論文の概要: Efficient self-consistent learning of gate set Pauli noise
- arxiv url: http://arxiv.org/abs/2410.03906v1
- Date: Fri, 04 Oct 2024 20:19:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-08 13:09:03.112899
- Title: Efficient self-consistent learning of gate set Pauli noise
- Title(参考訳): ゲートセットパウリ雑音の効率的な自己整合学習
- Authors: Senrui Chen, Zhihan Zhang, Liang Jiang, Steven T. Flammia,
- Abstract要約: ゲートセットパウリ雑音学習の課題について検討し、量子ゲートのセット、状態準備、測定はすべて、カスタマイズされたノイズアンサッツを備えた未知のパウリ雑音チャネルに悩まされる。
ゲートノイズに関する学習可能な情報はすべて、ノイズアンザッツに関する軽度な仮定の下で、相対的精度で学習可能であることを示す。
- 参考スコア(独自算出の注目度): 6.298222373534273
- License:
- Abstract: Understanding quantum noise is an essential step towards building practical quantum information processing systems. Pauli noise is a useful model that has been widely applied in quantum benchmarking, error mitigation, and error correction. Despite intensive study, most existing works focus on learning Pauli noise channels associated with some specific gates rather than treating the gate set as a whole. A learning algorithm that is self-consistent, complete, and efficient at the same time is yet to be established. In this work, we study the task of gate set Pauli noise learning, where a set of quantum gates, state preparation, and measurements all suffer from unknown Pauli noise channels with a customized noise ansatz. Using tools from algebraic graph theory, we analytically characterize the self-consistently learnable degrees of freedom for Pauli noise models with arbitrary linear ansatz, and design experiments to efficiently learn all the learnable information. Specifically, we show that all learnable information about the gate noise can be learned to relative precision, under mild assumptions on the noise ansatz. We then demonstrate the flexibility of our theory by applying it to concrete physically motivated ansatzs (such as spatially local or quasi-local noise) and experimentally relevant gate sets (such as parallel CZ gates). These results not only enhance the theoretical understanding of quantum noise learning, but also provide a feasible recipe for characterizing existing and near-future quantum information processing devices.
- Abstract(参考訳): 量子ノイズを理解することは、実用的な量子情報処理システムを構築するための重要なステップである。
パウリノイズは量子ベンチマーク、誤差緩和、誤り訂正に広く応用された有用なモデルである。
集中的な研究にもかかわらず、現存するほとんどの研究は、ゲートセット全体を扱うのではなく、特定のゲートに関連するパウリノイズチャネルの学習に重点を置いている。
自己整合性,完全性,効率的性を同時に備えた学習アルゴリズムはまだ確立されていない。
本研究では,一組の量子ゲート,状態準備,測定を行うゲートセットパウリ雑音学習の課題について検討する。
代数グラフ理論のツールを用いて、任意の線形アンザッツを持つパウリ雑音モデルに対する自己整合的に学習可能な自由度を解析的に特徴付け、学習可能な全ての情報を効率的に学習するための設計実験を行う。
具体的には, ゲートノイズに関する学習可能な情報はすべて, 相対的精度で学習可能であることを示す。
次に, 空間的局所雑音や準局所雑音など) および実験的に関連するゲートセット(平行なCZゲートなど)に対して, 具体的動機付けのアンザッツに適用することにより, 理論の柔軟性を実証する。
これらの結果は、量子ノイズ学習の理論的理解を深めるだけでなく、既存および近未来の量子情報処理装置を特徴付けるための実現可能なレシピを提供する。
関連論文リスト
- Noise-induced shallow circuits and absence of barren plateaus [2.5295633594332334]
まず、雑音がほとんどの量子回路を効果的に対数深度に切り離すことを示す。
次に,非単位雑音下での量子回路は,局所可観測物からなるコスト関数に対するバレンプラトーの欠如を証明した。
また、逆多項式加法誤差内でのパウリ予想値を推定する古典的アルゴリズムを設計する。
論文 参考訳(メタデータ) (2024-03-20T19:00:49Z) - 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) - Robust Quantum Gates against Correlated Noise in Integrated Quantum Chips [11.364693110852738]
超伝導量子回路におけるロバスト量子ゲートの実験的実現について報告する。
我々の研究は、ノイズ耐性複素量子回路を実現するための汎用的なツールボックスを提供する。
論文 参考訳(メタデータ) (2024-01-03T16:12:35Z) - Efficient learning of the structure and parameters of local Pauli noise
channels [1.5229257192293197]
n量子ビット上のパウリノイズチャネルを学習するための新しい手法を提案する。
我々は,Breslerによる画期的な成果を利用して,ギブズ測度を効率的に学習することで,その結果を達成した。
提案手法は,他の望ましい特徴を諦めることなく,サンプル数と後処理の両面で効率的である。
論文 参考訳(メタデータ) (2023-07-06T12:42:49Z) - The learnability of Pauli noise [3.251977404026275]
クリフォードゲートにアタッチされたパウリノイズチャネルの学習性について,精度よく評価する。
我々は,IBMのCNOTゲートの雑音特性を2自由度まで実験的に実証した。
論文 参考訳(メタデータ) (2022-06-13T17:58:43Z) - 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) - Benchmarking near-term quantum computers via random circuit sampling [3.48887080077816]
我々は,任意の非クリフォードゲートの層によって誘導される雑音の総量を,サンプリング効率よく推定できるアルゴリズムを開発した。
我々のアルゴリズムは、Googleの量子超越実験にインスパイアされ、ランダム回路サンプリングに基づいている。
論文 参考訳(メタデータ) (2021-05-11T17:49:16Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳(メタデータ) (2020-10-20T12:06:27Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳(メタデータ) (2020-07-21T15:36:25Z) - Quantum noise protects quantum classifiers against adversaries [120.08771960032033]
量子情報処理におけるノイズは、特に短期的な量子技術において、破壊的で避け難い特徴と見なされることが多い。
量子回路の非偏極雑音を利用して分類を行うことにより、敵に縛られるロバスト性を導出できることを示す。
これは、最も一般的な敵に対して使用できる最初の量子プロトコルである。
論文 参考訳(メタデータ) (2020-03-20T17:56:14Z)
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。