論文の概要: Randomized Benchmarking with Synthetic Quantum Circuits
- arxiv url: http://arxiv.org/abs/2412.18578v1
- Date: Tue, 24 Dec 2024 18:10:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-25 15:54:37.903074
- Title: Randomized Benchmarking with Synthetic Quantum Circuits
- Title(参考訳): 合成量子回路を用いたランダムベンチマーク
- Authors: Yale Fan, Riley Murray, Thaddeus D. Ladd, Kevin Young, Robin Blume-Kohout,
- Abstract要約: 我々はRandomized benchmarking(RB)のサンプル効率を高めるための広範なフレームワークを紹介する。
我々の戦略は、任意のベンチマークグループに適用され、入力データと出力データの古典的な後処理を伴う「合成」量子回路を使用する。
実験的な高スピン系の場合,合成RBプロトコルは回転不変誤差率の測定の複雑さを低減できることを示す。
- 参考スコア(独自算出の注目度): 0.471858286267785
- License:
- Abstract: Randomized benchmarking (RB) comprises a set of mature and widely used techniques for assessing the quality of operations on a quantum information-processing system. Modern RB protocols for multiqubit systems extract physically relevant error rates by exploiting the structure of the group representation generated by the set of benchmarked operations. However, existing techniques become prohibitively inefficient for representations that are highly reducible yet decompose into irreducible subspaces of high dimension. These situations prevail when benchmarking high-dimensional systems such as qudits or bosonic modes, where experimental control is limited to implementing a small subset of all possible unitary operations. In this work, we introduce a broad framework for enhancing the sample efficiency of RB that is sufficiently powerful to extend the practical reach of RB beyond the multiqubit setting. Our strategy, which applies to any benchmarking group, uses "synthetic" quantum circuits with classical post-processing of both input and output data to leverage the full structure of reducible superoperator representations. To demonstrate the efficacy of our approach, we develop a detailed theory of RB for systems with rotational symmetry. Such systems carry a natural action of the group $\text{SU}(2)$, and they form the basis for several novel quantum error-correcting codes. We show that, for experimentally accessible high-spin systems, synthetic RB protocols can reduce the complexity of measuring rotationally invariant error rates by more than two orders of magnitude relative to standard approaches such as character RB.
- Abstract(参考訳): ランダム化ベンチマーク(Randomized benchmarking, RB)は、量子情報処理システムにおける演算の質を評価するための、成熟した、広く使われている一連の技術である。
マルチキュービットシステムのための最新のRBプロトコルは、ベンチマークされた演算の集合によって生成される群表現の構造を利用して、物理的に関連するエラー率を抽出する。
しかし、既存の手法は、高度に再現可能でありながら高次元の既約部分空間に分解される表現に対して、違法に非効率になる。
これらの状況は、クォーディットやボソニックモードのような高次元のシステムをベンチマークする場合、実験的な制御は可能なすべてのユニタリ演算の小さなサブセットを実装することに限定される。
本研究では,マルチビット環境を超えてRBの実用的リーチを拡張するのに十分なパワーを持つRBの試料効率を高めるための広範なフレームワークを提案する。
我々の戦略は、どのベンチマークグループにも当てはまるが、計算可能な超演算表現の完全な構造を利用するために、入力データと出力データの古典的な後処理を伴う「合成」量子回路を用いる。
提案手法の有効性を示すため,回転対称性を持つ系に対するRBの詳細な理論を開発した。
そのような系は群 $\text{SU}(2)$ の自然な作用を持ち、いくつかの新しい量子誤り訂正符号の基礎を形成する。
実験的な高スピン系の場合, RBプロトコルは, 文字RBなどの標準手法と比較して, 回転不変誤差率の測定の複雑さを2桁以上低減できることを示す。
関連論文リスト
- Bosonic randomized benchmarking with passive transformations [0.1874930567916036]
