論文の概要: Deep-learned error mitigation via partially knitted circuits for the variational quantum eigensolver
- arxiv url: http://arxiv.org/abs/2506.04146v1
- Date: Wed, 04 Jun 2025 16:40:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:14.476957
- Title: Deep-learned error mitigation via partially knitted circuits for the variational quantum eigensolver
- Title（参考訳）: 変分量子固有解法のための部分ニット回路による深絞り誤差軽減
- Authors: Simone Cantori, Andrea Mari, David Vitali, Sebastiano Pilati,
- Abstract要約: 変分量子固有解法(VQE)は、一般に、近時雑音量子コンピュータのための有望な量子アルゴリズムとみなされる。
本稿では,深層学習に基づく誤り軽減手法を用いて,VQEを機能化する方法について述べる。
- 参考スコア（独自算出の注目度）: 0.4999814847776097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The variational quantum eigensolver (VQE) is generally regarded as a promising quantum algorithm for near-term noisy quantum computers. However, when implemented with the deep circuits that are in principle required for achieving a satisfactory accuracy, the algorithm is strongly limited by noise. Here, we show how to make VQE functional via a tailored error mitigation technique based on deep learning. Our method employs multilayer perceptrons trained on the fly to predict ideal expectation values from noisy outputs combined with circuit descriptors. Importantly, a circuit knitting technique with partial knitting is adopted to substantially reduce the classical computational cost of creating the training data. We also show that other popular general-purpose quantum error mitigation techniques do not reach comparable accuracies. Our findings highlight the power of deep-learned quantum error mitigation methods tailored to specific circuit families, and of the combined use of variational quantum algorithms and classical deep learning.
- Abstract（参考訳）: 変分量子固有解法(VQE)は一般に、近時雑音量子コンピュータのための有望な量子アルゴリズムとみなされる。
しかし,精度のよいディープ回路を基本として実装する場合は,ノイズに強く制限される。
本稿では、深層学習に基づく修正誤り軽減手法を用いてVQEを機能化する方法について述べる。
本手法では,回路記述子と組み合わせた雑音出力から理想的な期待値を予測するために,ハエで訓練した多層パーセプトロンを用いる。
重要なことに、トレーニングデータを作成する際の古典的な計算コストを大幅に削減するために、部分編み込みによる回路編み技術が採用されている。
また、他の一般的な汎用量子誤り軽減技術は、同等の精度に達しないことを示す。
本研究は,特定の回路ファミリに合わせた深層学習型量子誤り軽減手法のパワーと,変分量子アルゴリズムと古典的深層学習を併用したパワーを強調した。
関連論文リスト
- Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。
本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-05-24T02:51:34Z) - Near-Term Distributed Quantum Computation using Mean-Field Corrections
and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。
我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文 参考訳（メタデータ） (2023-09-11T18:00:00Z) - Mitigating Quantum Gate Errors for Variational Eigensolvers Using Hardware-Inspired Zero-Noise Extrapolation [0.0]
ゼロノイズ外挿を用いた変分アルゴリズムにおける量子ゲート誤差の軽減法を開発した。
物理量子デバイスにおけるゲートエラーが、異なる量子ビットと量子ビットのペアで不均一に分散されているという事実を利用する。
回路誤差和について, 変動的アプローチにおける推定エネルギーは, ほぼ線形であることがわかった。
論文 参考訳（メタデータ） (2023-07-20T18:00:03Z) - Scalable noisy quantum circuits for biased-noise qubits [37.69303106863453]
安定猫量子ビットの既存システムに動機づけられたビットフリップ誤差のみに影響されるバイアスノイズ量子ビットを考察する。
現実的なノイズモデルでは、位相フリップは無視できないが、Pauli-Twirling近似では、ベンチマークが最大106ドルのゲートを含む回路の正しさを確認できる。
論文 参考訳（メタデータ） (2023-05-03T11:27:50Z) - Improving the speed of variational quantum algorithms for quantum error
correction [7.608765913950182]
本稿では、量子回路に作用する汎用量子ノイズに対して、適切な量子誤り補正(QEC)手順を考案する問題を考察する。
一般に、符号化と補正のユニタリゲートを得るための解析的普遍的な手順は存在しない。
次数1の量子ワッサーシュタイン距離に基づくコスト関数を用いてこの問題に対処する。
論文 参考訳（メタデータ） (2023-01-12T19:44:53Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳（メタデータ） (2022-04-12T19:39:31Z) - Limitations of variational quantum algorithms: a quantum optimal
transport approach [11.202435939275675]
我々は、ノイズとノイズレスの両体制において、標準NISQ提案の極めて厳密な境界を得る。
境界は、QAOAのような両方の回路モデルアルゴリズムと、量子アニールのような連続時間アルゴリズムの性能を制限する。
論文 参考訳（メタデータ） (2022-04-07T13:58:44Z)
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。