論文の概要: Quantum error mitigation using energy sampling and extrapolation enhanced Clifford data regression

• arxiv url: http://arxiv.org/abs/2511.03556v1
• Date: Wed, 05 Nov 2025 15:37:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.467842
• Title: Quantum error mitigation using energy sampling and extrapolation enhanced Clifford data regression
• Title（参考訳）: エネルギーサンプリングと外挿強化クリフォードデータ回帰を用いた量子誤差低減
• Authors: Zhongqi Zhao, Erik Rosendahl Kjellgren, Sonia Coriani, Jacob Kongsted, Stephan P. A. Sauer, Karl Michael Ziems,
• Abstract要約: この研究は、量子化学シミュレーションにおけるノイズを軽減するためにClifford Data Regression(CDR)を探索し拡張する。 CDRフレームワークには2つの改善点が提案されている。
• 参考スコア（独自算出の注目度）: 0.6274666302833676
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Error mitigation is essential for the practical implementation of quantum algorithms on noisy intermediate-scale quantum (NISQ) devices. This work explores and extends Clifford Data Regression (CDR) to mitigate noise in quantum chemistry simulations using the Variational Quantum Eigensolver (VQE). Using the H$_4$ molecule with the tiled Unitary Product State (tUPS) ansatz, we perform noisy simulations with the ibm torino noise model to investigate in detail the effect of various hyperparameters in CDR on the error mitigation quality. Building on these insights, two improvements to the CDR framework are proposed. The first, Energy Sampling (ES), improves performance by selecting only the lowest-energy training circuits for regression, thereby further biasing the sample energies toward the target state. The second, Non-Clifford Extrapolation (NCE), enhances the regression model by including the number of non-Clifford parameters as an additional input, enabling the model to learn how the noisy-ideal mapping evolves as the circuit approaches the optimal one. Our numerical results demonstrate that both strategies outperform the original CDR.
• Abstract（参考訳）: ノイズの多い中間規模量子(NISQ)デバイス上での量子アルゴリズムの実現には,誤差低減が不可欠である。 この研究は、変分量子固有解器(VQE)を用いた量子化学シミュレーションにおいて、ノイズを軽減するためにクリフォードデータ回帰(CDR)を探索し拡張する。 タイル状ユニタリ製品状態(tUPS)アンサッツを持つH$_4$分子を用いて,ibmトリノノイズモデルを用いてノイズシミュレーションを行い,CDRの様々なハイパーパラメータが誤差緩和品質に与える影響を詳細に検討した。 これらの知見に基づいて、CDRフレームワークの2つの改善が提案されている。 第1のエネルギサンプリング(ES)は、レグレッションのための最低エネルギーのトレーニング回路のみを選択して性能を向上し、さらに試料エネルギーを目標状態に向けてバイアスする。 第二に、Non-Clifford Extrapolation (NCE) は、非クリフォードパラメータの数を追加入力として含み、回路が最適値に近づくにつれて、ノイズイデアルマッピングがどのように進化するかを学習できるようにする。 以上の結果から,両戦略が元のCDRよりも優れていたことが示唆された。

関連論文リスト

• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• Clifford-Dressed Variational Principles for Precise Loschmidt Echoes [44.99833362998488]
  我々は、最近導入されたクリフォード型時間依存変動原理(TDVP)を拡張し、計算ベースで多体波動関数の振幅を効率的に計算する。 TDVPの進化中にクリフォード・ディエンタングリングゲートを組み込むことで,これらの振幅の計算を利用可能にしつつ,効果的にエンタングメント成長を制御することができる。
  論文  参考訳（メタデータ） (2025-02-03T22:43:32Z)
• A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
  本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。 これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。 本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Machine Learning Aided Dimensionality Reduction towards a Resource Efficient Projective Quantum Eigensolver [0.0]
  近年,分子系の基底状態エネルギーを計算するためのエレガントな手法として,PQE (Projective Quantum Eigensolver) が提案されている。 我々は、この2つのパラメータの集合的相互作用を機械学習技術を用いて利用し、相乗的相互関係を導出した。
  論文  参考訳（メタデータ） (2023-03-20T16:49:56Z)
• Are Quantum Circuits Better than Neural Networks at Learning Multi-dimensional Discrete Data? An Investigation into Practical Quantum Circuit Generative Models [0.0]
  多層パラメタライズド量子回路(MPQC)は古典的ニューラルネットワーク(NN)よりも表現力が高いことを示す。 我々は、MPQCが古典的に効率的にシミュレートできない確率分布を生成できる理由の体系的な証明に、利用可能な情報源を整理する。 量子回路を限られたサンプルで効率的にトレーニングする方法、勾配(量子)を効率的に計算する方法、モーダル崩壊を緩和する方法など、実用的な問題に対処する。
  論文  参考訳（メタデータ） (2022-12-13T05:31:31Z)
• Iterative Qubit Coupled Cluster using only Clifford circuits [36.136619420474766]
  古典的に容易に生成できる理想的な状態準備プロトコルを特徴付けることができる。 繰り返し量子ビット結合クラスタ(iQCC)の変種を導入して,これらの要件を満たす手法を提案する。 本研究では, チタン系化合物Ti(C5H5)(CH3)3と (20, 20) 活性空間の複雑な系に研究を拡張した。
  論文  参考訳（メタデータ） (2022-11-18T20:31:10Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• MoEfication: Conditional Computation of Transformer Models for Efficient Inference [66.56994436947441]
  トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。 スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。 そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
  論文  参考訳（メタデータ） (2021-10-05T02:14:38Z)
• Simulating quench dynamics on a digital quantum computer with data-driven error mitigation [62.997667081978825]
  本稿では、実量子データにおけるノイズの影響を軽減するために用いられる、クリフォードデータ回帰に基づくいくつかの手法の最初の実装の1つを示す。 一般に、クリフォードデータ回帰に基づく手法は、ゼロノイズ外挿法と比較して有利である。 これはこの種の研究でこれまで調査された中で最大のシステムである。
  論文  参考訳（メタデータ） (2021-03-23T16:56:14Z)
• Unified approach to data-driven quantum error mitigation [0.7046417074932257]
  本稿では,ZNEとCDRを概念的に統一した,スケーラブルなエラー軽減手法を提案する。 可変ノイズクリフォードデータレグレッション (vnCDR) と呼ばれる我々の手法は、これらの個々の手法を数値ベンチマークで著しく上回っている。 64量子ビットのランダムな量子回路から可観測性を修正する問題に対して、vnCDRはZNEとCDRでそれぞれ2.7と1.5の誤差を改善する。
  論文  参考訳（メタデータ） (2020-11-02T17:56:02Z)

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。