論文の概要: Faster Probabilistic Error Cancellation

• arxiv url: http://arxiv.org/abs/2506.04468v1
• Date: Wed, 04 Jun 2025 21:38:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.436816
• Title: Faster Probabilistic Error Cancellation
• Title（参考訳）: より高速な確率的エラーキャンセラ
• Authors: Yi-Hsiang Chen,
• Abstract要約: そこで本研究では,標準手法よりもサンプリングコストが低いPECを実現するための新しい手法を提案する。 PECを解析的にも数値的にも節約できることを示す。 また, この手法を実験的に実証し, 緩和値と理想値との良好な一致を見出した。
• 参考スコア（独自算出の注目度）: 6.418044102466421
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Probabilistic error cancellation (PEC) is a leading quantum error mitigation method that provides an unbiased estimate, although it is known to have a large sampling overhead. In this work, we propose a new method to perform PEC, which results in a lower sampling cost than the standard way. It works by decomposing the inverse channel of each gate or each circuit layer into the identity part and the non-identity part and reorganizing the full circuit as different powers of the inverse generator. The ideal circuit becomes a linear combination of noisy circuits with different weights where shots are deterministically allocated to each circuit based on its weight. This naturally sets the achievable bias given a finite amount of shots. As the number of shots is increased, smaller bias terms can be gradually resolved and become bias-free in the limit of sufficient shots. We show the saving both analytically and numerically over the standard PEC and identify situations where it can outperform heuristic approach, such as zero-noise extrapolation, due to the well-controlled bias. We also demonstrated this method experimentally and found excellent agreement between the mitigated and the ideal values.
• Abstract（参考訳）: PEC (probabilistic error cancel) は、サンプリングオーバーヘッドが大きいことが知られているが、偏りのない推定値を提供する主要な量子エラー軽減手法である。 そこで本研究では,PECを実現するための新しい手法を提案する。 各ゲートまたは各回路層の逆チャネルを同一部分と非同一部分とに分解し、全回路を逆発生器の異なるパワーとして再編成する。 理想的な回路は、異なる重みを持つノイズ回路の線形結合となり、その重みに基づいて各回路にショットを決定的に割り当てる。 このことは、有限ショットを与えられた達成可能なバイアスを自然に設定する。 ショット数が増加するにつれて、より小さなバイアス項が徐々に解決され、十分なショットの限界でバイアスフリーになる。 解析的および数値的に標準のPECを上回り、よく制御されたバイアスによりゼロノイズ外挿などのヒューリスティックなアプローチを上回り得る状況を明らかにする。 また, この手法を実験的に実証し, 緩和値と理想値との良好な一致を見出した。

関連論文リスト

• Coherently mitigating boson samplers with stochastic errors [0.26388783516590225]
  ボソンサンプリング装置のような量子デバイスは、製造の不完全性を含む様々なエラーの影響を受けやすい。 本稿では,複数のボソンサンプリング器を用いて理想的なボソンサンプリング器分布を近似した分布を生成するユニタリ平均化プロトコルを提案する。 これにより、可逆真空誘導ネットワークによって誘導される出力確率の間のトレース距離に厳密な上限が与えられる。
  論文  参考訳（メタデータ） (2025-04-30T18:16:22Z)
• Harmonic Path Integral Diffusion [0.4527270266697462]
  本稿では,連続多変量確率分布から抽出する新しい手法を提案する。 本手法では,状態空間の起点を中心とするデルタ関数を$t=0$とし,ターゲット分布に$t=1$で変換する。 これらのアルゴリズムは他のサンプリング手法、特にシミュレートおよびパス積分サンプリングと対比し、解析制御、精度、計算効率の点でそれらの利点を強調した。
  論文  参考訳（メタデータ） (2024-09-23T16:20:21Z)
• Lightcone shading for classically accelerated quantum error mitigation [1.1801688624472007]
  QEM(Quantum error mitigation)は、ノイズの多い量子コンピュータから、分散のバイアスをトレーディングすることで、正確な期待値を回復することができる。 確率的誤差キャンセリング(PEC)はQEM法の中でも特に頑健で、偏りを抑える手段である。 そこで本研究では,古典的資源の質が劣る場合でも,いくつかの問題に対して実用的な利点を提供するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-06T16:48:09Z)
• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
  我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。 特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
  論文  参考訳（メタデータ） (2023-12-19T13:17:43Z)
• Trajectory-Aware Eligibility Traces for Off-Policy Reinforcement Learning [44.50394347326546]
  多段階リターンからのオフ政治学習は、サンプル効率の強化学習に不可欠である。 オフ政治バイアスは、決定ごとに修正されるが、トレースが完全にカットされると、その効果は逆転できない。 本稿では,多段階演算子を提案する。
  論文  参考訳（メタデータ） (2023-01-26T18:57:41Z)
• Importance sampling for stochastic quantum simulations [68.8204255655161]
  我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。 サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。 格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
  論文  参考訳（メタデータ） (2022-12-12T15:06:32Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Unifying and benchmarking state-of-the-art quantum error mitigation techniques [0.6649973446180738]
  この研究では、多くの最先端のエラー軽減手法が、データ駆動型である共通の特徴を共有していることを認識している。 仮想蒸留(VD)は、異なる数の状態準備から生成される古典的なデータを考慮し、同様に見ることができることを示す。 具体的には、捕捉されたイオン量子コンピュータから得られた現実的なノイズモデルを用いて、NITEDをベンチマークし、他の最先端の手法を用いる。
  論文  参考訳（メタデータ） (2021-07-28T16:29:08Z)

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。