論文の概要: Physics-Inspired Extrapolation for efficient error mitigation and hardware certification

• arxiv url: http://arxiv.org/abs/2505.07977v2
• Date: Mon, 29 Sep 2025 19:25:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:44:59.736089
• Title: Physics-Inspired Extrapolation for efficient error mitigation and hardware certification
• Title（参考訳）: 効率的なエラー軽減とハードウェア認証のための物理インスパイアされた外挿法
• Authors: Pablo Díez-Valle, Gaurav Saxena, Jack S. Baker, Jun-Ho Lee, Thi Ha Kyaw,
• Abstract要約: 量子エラー軽減は、ノイズの多い中間スケールの量子時代にとって不可欠である。 ほとんどのQEM法は、偏りのない推定を達成するために指数的なサンプリングオーバーヘッドを発生させる。 本稿では,物理に着想を得た線形回路ランタイムプロトコルである外挿法を提案する。
• 参考スコア（独自算出の注目度）: 10.804056735359618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum error mitigation is essential for the noisy intermediate-scale quantum era, and will remain relevant for early fault-tolerant quantum computers, where logical error rates are still significant. However, most QEM methods incur an exponential sampling overhead to achieve unbiased estimates, limiting their practical applicability. Recently, error mitigation by restricted evolution was shown to estimate expectation values with constant sampling overhead, albeit with a small bias that grows with circuit size and noise level. Building upon the EMRE framework, here, we propose physics-inspired extrapolation, a linear circuit runtime protocol that achieves enhanced accuracy without incurring substantial overhead. Unlike traditional zero-noise extrapolation methods, PIE provides an operational interpretation of its fitting parameters and converges to unbiased estimates as noise decreases. Distinctively, the slope of the extrapolation fit corresponds to the max-relative entropy between the ideal and noisy circuits, enabling quantitative hardware certification alongside error mitigation, with no additional computational overhead. We also demonstrate the efficacy of this method on IBMQ hardware and apply it to simulate 84-qubit quantum dynamics efficiently. Our results show that PIE yields accurate, low-variance error mitigated estimates, establishing it as a practical and scalable strategy for both error mitigation and hardware certification for near-term and early fault-tolerant quantum computers.
• Abstract（参考訳）: 量子エラーの緩和は、ノイズの多い中間スケールの量子時代において必須であり、論理的エラー率が依然として大きい早期のフォールトトレラント量子コンピュータに引き続き関係する。 しかし、ほとんどのQEM法は、偏りのない見積もりを達成するために指数的なサンプリングオーバーヘッドを発生させ、実用性を制限する。 近年,回路サイズとノイズレベルに比例して増大する小さなバイアスがあるにもかかわらず,一定のサンプリングオーバーヘッドで予測値を推定するために,制限された進化による誤差軽減が示されている。 本稿では,EMRE フレームワーク上に構築された線形回路ランタイムプロトコルである物理インスパイアされた外挿法を提案する。 従来のゼロノイズ外挿法とは異なり、PIEはその適合パラメータの操作的解釈を提供し、ノイズが減少するにつれて不偏推定に収束する。 直感的には、外挿フィットの傾きは理想回路と雑音回路の間の最大相対エントロピーに対応し、追加の計算オーバーヘッドを伴わずにエラー軽減とともに定量的ハードウェア認証を可能にする。 また、この手法の有効性をIBMQハードウェアで実証し、84量子ビット量子力学を効率的にシミュレートする。 以上の結果から,PIEは誤差低減とハードウェア認証の両面において,短期および早期のフォールトトレラント量子コンピュータの実用的かつスケーラブルな戦略として確立されている。

関連論文リスト

• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
  変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。 それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。 この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Machine Learning for Practical Quantum Error Mitigation [0.0]
  量子エラー軽減のための機械学習は、そのコストを大幅に削減することを示す。 本稿では,ML-QEMを用いて従来の緩和手法を模倣し,より優れた実行効率で拡張性を実現する方法を提案する。
  論文  参考訳（メタデータ） (2023-09-29T16:17:12Z)
• 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)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Circuit Symmetry Verification Mitigates Quantum-Domain Impairments [69.33243249411113]
  本稿では,量子状態の知識を必要とせず,量子回路の可換性を検証する回路指向対称性検証を提案する。 特に、従来の量子領域形式を回路指向安定化器に一般化するフーリエ時間安定化器(STS)手法を提案する。
  論文  参考訳（メタデータ） (2021-12-27T21:15:35Z)
• Error mitigation in variational quantum eigensolvers using tailored probabilistic machine learning [5.630204194930539]
  本稿では,量子計算におけるノイズを軽減するために,ガウス過程回帰(GPR)をアクティブラーニングフレームワーク内に導入する新しい手法を提案する。 我々は,IBMのオープンソース量子コンピューティングフレームワークであるQiskitを用いて,2サイトアンダーソン不純物モデルと8サイトハイゼンベルクモデルに対する提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-11-16T22:29:43Z)
• Quantum algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
  量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。 変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。 量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
  論文  参考訳（メタデータ） (2021-08-09T18:00:05Z)
• Enhancing quantum models of stochastic processes with error mitigation [0.0]
  理論量子モデルと実用のギャップを、誤差軽減法を取り入れて埋める。 その結果,誤差緩和が期待値の改善に有効であることが確認された。 この結果から,これらの量子コンピュータにおけるハードウェアの制約により,その手法が制約されることが示唆された。
  論文  参考訳（メタデータ） (2021-05-13T17:45:34Z)
• Error mitigation and quantum-assisted simulation in the error corrected regime [77.34726150561087]
  量子コンピューティングの標準的なアプローチは、古典的にシミュレート可能なフォールトトレラントな演算セットを促進するという考え方に基づいている。 量子回路の古典的準確率シミュレーションをどのように促進するかを示す。
  論文  参考訳（メタデータ） (2021-03-12T20:58:41Z)
• Algorithmic Error Mitigation Scheme for Current Quantum Processors [0.0]
  本稿では,Lanczos法に着想を得た量子プロセッサのハードウェア非依存誤差軽減アルゴリズムを提案する。 我々は,IBM Quantumハードウェア上での数値シミュレーションと実験により,提案手法がコスト関数評価の精度を大幅に向上させることを示した。
  論文  参考訳（メタデータ） (2020-08-25T09:48:20Z)
• Multi-exponential Error Extrapolation and Combining Error Mitigation Techniques for NISQ Applications [0.0]
  量子ハードウェアにおけるノイズは、量子コンピュータの実装における最大の障害である。 誤り補間は、実験的に実装された誤り軽減手法である。 我々はこれを多重指数誤差外挿に拡張し、パウリ雑音下での有効性のより厳密な証明を提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:18:47Z)
• Minimizing estimation runtime on noisy quantum computers [0.0]
  ベイズ推論の実行には、ELF(Engineered chance function)が用いられる。 物理ハードウェアがノイズの多い量子コンピュータの仕組みから遷移するにつれて,ELF形式がサンプリングにおける情報ゲイン率をいかに向上させるかを示す。 この技術は、化学、材料、ファイナンスなどを含む多くの量子アルゴリズムの中心的なコンポーネントを高速化する。
  論文  参考訳（メタデータ） (2020-06-16T17:46:18Z)

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。