: Accurately Simulating the Time Evolution of an Ising Model with Echo Verified Clifford Data Regression on a Superconducting Quantum Computer
- Title（参考訳）: 超伝導量子コンピュータ上でのエコー検証クリフォードデータ回帰によるイジングモデルの時間進化の正確なシミュレーション
- Authors: Tim Weaving, Alexis Ralli, Peter J. Love, Sauro Succi, Peter V. Coveney,
- Abstract要約: 本稿では,Echo Verification (EV) とClifford Data Regression (CDR) を組み合わせた誤り軽減戦略を提案する。
我々は, アンシラの純度とポストセレクションの確率から, 脱分極率を推定する指標を導出した。
本稿では,超伝導量子コンピュータ上でのEcho Verified Clifford Data Regression(EVCDR)の実演を紹介する。
- 参考スコア（独自算出の注目度）: 0.06990493129893112
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an error mitigation strategy composed of Echo Verification (EV) and Clifford Data Regression (CDR), the combination of which allows one to learn the effect of the quantum noise channel to extract error mitigated estimates for the expectation value of Pauli observables. We analyse the behaviour of the method under the depolarizing channel and derive an estimator for the depolarization rate in terms of the ancilla purity and postselection probability. We also highlight the sensitivity of this probability to noise, a potential bottleneck for the technique. We subsequently consider a more general noise channel consisting of arbitrary Pauli errors, which reveals a linear relationship between the error rates and the estimation of expectation values, suggesting the learnability of noise in EV by regression techniques. Finally, we present a practical demonstration of Echo Verified Clifford Data Regression (EVCDR) on a superconducting quantum computer and observe accurate results for the time evolution of an Ising model over a spin-lattice consisting of up to 35 sites and circuit depths in excess of 1,000.
- Abstract（参考訳）: 本稿では,Echo Verification (EV) とClifford Data Regression (CDR) を組み合わせた誤差低減戦略を提案する。
我々は, 脱分極チャネル下での手法の挙動を解析し, 脱分極率の推定を, アンシラ純度とポストセレクション確率の観点から導出した。
また、この手法の潜在的なボトルネックであるノイズに対するこの確率の感度も強調する。
その後、任意のパウリ誤差からなるより一般的なノイズチャネルを考察し、誤差率と予測値の線形関係を明らかにし、回帰手法によるEVにおけるノイズの学習可能性を示す。
最後に、超伝導量子コンピュータ上でのEcho Verified Clifford Data Regression(EVCDR)の実演を行い、最大35のサイトと1000以上の回路深度からなるスピン格子上でのIsingモデルの時間進化の正確な結果を観察する。
関連論文リスト
- Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。
さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。
我々は多種多様な高次元データにまたがって理論を検証する。
論文 参考訳（メタデータ） (2024-08-08T17:27:29Z) - Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。
本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。
これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
論文 参考訳（メタデータ） (2024-06-05T13:36:38Z) - Quantum error mitigation by layerwise Richardson extrapolation [0.7252027234425332]
雑音量子コンピュータの誤り軽減プロトコルであるEmphlayerwise Richardson外挿法(LRE)を導入する。
異なる個々の層(または回路の大きなチャンク)のノイズを増幅し、関連する期待値を線形結合してゼロノイズ限界を推定する。
従来の(単変数の)リチャードソン外挿法と比較してLREが優れた性能を発揮するシナリオを数値シミュレーションで示す。
論文 参考訳（メタデータ） (2024-02-05T18:47:42Z) - HARDCORE: H-field and power loss estimation for arbitrary waveforms with
residual, dilated convolutional neural networks in ferrite cores [1.3437002403398262]
MagNet Challenge 2023は、トロイダルフェライトコアにおける定常的な電力損失の物質特異的で波形に依存しない推定のためのデータ駆動モデルの開発を競合他社に呼びかけている。
HardCOREアプローチは、物理インフォームド拡張を持つ残差畳み込みニューラルネットワークが、事前に観測データに基づいてトレーニングされた場合、このタスクを効率的に行うことができることを示している。
モデルは各素材のスクラッチから訓練されるが、トポロジーは同じである。
論文 参考訳（メタデータ） (2024-01-21T13:24:41Z) - 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) - Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk [0.0]
本稿では,ニューラルネットワークと極値理論を組み合わせたEQRNモデルを提案する。
本研究では,スイス・アーレ流域の洪水リスク予測に本手法を適用した。
論文 参考訳（メタデータ） (2022-08-16T08:02:49Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳（メタデータ） (2021-08-25T21:30:27Z) - Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。
我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。
我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
論文 参考訳（メタデータ） (2021-06-10T06:11:55Z) - Simulating quench dynamics on a digital quantum computer with
data-driven error mitigation [62.997667081978825]
本稿では、実量子データにおけるノイズの影響を軽減するために用いられる、クリフォードデータ回帰に基づくいくつかの手法の最初の実装の1つを示す。
一般に、クリフォードデータ回帰に基づく手法は、ゼロノイズ外挿法と比較して有利である。
これはこの種の研究でこれまで調査された中で最大のシステムである。
論文 参考訳（メタデータ） (2021-03-23T16:56:14Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Unified approach to data-driven quantum error mitigation [0.7046417074932257]
本稿では,ZNEとCDRを概念的に統一した,スケーラブルなエラー軽減手法を提案する。
可変ノイズクリフォードデータレグレッション (vnCDR) と呼ばれる我々の手法は、これらの個々の手法を数値ベンチマークで著しく上回っている。
64量子ビットのランダムな量子回路から可観測性を修正する問題に対して、vnCDRはZNEとCDRでそれぞれ2.7と1.5の誤差を改善する。
論文 参考訳（メタデータ） (2020-11-02T17:56:02Z)
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。