論文の概要: Noise-Resilient Quantum Metrology with Quantum Computing

• arxiv url: http://arxiv.org/abs/2509.00771v1
• Date: Sun, 31 Aug 2025 09:53:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.386922
• Title: Noise-Resilient Quantum Metrology with Quantum Computing
• Title（参考訳）: 量子コンピューティングを用いたノイズ耐性量子メトロロジー
• Authors: Xiangyu Wang, Chenrong Liu, Xinqing Wang, Dawei Lu, Ying Dong,
• Abstract要約: 本稿では,古典的データエンコーディングから量子データの直接処理へ焦点を移す方法を提案する。 本研究では,量子力学から取得した情報を量子コンピュータが最適化する実験可能な手法を開発した。 本手法は,推定値の精度を向上し,量子フィッシャー情報によって定量化されるように感度を著しく向上することを示す。
• 参考スコア（独自算出の注目度）: 3.3352727565088216
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Quantum computing has made remarkable strides in recent years, as demonstrated by quantum supremacy experiments and the realization of high-fidelity, fault-tolerant gates. However, a major obstacle persists: practical real-world applications remain scarce, largely due to the inefficiency of loading classical data into quantum processors. Here, we propose an alternative strategy that shifts the focus from classical data encoding to directly processing quantum data. We target quantum metrology, a practical quantum technology whose precision is often constrained by realistic noise. We develop an experimentally feasible scheme in which a quantum computer optimizes information acquired from quantum metrology, thereby enhancing performance in noisy quantum metrology tasks and overcoming the classical-data-loading bottleneck. We demonstrate this approach through experimental implementation with nitrogen-vacancy centers in diamond and numerical simulations using models of distributed superconducting quantum processors. Our results show that this method improves the accuracy of sensing estimates and significantly boosts sensitivity, as quantified by the quantum Fisher information, thus offering a new pathway to harness near-term quantum computers for realistic quantum metrology.
• Abstract（参考訳）: 量子コンピューティングは近年顕著な進歩を遂げており、量子超越性実験や高忠実でフォールトトレラントなゲートの実現で実証されている。 現実的な現実世界のアプリケーションは、古典的なデータを量子プロセッサにロードする非効率性のために、ほとんど使われていない。 本稿では,古典的データエンコーディングから量子データの直接処理へと焦点を移す代替戦略を提案する。 我々は、現実的な雑音によってしばしば精度が制約される実用的な量子技術である量子メートル法をターゲットにしている。 本研究では,量子力学から取得した情報を量子コンピュータが最適化し,ノイズの多い量子力学タスクの性能を高め,古典的データロードのボトルネックを克服する実験可能な手法を開発した。 本手法は, 分散超伝導量子プロセッサのモデルを用いて, ダイヤモンド中の窒素空孔中心を実験的に実装し, 数値シミュレーションにより実証する。 以上の結果から,本手法は推定値の精度を向上し,量子フィッシャー情報によって定量化されるように感度を著しく向上することを示す。

関連論文リスト

• Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
  この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。 本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。 近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
  論文  参考訳（メタデータ） (2025-08-29T10:37:19Z)
• A Resource Efficient Quantum Kernel [1.7249361224827533]
  量子カーネルは、量子ビット数とエンタングリング演算を著しく減らした高次元データを扱うように設計されている。 本手法は計算効率を向上しながら重要なデータ特性を保っている。 我々の発見は、近い将来の量子コンピューティングプラットフォーム上で量子機械学習アルゴリズムを実践するための有望な道を開いた。
  論文  参考訳（メタデータ） (2025-07-04T16:12:57Z)
• 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)
• Hamiltonian Dynamics Learning: A Scalable Approach to Quantum Process Characterization [6.741097425426473]
  短時間のハミルトン力学に特化して設計された効率的な量子プロセス学習法を提案する。 我々は、量子機械学習の応用を実証し、このプロトコルは、ユニタリ変換を直接学習することで、変分量子ニューラルネットワークの効率的なトレーニングを可能にする。 この研究は、実用的な量子力学学習のための新しい理論的基盤を確立し、短期的およびフォールトトレラントな量子コンピューティングの両方においてスケーラブルな量子プロセスのキャラクタリゼーションの道を開いた。
  論文  参考訳（メタデータ） (2025-03-31T14:50:00Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
  本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。 我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。 これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
  論文  参考訳（メタデータ） (2023-06-29T18:00:01Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)
• Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
  我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2020-12-08T01:10:30Z)

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。