我々は,受動ガウス変換のためのRBプロトコルを開発し,これをボソニック受動RBと呼ぶ。
このプロトコルは、最近開発されたフィルタRBフレームワークに基づいており、ボゾン系に生じる指数関数的崩壊の多さを分離するように設計されている。
彼らはモード数で軽度のスケーリングを示し、ボソニックなパッシブRBが適度なモード数で実験的に実現可能であることを示唆している。
論文 参考訳(メタデータ) (2024-08-20T18:09:20Z) - DB-LLM: Accurate Dual-Binarization for Efficient LLMs [83.70686728471547]
大規模言語モデル(LLM)は自然言語処理の分野を著しく進歩させてきた。
既存の超低ビット量子化は、常に深刻な精度低下を引き起こす。
本稿では,LLM,すなわちDB-LLMのための新しいデュアルバイナライズ手法を提案する。
論文 参考訳(メタデータ) (2024-02-19T09:04:30Z) - Randomized benchmarking with random quantum circuits [1.3406858660972554]
実験可能な仮定の下で任意のコンパクト群からゲートの保証を導出する。
線形深さのランダム量子回路では,多くの関連するフィルタRBスキームが実現可能であることを示す。
フィルタRBは,高次クロストークに対処するプロトコルを含む,いくつかの関連グループに対してサンプリング効率がよいことを示す。
論文 参考訳(メタデータ) (2022-12-12T19:00:19Z) - Dynamic Dual Trainable Bounds for Ultra-low Precision Super-Resolution
Networks [82.18396309806577]
動的デュアル・トレーニング・バウンダリ(DDTB)と呼ばれる新しいアクティベーション・量子化器を提案する。
DDTBは超低精度で優れた性能を示した。
例えば、我々のDDTBは、EDSRを2ビットに量子化し、出力画像をx4にスケールアップする場合、Urban100ベンチマークで0.70dBのPSNRアップを達成する。
論文 参考訳(メタデータ) (2022-03-08T04:26:18Z) - Automatic Mixed-Precision Quantization Search of BERT [62.65905462141319]
BERTのような事前訓練された言語モデルは、様々な自然言語処理タスクにおいて顕著な効果を示している。
これらのモデルは通常、数百万のパラメータを含んでおり、リソースに制約のあるデバイスへの実践的なデプロイを妨げている。
本稿では,サブグループレベルでの量子化とプルーニングを同時に行うことができるBERT用に設計された混合精密量子化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-12-30T06:32:47Z) - A framework for randomized benchmarking over compact groups [0.6091702876917279]
実験システムのキャラクタリゼーションは、量子ハードウェアの開発と改良に不可欠なステップである。
ランダム化ベンチマーク(Randomized Benchmarking, RB)として知られるプロトコルの集合が過去10年間に開発され、量子システムにおけるエラー率を効率的に測定する方法を提供している。
RBの一般的なフレームワークが提案され、既知のRBプロトコルの大部分を包含し、以前の作業におけるエラーモデルに対する制限を克服した。
本研究では、RBフレームワークをゲートの連続群に一般化し、ノイズレベルが合理的に小さい限り、出力は行列指数崩壊の線形結合として近似できることを示す。
論文 参考訳(メタデータ) (2021-11-19T18:43:47Z) - Efficient Micro-Structured Weight Unification and Pruning for Neural
Network Compression [56.83861738731913]
ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。
既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。
ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
論文 参考訳(メタデータ) (2021-06-15T17:22:59Z) - Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。
我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。
低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文 参考訳(メタデータ) (2020-11-29T03:53:49Z) - PAMS: Quantized Super-Resolution via Parameterized Max Scale [84.55675222525608]
深部畳み込みニューラルネットワーク(DCNN)は超解像処理(SR)において優位な性能を示した
本稿では,PAMS(Parameterized Max Scale)と呼ばれる新しい量子化手法を提案する。
実験により,提案手法はEDSRやRDNなどの既存のSRモデルを適切に圧縮・高速化できることが示された。
論文 参考訳(メタデータ) (2020-11-09T06:16:05Z) - Character randomized benchmarking for non-multiplicity-free groups with
applications to subspace, leakage, and matchgate randomized benchmarking [14.315027895958304]
非多重性自由群を明示的に扱うために、原文字RB導出を拡張した。
我々は,より一般的なゲート群に適用可能な新しいリークRBプロトコルを開発した。
この例は、スケーラブルな非クリフォードRBプロトコルの数少ない例の1つである。
論文 参考訳(メタデータ) (2020-10-30T18:00:01Z) - A general framework for randomized benchmarking [1.1969556745575978]
ランダム化ベンチマーク(RB)は、過去10年間に量子ゲートを特徴づける中心的な手法となったプロトコルの集合を指す。
我々はRBの厳密なフレームワークを開発し、事実上すべての既知のプロトコルを包含し、より斬新で柔軟な拡張を行う。
論文 参考訳(メタデータ) (2020-10-15T18:38:29Z)
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。