論文の概要: A Practical Introduction to Benchmarking and Characterization of Quantum Computers
- arxiv url: http://arxiv.org/abs/2408.12064v1
- Date: Thu, 22 Aug 2024 02:00:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-23 15:33:26.025945
- Title: A Practical Introduction to Benchmarking and Characterization of Quantum Computers
- Title（参考訳）: 量子コンピュータのベンチマークと評価の実践的紹介
- Authors: Akel Hashim, Long B. Nguyen, Noah Goss, Brian Marinelli, Ravi K. Naik, Trevor Chistolini, Jordan Hines, J. P. Marceaux, Yosep Kim, Pranav Gokhale, Teague Tomesh, Senrui Chen, Liang Jiang, Samuele Ferracin, Kenneth Rudinger, Timothy Proctor, Kevin C. Young, Robin Blume-Kohout, Irfan Siddiqi,
- Abstract要約: 量子キャラクタリゼーション、検証、検証(QCVV)
QCVVの手法とプロトコルにより、科学者や技術者は量子情報処理装置の性能を精査し、理解し、向上することができる。
このチュートリアルは、量子コンピュータのベンチマークとキャラクタリゼーションに精通していない研究者のためのガイドブックとして機能する。
- 参考スコア（独自算出の注目度）: 1.4163889780169499
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rapid progress in quantum technology has transformed quantum computing and quantum information science from theoretical possibilities into tangible engineering challenges. Breakthroughs in quantum algorithms, quantum simulations, and quantum error correction are bringing useful quantum computation closer to fruition. These remarkable achievements have been facilitated by advances in quantum characterization, verification, and validation (QCVV). QCVV methods and protocols enable scientists and engineers to scrutinize, understand, and enhance the performance of quantum information-processing devices. In this Tutorial, we review the fundamental principles underpinning QCVV, and introduce a diverse array of QCVV tools used by quantum researchers. We define and explain QCVV's core models and concepts -- quantum states, measurements, and processes -- and illustrate how these building blocks are leveraged to examine a target system or operation. We survey and introduce protocols ranging from simple qubit characterization to advanced benchmarking methods. Along the way, we provide illustrated examples and detailed descriptions of the protocols, highlight the advantages and disadvantages of each, and discuss their potential scalability to future large-scale quantum computers. This Tutorial serves as a guidebook for researchers unfamiliar with the benchmarking and characterization of quantum computers, and also as a detailed reference for experienced practitioners.
- Abstract（参考訳）: 量子技術の急速な進歩は、量子コンピューティングと量子情報科学を理論的可能性から具体的な工学的課題に転換した。
量子アルゴリズム、量子シミュレーション、量子エラー補正のブレークスルーは、有用な量子計算を実効に近づけている。
これらの顕著な成果は、量子キャラクタリゼーション、検証、検証(QCVV)の進歩によって促進されてきた。
QCVVの手法とプロトコルにより、科学者や技術者は量子情報処理装置の性能を精査し、理解し、向上することができる。
本稿では,QCVVを支える基本原理を概観し,量子研究者が使用する様々なQCVVツールを紹介する。
我々は、QCVVの中核モデルと概念(量子状態、測定、プロセス)を定義し、これらのビルディングブロックをどのように活用してターゲットシステムや運用を調べるかを説明する。
簡単な量子ビットのキャラクタリゼーションから高度なベンチマーク手法まで幅広いプロトコルを探索し紹介する。
その過程で、プロトコルの例と詳細な説明を提供し、それぞれの利点とデメリットを強調し、将来の大規模量子コンピュータへの潜在的なスケーラビリティについて議論する。
このチュートリアルは、量子コンピュータのベンチマークやキャラクタリゼーションに精通していない研究者のためのガイドブックや、経験豊富な実践者のための詳細なリファレンスとしても機能する。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Potential and limitations of quantum extreme learning machines [55.41644538483948]
本稿では,QRCとQELMをモデル化するフレームワークを提案する。
我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
論文 参考訳（メタデータ） (2022-10-03T09:32:28Z) - Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。
機械学習の観点からQGLMの現状を概観する。
従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文 参考訳（メタデータ） (2022-06-07T07:32:57Z) - An Introduction to Quantum Machine Learning for Engineers [36.18344598412261]
量子機械学習は、ゲートベースの量子コンピュータをプログラムするための支配的なパラダイムとして登場しつつある。
この本は、確率と線形代数の背景を持つエンジニアの聴衆のために、量子機械学習の自己完結した紹介を提供する。
論文 参考訳（メタデータ） (2022-05-11T12:10:52Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z) - A practical guide for building superconducting quantum devices [2.7080431315882967]
近年cQEDコミュニティによって開発された,最も重要なビルディングブロックをいくつか紹介する。
我々は、ほとんどのcQED実験の基盤となるコア技術の概要を提供し、初心者実験者が最初の量子デバイスを設計、構築、特徴付けるための実践的なガイドを提供することを目指している。
論文 参考訳（メタデータ） (2021-06-11T05:28:01Z) - Quantum Computing: an undergraduate approach using Qiskit [0.0]
量子コンピューティングを教えるためのQuantum Information Software Developer Kit - Qiskitを紹介します。
我々は、一般的なラップトップやデスクトップコンピュータ上でのプログラムの構築と、実際の量子プロセッサ上での実行に重点を置いている。
コードはテキスト全体に公開されており、科学計算の経験がほとんどない読者でもそれを再現することができる。
論文 参考訳（メタデータ） (2021-01-26T18:19:23Z) - Theory of quantum system certification: a tutorial [1.583842747998493]
本チュートリアルでは,量子デバイスの物理層を認証するための重要なプロトコルについて説明する。
本稿では,直接量子状態認証,直接忠実度推定,影忠実度推定,直接量子プロセス認証,ランダム化ベンチマーク,クロスエントロピーベンチマークの方法について議論する。
論文 参考訳（メタデータ） (2020-10-12T18:00:04Z)
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。