論文の概要: Detection of noise correlations in two qubit systems by Machine Learning

• arxiv url: http://arxiv.org/abs/2509.03389v1
• Date: Wed, 03 Sep 2025 15:13:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.567411
• Title: Detection of noise correlations in two qubit systems by Machine Learning
• Title（参考訳）: 機械学習による2つの量子ビット系の雑音相関の検出
• Authors: Dario Fasone, Shreyasi Mukherjee, Dario Penna, Fabio Cirinnà, Mauro Paternostro, Elisabetta Paladino, Luigi Giannelli, Giuseppe A. Falci,
• Abstract要約: 古典雑音の空間的および時間的相関を分類するために,機械学習支援量子センシングプロトコルを導入,検証する。 マルコフ雑音と非マルコフ雑音の6つの異なるクラスを考える。 提案手法は,マルコフ雑音と非マルコフ雑音のほぼ完全な識別が可能な分類において,$gtrsim 86%の精度を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce and validate a machine-learning assisted quantum sensing protocol to classify spatial and temporal correlations of classical noise affecting two ultrastrongly coupled qubits. We consider six distinct classes of Markovian and non-Markovian noise. Leveraging the sensitivity of a coherent population transfer protocol under three distinct driving conditions, the various forms of noise are discriminated by only measuring the final transfer efficiencies. Our approach achieves $\gtrsim 86\%$ accuracy in classification providing a near-perfect discrimination between Markovian and non-Markovian noise. The method requires minimal experimental resources, relying on a simple driving scheme providing three inputs to a shallow neural network with no need of measuring time-series data or real-time monitoring. The machine-learning data analysis acquires information from non-idealities of the coherent protocol highlighting how combining these techniques may significantly improve the characterization of quantum-hardware.
• Abstract（参考訳）: 2つの超強結合量子ビットに影響を及ぼす古典雑音の空間的および時間的相関を分類するための機械学習支援量子センシングプロトコルを導入・検証する。 マルコフ雑音と非マルコフ雑音の6つの異なるクラスを考える。 3つの異なる運転条件下でのコヒーレント人口移動プロトコルの感度を利用して、最終的な移動効率を計測するだけで、様々な形態のノイズを識別する。 提案手法はマルコフ雑音と非マルコフ雑音のほぼ完全な識別を可能にする分類における$\gtrsim 86\%$精度を実現する。 この手法には最小限の実験資源が必要であり、時系列データやリアルタイムモニタリングを必要とせず、浅いニューラルネットワークに3つの入力を提供する単純な駆動方式に依存している。 機械学習データ分析は、コヒーレントプロトコルの非イデオロギーから情報を取得し、これらの手法を組み合わせることで量子ハードウエアの特性が大幅に向上する可能性があることを強調する。

関連論文リスト

• Noise Classification in Three-Level Quantum Networks by Machine Learning [0.0]
  小型量子ネットワークに作用する雑音の機械学習に基づく分類について検討する。 教師あり学習は,システムに影響を及ぼす古典的嫌悪音の種類を分類できることを示す。 この結果は、量子アーキテクチャにおけるノイズの空間的相関を分類する方法を舗装する。
  論文  参考訳（メタデータ） (2024-05-03T10:40:26Z)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• Characterizing low-frequency qubit noise [55.41644538483948]
  量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。 ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。 この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T22:48:43Z)
• S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
  本稿では,ラベルノイズの存在下での分類の問題に対処する。 提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。 提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-22T15:49:20Z)
• Machine Learning for Continuous Quantum Error Correction on Superconducting Qubits [1.8249709209063887]
  連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。 本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための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） (2021-10-20T05:13:37Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Experimental characterisation of a non-Markovian quantum process [0.0]
  非マルコビアン性の推定には機械学習モデルを用いる。 我々は90%の精度で非マルコビアン測度を予測できる。 我々の実験は、大規模量子コンピュータに現れる非マルコフノイズの効率的な検出方法である。
  論文  参考訳（メタデータ） (2021-02-02T06:00:04Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Meta Transition Adaptation for Robust Deep Learning with Noisy Labels [61.8970957519509]
  本研究では,新しいメタ遷移学習戦略を提案する。 具体的には、クリーンなラベル付きメタデータの小さなセットのサウンドガイダンスにより、ノイズ遷移行列と分類器パラメータを相互に改善することができる。 本手法は, 従来技術よりも頑健な性能で, 遷移行列をより正確に抽出することができる。
  論文  参考訳（メタデータ） (2020-06-10T07:27:25Z)
• Using deep learning to understand and mitigate the qubit noise environment [0.0]
  本稿では,量子ビット上の時間力学測定から正確な雑音スペクトルを抽出する手法を提案する。 任意の浴槽に囲まれた任意のキュービットに付随する雑音スペクトルを抽出するニューラルネットワークに基づく手法を実証する。 この結果は、様々なキュービットプラットフォームに適用でき、キュービット性能を改善するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2020-05-03T17:13:14Z)

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。