論文の概要: Graybox characterization and calibration with finite-shot estimation on superconducting-qubit experiments
- arxiv url: http://arxiv.org/abs/2508.12822v1
- Date: Mon, 18 Aug 2025 11:04:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:11.254674
- Title: Graybox characterization and calibration with finite-shot estimation on superconducting-qubit experiments
- Title（参考訳）: 超伝導量子ビット実験における有限ショット推定によるグレイボックスのキャリブレーションとキャリブレーション
- Authors: Poramet Pathumsoot, Areeya Chantasri, Michal Hajdušek, Rodney Van Meter,
- Abstract要約: 我々は、既知の力学を記述する明示的な(ホワイトボックス)モデルと、深いニューラルネットワークの形で雑音のダイナミクスを記述する暗黙的な(ブラックボックス)モデルを記述する。
選択したパルスのセットをデバイスに送り、パウリ期待値を測定することで、Grayboxアプローチは暗黙のモデルをトレーニングし、ゲートを最適化することができる。
デバイス上の最適化ゲートと2種類の損失関数を持つクロステスト予測モデルをベンチマークする。
- 参考スコア（独自算出の注目度）: 0.44998333629984877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Characterization and calibration of quantum devices are necessary steps to achieve fault-tolerant quantum computing. As quantum devices become more sophisticated, it is increasingly essential to rely not only on physics-based models, but also on predictive models with open-loop optimization. Therefore, we choose the Graybox approach, which is composed of an explicit (whitebox) model describing the known dynamics and an implicit (blackbox) model describing the noisy dynamics in the form of a deep neural network, to characterize and calibrate superconducting-qubit devices. By sending a set of selected pulses to the devices and measuring Pauli expectation values, the Graybox approach can train the implicit model and optimize gates based on specified loss functions. We also benchmark our optimized gates on the devices and cross-testing predictive models with two types of loss functions, i.e., the mean squared errors (MSE) of expectation values and the absolute errors (AE) of average gate fidelities (AGF). While the Graybox method allows for flexibility of the implicit noise model, its construction relies on a finite measurement shots dataset. We thus apply the decomposition of expected MSE loss to show that the finite-shot estimation of expectation values is the main contribution to the minimum value achievable of the expected MSE loss. We also show that the expected loss is an upper bound of the expected absolute error of AGF between the exact value and model prediction. Our results provide insights for quantum device characterization and gate optimization in experiments where only finite shots of data are available.
- Abstract（参考訳）: フォールトトレラントな量子コンピューティングを実現するためには、量子デバイスのキャリブレーションとキャリブレーションが必要である。
量子デバイスが高度化するにつれて、物理モデルだけでなく、オープンループ最適化による予測モデルにも依存することがますます重要になっている。
そこで我々は、既知の力学を記述する明示的な(ホワイトボックス)モデルと、深いニューラルネットワークの形でノイズのダイナミクスを記述する暗黙的な(ブラックボックス)モデルから成るグレイボックスアプローチを選択し、超伝導量子ビットデバイスをキャラクタリゼーションし、校正する。
選択したパルスのセットをデバイスに送り、パウリ期待値を測定することで、Grayboxアプローチは暗黙のモデルをトレーニングし、特定の損失関数に基づいてゲートを最適化することができる。
また、デバイス上で最適化されたゲートをベンチマークし、平均ゲート忠実度(AGF)の平均二乗誤差(MSE)と絶対誤差(AE)の2種類の損失関数を持つクロステスト予測モデルをベンチマークした。
Graybox法は暗黙のノイズモデルの柔軟性を実現するが、その構成は有限の測定ショットデータセットに依存している。
そこで本研究では,MSE損失の最小値に対する期待値の有限ショット推定が,MSE損失の最小値に対する主な寄与であることを示すために,予測MSE損失の分解を適用した。
また、予測損失は、正確な値とモデル予測の間の AGF の絶対誤差の上限であることを示す。
この結果から,有限ショットのデータしか利用できない実験において,量子デバイスの特性評価とゲート最適化の知見が得られた。
関連論文リスト
- Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
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。
論文 参考訳（メタデータ） (2025-07-09T15:22:17Z) - Chaos into Order: Neural Framework for Expected Value Estimation of Stochastic Partial Differential Equations [0.9944647907864256]
線形偏微分方程式(SPDE)の期待値を近似する物理インフォームドニューラルネットワークを提案する。
トレーニング中の時空座標とノイズ実現の両方のランダムサンプリングを活用することで、LECは標準フィードフォワードニューラルネットワークをトレーニングし、複数のサンプル間での残留損失を最小限に抑える。
このモデルでは, より低次元における解の期待値の正確な近似を常に学習し, 空間次元の増加に伴うロバスト性低下を予測可能であることを示す。
論文 参考訳（メタデータ） (2025-02-05T23:27:28Z) - Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。
このような問題は医学、物理学、機械学習で発生する。
両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文 参考訳（メタデータ） (2024-11-21T10:26:17Z) - First-Order Phase Transition of the Schwinger Model with a Quantum Computer [0.0]
格子シュウィンガーモデルにおける一階位相遷移を位相的$theta$-termの存在下で検討する。
本研究では, モデルの位相構造を明らかにする観測可能な電場密度と粒子数が, 量子ハードウェアから確実に得られることを示す。
論文 参考訳（メタデータ） (2023-12-20T08:27:49Z) - Noise-aware variational eigensolvers: a dissipative route for lattice gauge theories [40.772310187078475]
量子シミュレータにおける$mathbbZ$格子ゲージ理論(LGT)の基底状態構築のための新しい変分アンザッツを提案する。
これは、完全に決定論的スキームにおける散逸的かつユニタリな操作と、考慮された格子の大きさとスケールしない回路深さを組み合わせている。
非常にわずかな変動パラメータで、アンザッツは$mathbbZ$ LGTの閉じ込められた位相と分解された位相の両方のエネルギーの精度を$>!
論文 参考訳（メタデータ） (2023-08-07T14:23:00Z) - Trainability barriers and opportunities in quantum generative modeling [0.0]
量子生成モデルのトレーニング可能性に対する障壁について検討する。
明示的な損失を伴う暗黙的な生成モデルを使用することで,バレン高原の新たな風味がもたらされることを示す。
本稿では,量子回路を活用することで,忠実かつトレーニング可能性の保証を享受できる新しい局所量子忠実度型損失を提案する。
論文 参考訳（メタデータ） (2023-05-04T14:45:02Z) - 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) - Analytical and experimental study of center line miscalibrations in M\o
lmer-S\o rensen gates [51.93099889384597]
モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。
我々はゲート進化演算子を計算し、関連する鍵特性を得る。
我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
論文 参考訳（メタデータ） (2021-12-10T10:56:16Z) - Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。
どちらの手法もエネルギーと基底状態の優れた推定値を提供する。
勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
論文 参考訳（メタデータ） (2020-11-02T19:52:04Z)
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。