論文の概要: Diagnosing crosstalk in large-scale QPUs using zero-entropy classical shadows
- arxiv url: http://arxiv.org/abs/2408.17317v2
- Date: Thu, 29 May 2025 05:54:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 18:14:07.29607
- Title: Diagnosing crosstalk in large-scale QPUs using zero-entropy classical shadows
- Title(参考訳): ゼロエントロピー古典影を用いた大規模QPUにおけるクロストークの診断
- Authors: J. A. Montañez-Barrera, G. P. Beretta, Kristel Michielsen, Michael R. von Spakovsky,
- Abstract要約: 従来のシャドウ情報から正の半定値単位トラス密度演算子を再構成するツールZECSを紹介する。
ibm_brisbane (127 qubits) および ibm_fez (156 qubits) を含む大型超伝導 QPU に ZECS を適用する。
ZECSは、大規模QPUにおけるノイズの診断にスケーラブルで測定効率のよいアプローチを提供する。
- 参考スコア(独自算出の注目度): 0.3749861135832073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As quantum processing units (QPUs) scale toward hundreds of qubits, diagnosing crosstalk and noise-induced correlations becomes critical for reliable quantum computation. In this work, we introduce Zero-Entropy Classical Shadows (ZECS), a diagnostic tool that reconstructs positive semidefinite, unit-trace density operators from classical shadow (CS) information. ZECS enables proper subregion tomography and reduces the effect of sampling and time-dependent errors. We apply ZECS to large superconducting QPUs, including ibm\_brisbane (127 qubits) and ibm\_fez (156 qubits), using 6,000 samples. With these samples, ZECS detects and characterizes crosstalk among disjoint qubit subsets across the full hardware topology. This information is then used to select low-crosstalk qubit subsets for executing the Quantum Approximate Optimization Algorithm (QAOA) on a 20-qubit problem. Compared to the best qubit selection via Qiskit transpilation, our method improves solution quality by 10% and increases algorithmic coherence by 33%. ZECS offers a scalable and measurement-efficient approach to diagnosing noise in large-scale QPUs.
- Abstract(参考訳): 量子処理ユニット(QPU)が数百の量子ビットにスケールするにつれて、クロストークとノイズによる相関の診断が信頼性の高い量子計算にとって重要である。
本研究では,ゼロエントロピー・クラシック・シャドウ (ZECS) を導入し,古典的シャドウ (CS) 情報から正半定値の単位トラス密度演算子を再構成する診断ツールを提案する。
ZECSは、適切なサブリージョントモグラフィーを可能にし、サンプリングと時間依存エラーの影響を低減する。
ibm\_brisbane (127 qubits) および ibm\_fez (156 qubits) を含む大型超伝導 QPU に 6,000 個の試料を用いてZECS を適用した。
これらのサンプルを用いて、ZECSはハードウェアトポロジー全体にわたる不整合量子ビットサブセット間のクロストークを検出し、特徴付ける。
この情報は、20量子ビット問題上で量子近似最適化アルゴリズム(QAOA)を実行するための低クロストークキュービットサブセットを選択するために使用される。
Qiskitトランスパイレーションによる最良のキュービット選択と比較して,本手法は解品質を10%向上し,アルゴリズムのコヒーレンスを33%向上させる。
ZECSは、大規模QPUにおけるノイズの診断にスケーラブルで測定効率のよいアプローチを提供する。
関連論文リスト
- A Superconducting Qubit-Resonator Quantum Processor with Effective All-to-All Connectivity [44.72199649564072]
このアーキテクチャは、高い接続性から恩恵を受けるアルゴリズムのテストベッドとして使用できる。
中心共振器は計算要素として利用できることを示す。
GHZ(Greenberger-Horne-Zeilinger)状態は6つの量子ビットすべてに対して真に複数の量子ビットが絡み合った状態であり、読み出しエラーを緩和するフィリティは0.86$である。
論文 参考訳(メタデータ) (2025-03-13T21:36:18Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳(メタデータ) (2024-11-13T23:56:20Z) - Resource-Efficient Quantum Correlation Measurement: A Multicopy Neural Network Approach for Practical Applications [0.0]
