論文の概要: Randomized benchmarking with non-Markovian noise and realistic finite-time gates

• arxiv url: http://arxiv.org/abs/2501.06172v1
• Date: Fri, 10 Jan 2025 18:52:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:27:02.879251
• Title: Randomized benchmarking with non-Markovian noise and realistic finite-time gates
• Title（参考訳）: 非マルコフ雑音と実有限時間ゲートを用いたランダム化ベンチマーク
• Authors: Antoine Brillant, Peter Groszkowski, Alireza Seif, Jens Koch, Aashish Clerk,
• Abstract要約: 単量子ランダム化ベンチマーク実験における非マルコフ古典雑音の影響を解析する。 本フレームワークは,各ゲート列のランダムな性質を利用して,完全生存確率減衰曲線の式を導出する。 これらの効果がランダム化ベンチマーキング実験の解釈をいかに複雑にするかを論じるとともに、非マルコビアン性の調査にどのように活用するかについても論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We analyze the impact of non-Markovian classical noise on single-qubit randomized benchmarking experiments, in a manner that explicitly models the realization of each gate via realistic finite-duration pulses. Our new framework exploits the random nature of each gate sequence to derive expressions for the full survival probability decay curve which are non-perturbative in the noise strength. In the presence of non-Markovian noise, our approach shows that the decay curve can exhibit a strong dependence on the implementation method, with regimes of both exponential and power law decays. We discuss how these effects can complicate the interpretation of a randomized-benchmarking experiment, but also how to leverage them to probe non-Markovianty.
• Abstract（参考訳）: 非マルコフ的古典雑音が単一量子ランダム化ベンチマーク実験に与える影響を、現実的な有限デューレーションパルスによる各ゲートの実現を明示的にモデル化する方法として分析する。 我々の新しい枠組みは、各ゲート列のランダムな性質を利用して、雑音強度が非摂動的な完全生存確率減衰曲線の式を導出する。 非マルコフノイズの存在下で、我々の手法は崩壊曲線が指数法とパワー法の両方の条件で実装法に強い依存を示すことを示す。 これらの効果がランダム化ベンチマーキング実験の解釈をいかに複雑にするかを論じるとともに、非マルコビアン性の調査にどのように活用するかについても論じる。

関連論文リスト

• Causal Discovery with Score Matching on Additive Models with Arbitrary Noise [37.13308785728276]
  因果発見法は、構造識別可能性を保証するために必要な仮定のセットによって本質的に制約される。 本稿では,雑音項のガウス性に反するエッジ反転のリスクを解析し,この仮説の下での推論の欠点を示す。 本稿では,一般的な雑音分布を持つ付加非線形モデルに基づいて生成されたデータから,因果グラフ内の変数の位相的順序付けを推定する新しい手法を提案する。 これは、最小限の仮定と、合成データに基づいて実験的にベンチマークされた技術性能の状態を持つ因果探索アルゴリズムであるNoGAMに繋がる。
  論文  参考訳（メタデータ） (2023-04-06T17:50:46Z)
• Logistic-Normal Likelihoods for Heteroscedastic Label Noise [6.947162493996924]
  回帰における異方性ラベルノイズを推定する自然な方法は、観測された(潜在的にノイズの多い)ターゲットを正規分布からサンプルとしてモデル化することである。 我々は、同じ望ましい損失減衰特性を持つ分類に対する、この単純で確率的なアプローチの拡張を提案する。
  論文  参考訳（メタデータ） (2023-04-06T03:45:07Z)
• Doubly Stochastic Models: Learning with Unbiased Label Noises and Inference Stability [85.1044381834036]
  勾配降下のミニバッチサンプリング設定におけるラベル雑音の暗黙的正則化効果について検討した。 そのような暗黙的正則化器は、パラメータの摂動に対してモデル出力を安定化できる収束点を好んでいる。 我々の研究は、SGDをオルンシュタイン-ウレンベック類似の過程とはみなせず、近似の収束によってより一般的な結果を得る。
  論文  参考訳（メタデータ） (2023-04-01T14:09:07Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)
• Clipped Stochastic Methods for Variational Inequalities with Heavy-Tailed Noise [64.85879194013407]
  単調なVIPと非単調なVIPの解法における信頼度に対数的依存を持つ最初の高確率結果が証明された。 この結果は光尾の場合で最もよく知られたものと一致し,非単調な構造問題に新鮮である。 さらに,多くの実用的な定式化の勾配雑音が重く,クリッピングによりSEG/SGDAの性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-06-02T15:21:55Z)
• Analyzing and Improving the Optimization Landscape of Noise-Contrastive Estimation [50.85788484752612]
  ノイズコントラスト推定(NCE)は、非正規化確率モデルを学習するための統計的に一貫した手法である。 ノイズ分布の選択がNCEの性能に不可欠であることが実験的に観察されている。 本研究では,不適切な雑音分布を用いた場合,NCEの性能低下の原因を正式に指摘する。
  論文  参考訳（メタデータ） (2021-10-21T16:57:45Z)
• Randomized benchmarking for non-Markovian noise [11.164202369517058]
  ランダム化ベンチマークプロトコルと非マルコフ量子現象を記述するフレームワークを組み合わせる。 マルコフの場合からの偏差により、ASFから直接非マルコフ的特徴を識別できることが示される。 我々の手法は直接実装可能であり、量子プロセッサの相関ノイズをよりよく理解するための経路を舗装する。
  論文  参考訳（メタデータ） (2021-07-12T13:10:05Z)
• Square Root Principal Component Pursuit: Tuning-Free Noisy Robust Matrix Recovery [8.581512812219737]
  本稿では,ノイズや外周波で劣化した観測結果から低ランク行列を復元する新しい枠組みを提案する。 平方根のラッソにインスパイアされたこの新しい定式化は、ノイズレベルに関する事前の知識を必要としない。 正規化パラメータの1つの普遍的な選択は、(事前未知の)雑音レベルに比例した再構成誤差を達成するのに十分であることを示す。
  論文  参考訳（メタデータ） (2021-06-17T02:28:11Z)
• On the Role of Entropy-based Loss for Learning Causal Structures with Continuous Optimization [27.613220411996025]
  因果構造学習問題を最小二乗損失を用いた連続最適化問題として定式化する。 ガウス雑音の仮定に違反すると因果方向の同定が妨げられることを示す。 より一般的なエントロピーに基づく損失は、任意の雑音分布下での確率スコアと理論的に一致している。
  論文  参考訳（メタデータ） (2021-06-05T08:29:51Z)
• Learning Noise Transition Matrix from Only Noisy Labels via Total Variation Regularization [88.91872713134342]
  本稿では,雑音遷移行列を推定し,同時に分類器を学習する理論的基礎付け手法を提案する。 提案手法の有効性を,ベンチマークおよび実世界のデータセットを用いた実験により示す。
  論文  参考訳（メタデータ） (2021-02-04T05:09:18Z)
• Contextual Linear Bandits under Noisy Features: Towards Bayesian Oracles [65.9694455739978]
  特徴不確実性の下での文脈線形帯域問題について検討する。 本分析により, 最適仮説は, 雑音特性に応じて, 基礎となる実現可能性関数から著しく逸脱しうることが明らかとなった。 これは、古典的アプローチが非自明な後悔境界を保証できないことを意味する。
  論文  参考訳（メタデータ） (2017-03-03T21:39:56Z)

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。