論文の概要: Classical Noise Inversion: A Practical and Optimal framework for Robust Quantum Applications

• arxiv url: http://arxiv.org/abs/2510.20686v1
• Date: Thu, 23 Oct 2025 15:59:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:18.319086
• Title: Classical Noise Inversion: A Practical and Optimal framework for Robust Quantum Applications
• Title（参考訳）: 古典的ノイズインバージョン:ロバスト量子アプリケーションのための実用的で最適なフレームワーク
• Authors: Dayue Qin, Ying Li, You Zhou,
• Abstract要約: 量子エラー軽減は、ノイズの多い量子プロセッサから信頼性の高い計算を抽出するための重要な技術である。 量子回路からのサンプリングの膨大なコストと、ゲート非依存ノイズのような非現実的な仮定に依存しているため、これは妨げられている。 ここでは、これらの決定的な制限を根本的に回避し、様々な量子アプリケーションに適したフレームワークであるClassical Noise Inversion (CNI)を紹介する。
• 参考スコア（独自算出の注目度）: 5.425954380993698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum error mitigation is a critical technology for extracting reliable computations from noisy quantum processors, proving itself essential not only in the near term but also as a valuable supplement to fully fault-tolerant systems in the future. However, its practical implementation is hampered by two major challenges: the expansive cost of sampling from quantum circuits and the reliance on unrealistic assumptions, such as gate-independent noise. Here, we introduce Classical Noise Inversion (CNI), a framework that fundamentally bypasses these crucial limitations and is well-suited for various quantum applications. CNI effectively inverts the accumulated noise entirely during classical post-processing, thereby eliminating the need for costly quantum circuit sampling and remaining effective under the realistic condition of gate-dependent noise. Apart from CNI, we introduce noise compression, which groups noise components with equivalent effects on measurement outcomes, achieving the optimal overhead for error mitigation. We integrate CNI with the framework of shadow estimation to create a robust protocol for learning quantum properties under general noise. Our analysis and numerical simulations demonstrate that this approach substantially reduces statistical variance while providing unbiased estimates in practical situations where previous methods fail. By transforming a key quantum overhead into a manageable classical cost, CNI opens a promising pathway towards scalable and practical quantum applications.
• Abstract（参考訳）: 量子エラー軽減は、ノイズの多い量子プロセッサから信頼性の高い計算を抽出するための重要な技術であり、近い将来だけでなく、完全なフォールトトレラントシステムにとって重要なサプリメントとしても証明されている。 しかし、その実践的な実装は、量子回路からのサンプリングコストの拡大とゲート非依存ノイズのような非現実的な仮定への依存という2つの大きな課題によって妨げられている。 ここでは、これらの決定的な制限を根本的に回避し、様々な量子アプリケーションに適したフレームワークであるClassical Noise Inversion (CNI)を紹介する。 CNIは、古典的な後処理の間、蓄積されたノイズを完全に反転させるため、コストのかかる量子回路サンプリングは不要であり、ゲート依存ノイズの現実的な条件下では有効である。 CNIとは別に、ノイズ圧縮を導入し、測定結果に等価なノイズ成分をグループ化し、誤差軽減の最適なオーバーヘッドを実現する。 我々はCNIと影推定の枠組みを統合し、一般的な雑音下で量子特性を学習するための堅牢なプロトコルを作成する。 解析と数値シミュレーションにより,従来の手法が失敗する現実的な状況において,この手法は統計的分散を著しく低減することを示した。 鍵となる量子オーバーヘッドを管理可能な古典的コストに変換することで、CNIはスケーラブルで実用的な量子アプリケーションへの有望な道を開く。

関連論文リスト

• Diagnosing Quantum Circuits: Noise Robustness, Trainability, and Expressibility [4.593875150231198]
  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。
  論文  参考訳（メタデータ） (2025-09-14T14:56:43Z)
• 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)
• 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)
• 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)
• Noise-Agnostic Quantum Error Mitigation with Data Augmented Neural Models [9.023862258563893]
  我々は、ノイズを事前に知ることなく、ノイズのないデータをトレーニングすることなく、量子誤差軽減を実現するニューラルネットワークを構築した。 我々のアプローチは、量子回路や、多体・連続変数量子系の力学に適用される。
  論文  参考訳（メタデータ） (2023-11-03T05:52:14Z)
• 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)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。