論文の概要: Using Frame Randomization to Mitigate Errors in Quantum Optimization
- arxiv url: http://arxiv.org/abs/2508.14142v1
- Date: Tue, 19 Aug 2025 14:55:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-21 16:52:41.225268
- Title: Using Frame Randomization to Mitigate Errors in Quantum Optimization
- Title（参考訳）: フレームランダム化を用いた量子最適化における誤差軽減
- Authors: Rachel E. Johnson, Joshua A. Job, Steve Adachi,
- Abstract要約: 本稿では,量子近似最適化アルゴリズム(QAOA)に対して,超伝導量子回路上でのフレームランダム化を$p=1$とする。
具体的には, フラストレーションのあるイジングリングの最低エネルギー状態を計算するためにQAOAを用いて検討する。
この結果から,ランダム化コンパイルとパウリフレームランダム化では,最大エネルギー値5.25pm0.145$と4.08pm0.36$の誤差を緩和できることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Error mitigation is essential for near-term quantum devices, and one promising technique is frame randomization. This method inserts random twirling gates into a circuit to reduce errors while preserving unitarity and depth. We apply frame randomization to the quantum approximate optimization algorithm (QAOA) with $p=1$ on a superconducting quantum circuit system, demonstrating its potential to improve energy calculations. Specifically, we investigate the use of QAOA to calculate the lowest energy state of a frustrated Ising ring system and compare the results of randomized circuits generated using two different randomized techniques. Our results show that both methods can mitigate errors, with expected extremal energy values of $5.25\pm0.145$ and $4.08\pm0.36$, for Randomized Compilation and Pauli frame randomization respectively, compared to $2.63\pm0.068$ without randomization and $5.676\pm0.006$ with a noiseless simulator.
- Abstract（参考訳）: 短期量子デバイスでは誤り軽減が不可欠であり、フレームランダム化が有望な手法である。
ランダムなツイリングゲートを回路に挿入し、ユニタリティと深さを保ちながらエラーを低減する。
本稿では, 量子近似最適化アルゴリズム(QAOA)に対して, 超伝導量子回路システムに1$=1$のフレームランダム化を適用し, エネルギー計算の改善の可能性を示す。
具体的には,フラストレーションイジングリングシステムの低エネルギー状態を計算するためにQAOAを用いて,二つの異なるランダム化手法を用いて生成したランダム化回路の結果を比較する。
その結果,ランダム化コンパイルでは5.25 pm0.145$,4.08 pm0.36$,ランダム化コンパイルでは2.63 pm0.068$,ノイズのないシミュレータでは5.676 pm0.006$の誤差を緩和できることがわかった。
関連論文リスト
- Limitations of tensor network approaches for optimization and sampling: A comparison to quantum and classical Ising machines [0.0]
We developed a tensor network (TN) based algorithm to reveal the low-Energy spectrum of Ising spin-glass systems。
我々の決定論的アプローチは、枝と枝の探索戦略と、TNの収縮による辺縁の近似計算を組み合わせたものである。
ペガサスグラフとゼファーグラフで定義されたランダムな問題に対して、最大数千スピンのアプローチをベンチマークする。
論文 参考訳（メタデータ） (2024-11-25T14:35:14Z) - Optimizing random local Hamiltonians by dissipation [44.99833362998488]
簡単な量子ギブスサンプリングアルゴリズムが最適値の$Omega(frac1k)$-fraction近似を達成することを証明した。
この結果から, 局所スピンおよびフェルミオンモデルに対する低エネルギー状態の発見は量子的に容易であるが, 古典的には非自明であることが示唆された。
論文 参考訳（メタデータ） (2024-11-04T20:21:16Z) - Improving Quantum Approximate Optimization by Noise-Directed Adaptive Remapping [3.47862118034022]
ノイズ指向リマッピング(Noss-Directed Remapping, NDAR)は、ある種のノイズを利用して二進最適化問題を解決するアルゴリズムである。
我々は、グローバルなアトラクタ状態を特徴とするダイナミックスを備えたノイズの多い量子プロセッサへのアクセスを検討する。
我々のアルゴリズムは、ノイズアトラクターを高品質な解に変換する方法で、コスト関数ハミルトニアンを反復的にゲージ変換することでノイズアトラクター状態をブートストラップする。
論文 参考訳（メタデータ） (2024-04-01T18:28:57Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - On the average-case complexity of learning output distributions of
quantum circuits [55.37943886895049]
統計的クエリモデルでは,ブロックワークランダムな量子回路の出力分布の学習は平均ケースハードであることが示されている。
この学習モデルは、ほとんどの一般的な学習アルゴリズムの抽象的な計算モデルとして広く利用されている。
論文 参考訳（メタデータ） (2023-05-09T20:53:27Z) - Fast quantum circuit cutting with randomized measurements [0.0]
本稿では,単一デバイス上で利用可能な物理量子ビット数を超えて,量子計算のサイズを拡大する手法を提案する。
これは、大きな回路の出力状態を異なるデバイス間で分離可能な状態として表すために、無作為に計測・準備チャネルを挿入することで達成される。
論文 参考訳（メタデータ） (2022-07-29T15:13:04Z) - A single $T$-gate makes distribution learning hard [56.045224655472865]
この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。
ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
論文 参考訳（メタデータ） (2022-07-07T08:04:15Z) - Random quantum circuits are approximate unitary $t$-designs in depth
$O\left(nt^{5+o(1)}\right)$ [0.0]
ランダム量子回路は深さ$O(nt5+o(1))$で近似単位の$t$-designsを生成する。
我々の手法は、ガオの量子団結境界とクリフォード群の理にかなわない有効性を含んでいる。
論文 参考訳（メタデータ） (2022-03-30T18:02:08Z) - Random quantum circuits transform local noise into global white noise [118.18170052022323]
低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。
十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。
ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
論文 参考訳（メタデータ） (2021-11-29T19:26:28Z) - Verifying Random Quantum Circuits with Arbitrary Geometry Using Tensor
Network States Algorithm [0.0]
アルゴリズムはSch$ddottexto$dinger-Feynmanアルゴリズムよりも2ドル高速である。
このアルゴリズムは, 量子コンピュータ上での比較的浅い量子回路の検証に最適であることを示す。
論文 参考訳（メタデータ） (2020-11-05T02:20:56Z)
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。