論文の概要: Computational Performance Bounds Prediction in Quantum Computing with Unstable Noise
- arxiv url: http://arxiv.org/abs/2507.17043v1
- Date: Tue, 22 Jul 2025 22:00:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:14.787878
- Title: Computational Performance Bounds Prediction in Quantum Computing with Unstable Noise
- Title（参考訳）: 不安定雑音を伴う量子コンピューティングにおける計算性能境界予測
- Authors: Jinyang Li, Samudra Dasgupta, Yuhong Song, Lei Yang, Travis Humble, Weiwen Jiang,
- Abstract要約: 量子デバイスにおけるノイズは、この優位性を実現する上で重要な障壁となる。
次世代の量子中心型スーパーコンピュータは本質的に、効率的で正確なノイズ特性を必要とする。
計算性能境界を予測するために,QuBoundというデータ駆動型ワークフローを提案する。
- 参考スコア（独自算出の注目度）: 6.6884244790434195
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum computing has significantly advanced in recent years, boasting devices with hundreds of quantum bits (qubits), hinting at its potential quantum advantage over classical computing. Yet, noise in quantum devices poses significant barriers to realizing this supremacy. Understanding noise's impact is crucial for reproducibility and application reuse; moreover, the next-generation quantum-centric supercomputing essentially requires efficient and accurate noise characterization to support system management (e.g., job scheduling), where ensuring correct functional performance (i.e., fidelity) of jobs on available quantum devices can even be higher-priority than traditional objectives. However, noise fluctuates over time, even on the same quantum device, which makes predicting the computational bounds for on-the-fly noise is vital. Noisy quantum simulation can offer insights but faces efficiency and scalability issues. In this work, we propose a data-driven workflow, namely QuBound, to predict computational performance bounds. It decomposes historical performance traces to isolate noise sources and devises a novel encoder to embed circuit and noise information processed by a Long Short-Term Memory (LSTM) network. For evaluation, we compare QuBound with a state-of-the-art learning-based predictor, which only generates a single performance value instead of a bound. Experimental results show that the result of the existing approach falls outside of performance bounds, while all predictions from our QuBound with the assistance of performance decomposition better fit the bounds. Moreover, QuBound can efficiently produce practical bounds for various circuits with over 106 speedup over simulation; in addition, the range from QuBound is over 10x narrower than the state-of-the-art analytical approach.
- Abstract（参考訳）: 量子コンピューティングは近年大きく進歩し、数百ビットの量子ビット(量子ビット)を持つデバイスを誇っている。
しかし、量子デバイスにおけるノイズは、この優位性を実現する上で大きな障壁となる。
さらに、次世代の量子中心スーパーコンピュータは、システム管理(例えばジョブスケジューリング)をサポートするために効率的で正確なノイズ特性を必要とする。
しかし、同じ量子デバイス上でもノイズは時間とともに変動し、オンザフライノイズの計算バウンドを予測することが不可欠である。
ノイズの多い量子シミュレーションは洞察を提供するが、効率とスケーラビリティの問題に直面している。
本研究では,計算性能境界を予測するためのデータ駆動型ワークフローQuBoundを提案する。
過去の性能トレースを分解してノイズソースを分離し、Long Short-Term Memory (LSTM)ネットワークで処理される回路とノイズ情報を埋め込む新しいエンコーダを考案する。
評価のために,QuBoundと最先端の学習ベース予測器を比較した。
実験の結果,既存手法の結果は性能境界外にあることが明らかとなった。
さらに、QuBoundはシミュレーションによる106以上のスピードアップで、様々な回路の実用的バウンドを効率的に生成することができる。
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) - 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) - Correlating noise floor with magic and entanglement in Pauli product states [37.69303106863453]
パウリの積公式によって生成されるノイズの多い状態から、量子コンピューティングに特有の資源を回収する能力を示す。
純状態の忠実度は、与えられた計算のノイズフロアを表す。
各種の小型回路に対して,古典的影データを収集することにより,これらの知見を実験的に検証した。
論文 参考訳（メタデータ） (2025-05-07T19:24:00Z) - Efficient simulation of parametrized quantum circuits under non-unital noise through Pauli backpropagation [4.903915603499684]
パウリのバックプロパゲーションアルゴリズムは、パラメータ化量子回路の特定のクラスを効率的にシミュレートする能力をすでに実証している。
ここでは、パウリのバックプロパゲーションを非単位雑音に適応させることにより、このギャップを埋める。
論文 参考訳（メタデータ） (2025-01-22T17:58:59Z) - 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) - Noise-Aware Distributed Quantum Approximate Optimization Algorithm on Near-term Quantum Hardware [2.753858051267023]
本稿では,短期量子ハードウェア上での動作に適した雑音対応分散量子近似最適化アルゴリズム(QAOA)を提案する。
我々は、現在のノイズ中間量子(NISQ)デバイスの限界に対処し、量子ビット数の制限と高いエラー率によって妨げられている。
論文 参考訳（メタデータ） (2024-07-24T14:50:01Z) - Optimized Noise Suppression for Quantum Circuits [0.40964539027092917]
クロストークノイズは、例えば、クロス共鳴ベースの超伝導量子プロセッサにおける深刻なエラー源である。
Intrepidプログラミングアルゴリズムは、スワップ挿入によって最適化されたキュービットルーティングに関する以前の作業を拡張する。
最大127キュービットの2つのチップのクロストークノイズを特徴付けることで,提案手法の評価を行った。
論文 参考訳（メタデータ） (2024-01-12T07:34:59Z) - QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum
Circuits [82.50620782471485]
QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。
1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。
提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
論文 参考訳（メタデータ） (2024-01-10T22:33:00Z) - 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) - Topological data analysis on noisy quantum computers [11.975008559320875]
トポロジカルデータ解析(TDA)は,高次元データの複雑で価値の高い形状関連要約を抽出する強力な手法である。
TDA計算のための古典的アルゴリズムの計算要求は極端であり、高次特性に対してはすぐに非現実的になる。
本稿では,高次元古典データに適用可能なエンドツーエンド量子機械学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-19T22:45:00Z) - 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) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z) - Limitations of optimization algorithms on noisy quantum devices [0.0]
我々は、古典的アルゴリズムと、短期的な量子デバイス上で動作している量子アルゴリズムを比較する透過的な方法を提案する。
我々のアプローチは、量子状態がノイズモデルの定点にどれだけ早く収束するかを決定するエントロピック不等式の組み合わせに基づいている。
論文 参考訳（メタデータ） (2020-09-11T17:07:26Z)
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。