論文の概要: Diagnosing Quantum Circuits: Noise Robustness, Trainability, and Expressibility

• arxiv url: http://arxiv.org/abs/2509.11307v1
• Date: Sun, 14 Sep 2025 14:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.0238
• Title: Diagnosing Quantum Circuits: Noise Robustness, Trainability, and Expressibility
• Title（参考訳）: 量子回路の診断 : ノイズロバスト性, トレーニング性, 表現性
• Authors: Yuguo Shao, Zhengyu Chen, Zhaohui Wei, Zhengwei Liu,
• Abstract要約: 2MC-OBPPPは、ハードウェアに依存しない効率的な回路評価ツールである。 このマップを特定の回路に適用することにより、最大90%のエラーに対して2%未満の量子ビットに対して介入を行うことで十分であることを示す。
• 参考スコア（独自算出の注目度）: 4.593875150231198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parameterized quantum circuits are central to near-term quantum algorithms, and serve as the foundation for many quantum machine learning frameworks, which should be robust to noise, maintain trainability, and exhibit sufficient expressibility. Here we introduce 2MC-OBPPP, a polynomial-time classical estimator that quantifies the three aforementioned diagnostics for a given parameterized quantum circuit. As a demonstration of the power of our approach, we show that moderate amplitude damping noise can reduce the severity of vanishing gradients, but at the cost of lowered expressibility. In particular, our approach can yield a spatiotemporal "noise-hotspot" map that pinpoints the most noise-sensitive qubits/gates in parameterized quantum circuits. Applying this map to a specific circuit, we show that implementing interventions on fewer than 2% of the qubits is sufficient to mitigate up to 90% of the errors. Therefore, 2MC-OBPPP is not only an efficient, hardware-independent tool for pre-execution circuit evaluation but also enables targeted strategies that significantly reduce the cost of noise suppression.
• Abstract（参考訳）: パラメータ化量子回路は、短期量子アルゴリズムの中心であり、多くの量子機械学習フレームワークの基礎となる。 ここでは、多項式時間古典的推定器である2MC-OBPPPを紹介する。 提案手法のパワーの実証として,中程度の振幅減衰雑音は,減衰勾配の重症度を低下させるが,表現性は低下することを示した。 特に、我々の手法はパラメータ化された量子回路において最もノイズに敏感な量子ビット/ゲートをピンポイントする時空間的な「ノイズホットスポット」マップが得られる。 このマップを特定の回路に適用することにより、2%未満の量子ビットに対して介入を行うことで、最大90%のエラーを軽減できることを示す。 したがって、2MC-OBPPPは、前処理回路評価のための効率的でハードウェアに依存しないツールであるだけでなく、ノイズ抑制のコストを大幅に削減するターゲット戦略を可能にする。

関連論文リスト

• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• Optimal Quantum Purity Amplification [2.05170973574812]
  一般量子システムと大域雑音に対する最適QPAプロトコルを提案する。 一般化された量子位相推定に基づくプロトコルの効率的な実装を提供する。 数値シミュレーションはハミルトン進化の量子シミュレーションに適用したプロトコルの有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-26T17:46:00Z)
• Optimal and robust error filtration for quantum information processing [0.0]
  誤差フィルタリング(Error filtration)は、補助量子ビットとエンタングゲートを利用してノイズを緩和するハードウェアスキームである。 異なるアプリケーションに対応するメリットの数字に対して、我々のアプローチをベンチマークします。
  論文  参考訳（メタデータ） (2024-09-02T17:58:44Z)
• 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)
• Scalable noisy quantum circuits for biased-noise qubits [37.69303106863453]
  安定猫量子ビットの既存システムに動機づけられたビットフリップ誤差のみに影響されるバイアスノイズ量子ビットを考察する。 現実的なノイズモデルでは、位相フリップは無視できないが、Pauli-Twirling近似では、ベンチマークが最大106ドルのゲートを含む回路の正しさを確認できる。
  論文  参考訳（メタデータ） (2023-05-03T11:27:50Z)
• Pulse-efficient quantum machine learning [0.0]
  パルス効率回路が量子機械学習アルゴリズムに与える影響について検討する。 パルス効率の伝送は平均回路長を大幅に短縮することがわかった。 我々は、ハミルトン変分アンザッツにパルス効率のトランスパイルを適用し、ノイズ誘起バレン高原の開始を遅らせることを示す。
  論文  参考訳（メタデータ） (2022-11-02T18:00:01Z)

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。