論文の概要: Spin-qubit readout analysis based on a Hidden Markov Model

• arxiv url: http://arxiv.org/abs/2505.19272v1
• Date: Sun, 25 May 2025 19:04:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.024307
• Title: Spin-qubit readout analysis based on a Hidden Markov Model
• Title（参考訳）: 隠れマルコフモデルに基づくスピン量子ビット読み出し解析
• Authors: Maria Spethmann, Peter Stano, Daniel Loss,
• Abstract要約: 半導体スピン量子ビットでは、典型的な信号トレースは通常、それを単一の値に圧縮することによって解析される。 ここでは、隠れマルコフモデル(HMM)を用いて、より洗練された信号トレース処理によって達成できることを分析する。 システム統計モデルとして白色雑音を用いたHMMは驚くほど相関に敏感であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Across most qubit platforms, the readout fidelities do not keep up with the gate fidelities, and new ways to increase the readout fidelities are searched for. For semiconductor spin qubits, a typical qubit-readout signal consists of a finite stretch of a digitized charge-sensor output. Such a signal trace is usually analyzed by compressing it into a single value, either maximum or sum. The binary measurement result follows by comparing the single value to a decision threshold fixed in advance. This threshold method, while simple and fast, omits information that could potentially improve the readout fidelity. Here, we analyze what can be achieved by more sophisticated signal-trace processing using the Hidden Markov Model (HMM). The HMM is a natural choice, being the optimal statistical processing if the noise is white. It also has a computationally efficient implementation, known as the forward-backward algorithm, making HMM processing practical. However, unlike in many computer-simulation studies, in real experiments the noise is correlated. How this change affects the HMM implementation and reliability is our subject. We find that the HMM using white noise as the system statistical model is surprisingly sensitive to correlations; it only tolerates very small correlation times. We suggest alleviating this deficiency by a signal pre-filtering. The correlations have a similar strongly negative impact on the HMM model calibration (the Baum-Welch algorithm). Besides studying the effects of noise correlations, as a specific application of the HMM we calculate the readout fidelity at elevated temperatures, relevant to recent experimental pursuits of `hot' spin qubits.
• Abstract（参考訳）: ほとんどのqubitプラットフォームでは、読み出しフィポリティはゲートフィポリティに追いついておらず、読み出しフィポリティを増やす新しい方法が検索される。 半導体スピン量子ビットでは、典型的な量子ビット読み出し信号は、デジタル化された電荷センサ出力の有限ストレッチからなる。 このような信号トレースは、通常、最大または最大のいずれかの値に圧縮することで分析される。 二値測定結果は、単値と予め固定された判定閾値とを比較して行う。 このしきい値法は単純かつ高速であるが、読み出し精度を向上させる可能性のある情報を省略する。 そこで我々は,Hidden Markov Model (HMM)を用いて,より洗練された信号トレース処理によって達成できるものを分析する。 HMMは自然な選択であり、ノイズが白色であれば最適な統計処理である。 また、HMM処理を実用的なものにするため、フォワードバックワードアルゴリズム(英語版)と呼ばれる計算効率のよい実装も備えている。 しかし、多くの計算機シミュレーション研究とは異なり、実際の実験ではノイズは相関している。 この変更がHMMの実装や信頼性にどのように影響するかが課題です。 システム統計モデルとして白色雑音を用いたHMMは驚くほど相関に敏感であることがわかった。 我々はこの欠損を信号前フィルタリングによって緩和することを提案する。 相関は、HMMモデルのキャリブレーション(Baum-Welchアルゴリズム)に類似した強い負の影響を持つ。 HMMの特定の応用として、高温度での読み出し忠実度を計算し、熱いスピン量子ビットの最近の実験的追求に関係している。

関連論文リスト

• The random coupled-plaquette gauge model and the surface code under circuit-level noise [1.351813974961217]
  ノイズのある設定で, 表面コード中の真のYエラーを最適に説明する。 我々は回路レベルのノイズシナリオに取り組み,非対称な非偏極化とシンドロームノイズ率の効果的な検出に還元手法を用いる。
  論文  参考訳（メタデータ） (2024-12-18T16:20:14Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Negative Pre-aware for Noisy Cross-modal Matching [46.5591267410225]
  雑音対応は認識と修正が難しいため,クロスモーダルノイズロバスト学習は難しい課題である。 本稿では,雑音の多い下流タスクに対する大規模視覚言語モデルファインタニングのための,否定的事前認識型クロスモーダルマッチングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-10T05:52:36Z)
• Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
  本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。 本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。 具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
  論文  参考訳（メタデータ） (2023-02-28T16:53:41Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Greedy versus Map-based Optimized Adaptive Algorithms for random-telegraph-noise mitigation by spectator qubits [6.305016513788048]
  データストレージキュービットを可能な限り分離したままにしておくシナリオでは、ノイズプローブを追加してノイズ軽減を行うことができる。 量子ビット上の射影的測定を仮定した理論モデルを構築し、異なる測定・制御戦略の性能を導出する。 解析的および数値的に、MOAAARは、特にSQの高雑音感度状態において、Greedyアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-25T08:25:10Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Compressed Sensing Measurement of Long-Range Correlated Noise [1.6328866317851183]
  長距離相関誤差は、NISQデバイスの性能に深刻な影響を及ぼす可能性がある。 本稿では,2ビット相関型デフォーカス誤りを検出するための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-26T14:47:26Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)

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。