論文の概要: Calibration of Quantum Devices via Robust Statistical Methods
- arxiv url: http://arxiv.org/abs/2507.06941v1
- Date: Wed, 09 Jul 2025 15:22:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-10 17:37:43.640153
- Title: Calibration of Quantum Devices via Robust Statistical Methods
- Title（参考訳）: ロバスト統計法による量子デバイスの校正
- Authors: Alexandra Ramôa, Raffaele Santagati, Nathan Wiebe,
- Abstract要約: 量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。
既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。
我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
- 参考スコア（独自算出の注目度）: 45.464983015777314
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bayesian inference is a widely used technique for real-time characterization of quantum systems. It excels in experimental characterization in the low data regime, and when the measurements have degrees of freedom. A decisive factor for its performance is the numerical representation of the Bayesian probability distributions. In this work, we explore advanced statistical methods for this purpose, and numerically analyze their performance against the state-of-the-art in quantum parameter learning. In particular, we consider sequential importance resampling, tempered likelihood estimation, Markov Chain Monte Carlo, random walk Metropolis (RWM), Hamiltonian Monte Carlo (HMC) and variants (stochastic gradients with and without friction, energy conserving subsampling), block pseudo-marginal Metropolis-Hastings with subsampling, hybrid HMC-RWM approaches, and Gaussian rejection filtering. We demonstrate advantages of these approaches over existing ones, namely robustness under multi-modality and high dimensionality. We apply these algorithms to the calibration of superconducting qubits from IBMQ, surpassing the standard quantum limit and achieving better results than Qiskit's default tools. In Hahn echo and Ramsey experiments, we reduce the uncertainty by factors of 10 and 3 respectively, without increasing the number of measurements; conversely, we match the performance of Qiskit's methods while using up to to 99.5% less experimental data. We additionally investigate the roles of adaptivity, dataset ordering and heuristics in quantum characterization. Our findings have applications in challenging quantum characterization tasks, namely learning the dynamics of open quantum systems.
- Abstract（参考訳）: ベイズ推論(Bayesian inference)は、量子系のリアルタイムな特徴付けに広く用いられている手法である。
これは、低データ状態における実験的な特性と、測定が自由度を持つ場合の優れた特徴である。
その性能の決定的な要因はベイズ確率分布の数値表現である。
本研究では,この目的のための高度な統計手法を探索し,量子パラメータ学習の最先端技術に対してその性能を数値的に解析する。
特に, 逐次重要度再サンプリング, 温度推定, マルコフ・チェイン・モンテカルロ, ランダムウォーク・メトロポリス (RWM), ハミルトン・モンテカルロ (HMC) および変種 (摩擦を伴う確率勾配, エネルギー保存サブサンプリング), サブサンプリング, ハイブリッドHMC-RWMアプローチ, ガウス拒絶フィルタ) について検討する。
既存手法に対するこれらのアプローチの利点、すなわちマルチモーダリティと高次元性の下でのロバスト性を示す。
我々は、これらのアルゴリズムをIBMQの超伝導量子ビットの校正に適用し、標準量子限界を超え、Qiskitのデフォルトツールよりも優れた結果を得る。
ハーンエコーとラムゼーの実験では、測定回数を増やすことなく、それぞれ10と3の因子による不確実性を減らす。
さらに, 適応性, データセット順序, ヒューリスティックスの役割について検討する。
我々の発見は、オープン量子システムの力学を学習する、量子的特徴付けに挑戦するタスクに応用できる。
関連論文リスト
- Looking elsewhere: improving variational Monte Carlo gradients by importance sampling [41.94295877935867]
ニューラルネットワーク量子状態(NQS)は、量子多体波動関数を表現するために強力で表現力のあるアンサッツを提供する。
量子化学で現れる急激なピーク波動関数のようないくつかのシナリオは、変動最適化の有効性を阻害する高分散勾配推定器をもたらすことが知られている。
本研究では、適応的に調整された重要度サンプリングを用いて、これらのサンプリング問題に取り組むための体系的戦略について検討する。
提案手法により,バニラVMCの計算コストを,高ピークの量子化学波動関数をターゲットとした場合,最大100倍に削減できる。
論文 参考訳（メタデータ） (2025-07-07T18:00:03Z) - Statistical Signal Processing for Quantum Error Mitigation [12.804941908319792]
量子誤差緩和(QEM)に対する統計的信号処理手法を提案する。
我々のモデルは、回路深度がノイズの偏極化に十分であると仮定し、劣化した観測結果を生成する。
提案手法は,ノイズモデルに整合した合成データを用いて,より大規模な量子ビット数にスケールすることを示す。
論文 参考訳（メタデータ） (2025-05-31T19:34:19Z) - Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。
本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。
提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
論文 参考訳（メタデータ） (2025-04-17T15:41:48Z) - Near-Term Fermionic Simulation with Subspace Noise Tailored Quantum Error Mitigation [0.0]
本稿では,SNT(Subspace Noise Tailoring)アルゴリズムを導入し,Symmetry Verification(SV)とPEC(Probabilistic Error Cancellation)QEM(Probabilistic Error Cancellation)の低バイアスを効率よく組み合わせた。
様々な局所フェルミオン-量子ビット符号化を用いて,スピン-1/2フェルミ-ハバードモデル(FHM)の時間発展をシミュレーションし,本手法の性能について検討した。
論文 参考訳（メタデータ） (2025-03-14T18:20:54Z) - Quantum Circuit Design using a Progressive Widening Enhanced Monte Carlo Tree Search [0.7639610349097473]
本稿では、量子回路設計のプロセスを自動化するために、勾配のないモンテカルロ木探索(MCTS)手法を提案する。
これまでのMCTS研究と比較して、量子回路評価の回数を最大100倍に削減する。
得られた量子回路は最大3倍のCNOTゲートを示し、ノイズの多い量子ハードウェアの実装に重要である。
論文 参考訳（メタデータ） (2025-02-06T10:52:11Z) - Bayesian Quantum Amplitude Estimation [49.1574468325115]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Quantum Conformal Prediction for Reliable Uncertainty Quantification in
Quantum Machine Learning [47.991114317813555]
量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。
本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
論文 参考訳（メタデータ） (2023-04-06T22:05:21Z) - 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) - On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。
本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。
量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
論文 参考訳（メタデータ） (2022-06-01T11:03:51Z)
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。