論文の概要: Almost fault--tolerant quantum machine learning with drastic overhead reduction
- arxiv url: http://arxiv.org/abs/2507.18954v1
- Date: Fri, 25 Jul 2025 04:43:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-28 16:16:48.824867
- Title: Almost fault--tolerant quantum machine learning with drastic overhead reduction
- Title（参考訳）: 劇的なオーバーヘッド低減を伴うほぼフォールトトレラントな量子機械学習
- Authors: Haiyue Kang, Younghun Kim, Eromanga Adermann, Martin Sevior, Muhammad Usman,
- Abstract要約: 本研究では、量子機械学習(QML)モデルに対する部分量子誤差補正(QEC)の概念を提案する。
誤差補正された2量子CNOT(クリフォード演算)を仮定することにより、単一量子ゲートが非偏極ノイズを受ける場合でも、QMLモデルはトレーニング可能であることを示す。
- 参考スコア（独自算出の注目度）: 1.481137211036747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Errors in the current generation of quantum processors pose a significant challenge towards practical-scale implementations of quantum machine learning (QML) as they lead to trainability issues arising from noise-induced barren plateaus, as well as performance degradations due to the noise accumulation in deep circuits even when QML models are free from barren plateaus. Quantum error correction (QEC) protocols are being developed to overcome hardware noise, but their extremely high spacetime overheads, mainly due to magic state distillation, make them infeasible for near-term practical implementation. This work proposes the idea of partial quantum error correction (QEC) for quantum machine learning (QML) models and identifies a sweet spot where distillations are omitted to significantly reduce overhead. By assuming error-corrected two-qubit CNOTs (Clifford operations), we demonstrate that the QML models remain trainable even when single-qubit gates are subjected to $\approx0.2\%$ depolarizing noise, corresponding to a gate error rate of $\approx0.13\%$ under randomized benchmarking. Further analysis based on various noise models, such as phase-damping and thermal-dissipation channels at low temperature, indicates that the QML models are trainable independent of the mean angle of over-rotation, or can even be improved by thermal damping that purifies a quantum state away from depolarizations. While it may take several years to build quantum processors capable of fully fault-tolerant QML, our work proposes a resource-efficient solution for trainable and high-accuracy QML implementations in noisy environments.
- Abstract（参考訳）: 現在の量子プロセッサのエラーは、ノイズによって引き起こされるバレンプラトーに起因するトレーニング可能性の問題や、QMLモデルがバレンプラトーから解放された場合でも、ディープ回路のノイズ蓄積による性能劣化につながるため、量子機械学習(QML)の実用的な実装に対して重大な課題となる。
量子誤り訂正(QEC)プロトコルは、ハードウェアノイズを克服するために開発されているが、主にマジック状態の蒸留による非常に高い時空オーバーヘッドにより、短期的な実装では実現不可能である。
本研究では、量子機械学習(QML)モデルに対する部分量子誤差補正(QEC)の概念を提案し、蒸留を省略してオーバーヘッドを大幅に低減するスイートスポットを特定する。
誤差補正された2量子CNOT(クリフォード演算)を仮定することにより、一量子ゲートが$\approx0.2\%$脱分極雑音を受ける場合でもQMLモデルがトレーニング可能であることを示す。
位相減衰や熱散逸チャネルなどの様々なノイズモデルに基づくさらなる分析は、QMLモデルがオーバーローテーションの平均角度から独立して訓練可能であること、あるいは量子状態を脱分極から遠ざける熱減衰によって改善可能であることを示唆している。
完全フォールトトレラントQMLが可能な量子プロセッサを構築するには,数年を要するかも知れないが,本研究では,ノイズの多い環境でのトレーニング可能な,高精度QML実装のための,リソース効率の高いソリューションを提案する。
関連論文リスト
- Prospects of Quantum Error Mitigation for Quantum Signal Processing [0.0]
本研究は量子信号処理(QSP)で設計されたハミルトンシミュレーションアルゴリズムにおけるゼロノイズ抽出(ZNE)の性能について検討する。
我々は、ZNEプロトコルがノイズのない予測値の近似を回復できるノイズと深さを定量化する。
サンプル予算が無制限であっても,ZNEが使用不可能な領域に関する数値的研究を簡潔に議論し,提示する。
論文 参考訳（メタデータ） (2025-05-08T19:49:54Z) - Variational Quantum Machine Learning with Quantum Error Detection [0.6435156676256051]
量子機械学習(QML)は、トレーニングの高速化、信頼性の向上、古典的な分野よりも優れた抽出といったメリットを約束する新興分野である。
量子ハードウェアの実装は、これらのシステムに固有のノイズのために困難であり、量子エラー訂正(QEC)コードを使用する必要がある。
現在のQMLの研究は主に理論的に行われており、しばしばノイズのない環境を仮定し、QECとQMLの統合についてはほとんど洞察を提供していない。
論文 参考訳（メタデータ） (2025-04-09T10:56:21Z) - Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する
QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
論文 参考訳（メタデータ） (2024-11-13T23:56:20Z) - Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。
単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
論文 参考訳（メタデータ） (2024-03-28T19:29:12Z) - 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) - Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。
消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。
以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
論文 参考訳（メタデータ） (2023-12-21T17:40:18Z) - Real-time error mitigation for variational optimization on quantum
hardware [45.935798913942904]
VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。
我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
論文 参考訳（メタデータ） (2023-11-09T19:00:01Z) - Variational Denoising for Variational Quantum Eigensolver [0.28675177318965045]
変分量子固有解法 (VQE) は、実用的な化学問題に量子的優位性を与える可能性を持つハイブリッドアルゴリズムである。
VQEは、特にノイズの多い量子デバイス上で動作する場合、タスク固有の設計とマシン固有のアーキテクチャの課題に直面します。
本稿では,VQEの解法を改善するために,パラメータ化量子ニューラルネットワークを用いた教師なし学習手法である変分分解を提案する。
論文 参考訳（メタデータ） (2023-04-02T14:56:15Z) - Adaptive quantum error mitigation using pulse-based inverse evolutions [0.0]
本稿では,ターゲット装置の雑音レベルに適応する適応KIKというQEM手法を提案する。
この手法の実装は実験的にシンプルであり、トモグラフィ情報や機械学習の段階は含まない。
我々は、IBM量子コンピュータと数値シミュレーションを用いて、我々の研究結果を実証した。
論文 参考訳（メタデータ） (2023-03-09T02:50:53Z) - Error Mitigation-Aided Optimization of Parameterized Quantum Circuits:
Convergence Analysis [42.275148861039895]
変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。
不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。
QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。
QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
論文 参考訳（メタデータ） (2022-09-23T10:48:04Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs.
Coded Systems [69.33243249411113]
パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。
我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
論文 参考訳（メタデータ） (2020-12-15T15:51:27Z) - 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)
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。