本稿では,マルチコピー計測と人工ニューラルネットワークを組み合わせることで,必要な情報を削減する方法を提案する。
我々は, 脱分極チャネルを受けるベル状態の2量子量子相関の測定に成功した。
IBMQプロセッサ上でトランスモン量子ビットを用いて実験を行い,ベルの不等式と2量子絡み状態の負性について定量化した。
論文 参考訳(メタデータ) (2024-11-08T18:07:23Z) - Optimal and robust error filtration for quantum information processing [0.0]
誤差フィルタリング(Error filtration)は、補助量子ビットとエンタングゲートを利用してノイズを緩和するハードウェアスキームである。
異なるアプリケーションに対応するメリットの数字に対して、我々のアプローチをベンチマークします。
論文 参考訳(メタデータ) (2024-09-02T17:58:44Z) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳(メタデータ) (2024-06-17T18:20:51Z) - Reinforcement Learning to Disentangle Multiqubit Quantum States from Partial Observations [0.0]
任意の 4-, 5-, 6-qubit 状態に対して短絡回路を構築するための深層強化学習手法を提案する。
マルチキュービット状態の絡み合い構造を識別・活用するエージェントの能力を実証する。
我々は,少なくとも5つの2ビット (10 CNOT) ゲートを用いて,任意の4ビット状態を作成するための汎用回路を報告する。
論文 参考訳(メタデータ) (2024-06-12T05:23:08Z) - A Quantum-Classical Collaborative Training Architecture Based on Quantum
State Fidelity [50.387179833629254]
我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。
Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。
他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
論文 参考訳(メタデータ) (2024-02-23T14:09:41Z) - System Characterization of Dispersive Readout in Superconducting Qubits [37.940693612514984]
超伝導量子ビットの分散読み出しに使用される分散シフト、共振器の線形幅、駆動電力を測定するための単一のプロトコルを導入する。
その結果, 共振器のリニア幅は最大値と最小値の2因子で制御できないことがわかった。
また、典型的な量子ビット読み出しで使用されるのと同じ電力レベルを用いて、読み出しシステムの効率を測定するためのプロトコルも導入する。
論文 参考訳(メタデータ) (2024-02-01T08:15:16Z) - Optimized Noise Suppression for Quantum Circuits [0.40964539027092917]
クロストークノイズは、例えば、クロス共鳴ベースの超伝導量子プロセッサにおける深刻なエラー源である。
Intrepidプログラミングアルゴリズムは、スワップ挿入によって最適化されたキュービットルーティングに関する以前の作業を拡張する。
最大127キュービットの2つのチップのクロストークノイズを特徴付けることで,提案手法の評価を行った。
論文 参考訳(メタデータ) (2024-01-12T07:34:59Z) - Learning Distributed Quantum State Discrimination with Noisy Classical
Communications [39.000858564696856]
本稿では,ノイズアウェア・LOCCNet (NA-LOCCNet) を用いて分散量子状態の識別を行う。
観測された2つの量子ビット対に対する特定のアンサーゼについて提案し、ノイズ認識型トレーニング設計基準について述べる。
論文 参考訳(メタデータ) (2022-07-22T22:06:56Z) - A quantum processor based on coherent transport of entangled atom arrays [44.62475518267084]
量子プロセッサは動的で非局所的な接続を持ち、絡み合った量子ビットは高い並列性でコヒーレントに輸送されることを示す。
このアーキテクチャを用いて,クラスタ状態や7キュービットのSteane符号状態などの絡み合ったグラフ状態のプログラム生成を実現する。
論文 参考訳(メタデータ) (2021-12-07T19:00:00Z) - Error mitigation for variational quantum algorithms through mid-circuit
measurements [0.0]
ノイズのある中間スケール量子(NISQ)アルゴリズムは、エラー軽減の新しいパラダイムを必要とする。
本稿では,1ホット,バイナリ,グレー,ドメインウォールの符号化など,頻繁に使用される符号化方式について提案する。
本稿では,量子交互演算子Ansatzアルゴリズムの有効性を示す。
論文 参考訳(メタデータ) (2021-08-24T19:34:03Z) - Improved Quantum State Tomography for the Systems with XX+YY Couplings
and Z Readouts [0.20305676256390928]
本稿では、2-qubitの進化をリードアウト演算として用いた量子状態トモグラフィー(QST)の改良を提案する。
量子ビット上でNearest-Neighbor, 2-dimensional, All-to-All接続性を持つSQCシステムにそれぞれ新しいスキームを適用する。
新しいスキームは実装性に優れており、従来のスキームと同等あるいはそれ以上の精度を達成できることが判明した。
論文 参考訳(メタデータ) (2020-06-29T08:48:55Z)
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。