論文の概要: Adaptive Estimation of Drifting Noise in Quantum Error Correction

• arxiv url: http://arxiv.org/abs/2511.09491v1
• Date: Thu, 13 Nov 2025 01:57:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.592782
• Title: Adaptive Estimation of Drifting Noise in Quantum Error Correction
• Title（参考訳）: 量子誤差補正におけるドリフトノイズの適応推定
• Authors: Devansh Bhardwaj, Evangelia Takou, Yingjia Lin, Kenneth R. Brown,
• Abstract要約: 本稿では、量子誤り訂正実験のシンドローム統計を利用して、時間依存のパウリノイズを捕捉する枠組みを提案する。 スライドウィンドウのノイズフィルタリング挙動を実証し,窓の大きさをスペクトルカットオフ周波数にリンクし,複数のドリフト周波数を捕捉する反復アルゴリズムを提案する。 ウインドウに基づく推定手法と適応デコードにより,ドリフト下でのノイズスペクトルとデコーダ最適化の新しい知見が得られる。
• 参考スコア（独自算出の注目度）: 1.1998722332188005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advancing quantum information processors and building fault-tolerant architectures rely on the ability to accurately characterize the noise sources and suppress their impact on quantum devices. In practice, noise often drifts over time, whereas conventional noise characterization and decoding methods typically assume stationarity or provide only a time-average behavior of the noise. This treatment can result in suboptimal decoding performance. In this work, we present a rigorous analytical framework to capture time-dependent Pauli noise, by exploiting the syndrome statistics of quantum error correction experiments. We propose a sliding-window estimation method which allows us to recover the frequency components of the noise, by using optimal window sizes that we derive analytically. We prove the noise-filtering behavior of sliding windows, linking window size to spectral cutoff frequencies, and provide an iterative algorithm that captures multiple drift frequencies. We further introduce an overlapping window algorithm that enables us to capture rapid multi-frequency noise drifts in a single-pass fashion. Simulations for both phenomenological and circuit-level noise models validate our framework, demonstrating robust tracking of multi-frequency drift. The logical error rate obtained from our estimated models consistently align with the ground-truth logical error rate, and we find suppression of logical errors compared to static error models. Our window-based estimation methods and adaptive decoding offer new insights into noise spectroscopy and decoder optimization under drift using only syndrome data.
• Abstract（参考訳）: 量子情報プロセッサの強化とフォールトトレラントアーキテクチャの構築は、ノイズ源を正確に特徴付け、量子デバイスへの影響を抑制する能力に依存している。 実際には、ノイズはしばしば時間の経過とともにドリフトするが、従来のノイズの特徴付けや復号法は一般に定常性を前提とするか、ノイズの時間平均的な振る舞いしか提供しない。 この処理により、最適以下の復号性能が得られる。 本研究では、量子誤り訂正実験のシンドローム統計を利用して、時間依存のパウリノイズを捉えるための厳密な分析フレームワークを提案する。 本研究では,解析的に導出する最適なウィンドウサイズを用いて,雑音の周波数成分を復元するスライディングウィンドウ推定手法を提案する。 スライドウィンドウのノイズフィルタリング挙動を実証し,窓の大きさをスペクトルカットオフ周波数にリンクし,複数のドリフト周波数を捕捉する反復アルゴリズムを提案する。 さらに、重なり合うウィンドウアルゴリズムを導入し、高速なマルチ周波数ノイズドリフトをシングルパス方式で取得する。 多周波ドリフトのロバストな追跡を実証し, 現象モデルと回路レベルのノイズモデルの両方のシミュレーションを行った。 推定したモデルから得られる論理誤差率は, 基底トラスト論理誤差率と一貫して一致し, 静的誤差モデルと比較すると, 論理誤差の抑制が認められる。 ウィンドウベース推定法と適応デコードにより,ドリフト下でのノイズスペクトルとデコーダの最適化について,シンドロームデータのみを用いて新たな知見が得られる。

関連論文リスト

• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Bayesian inference of general noise-model parameters from the syndrome statistics of surface codes [0.0]
  シンドローム計測統計に基づくノイズモデル推定は,パウリ雑音に対して十分に確立されている。 本研究では,曲面符号のテンソルネットワークシミュレータを統合した一般雑音モデルに対するベイズ推定手法を提案する。 提案手法を静的, 時間変化, 非一様ケースなど, 様々なノイズモデルに適用する数値的な結果を示す。
  論文  参考訳（メタデータ） (2024-06-13T10:26:04Z)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• Modeling error correction with Lindblad dynamics and approximate channels [0.0]
  ノイズの異なる近似がコードの成功率をどのように捉えているかを研究する。 パウリ近似は単一量子チャネルを超えており、ノイズ、状態、デコーダの詳細に敏感である。
  論文  参考訳（メタデータ） (2024-02-26T16:48:34Z)
• Characterizing and mitigating coherent errors in a trapped ion quantum processor using hidden inverses [0.20315704654772418]
  量子コンピューティングテストベッドは、量子ビットの小さな集合に対して高忠実な量子制御を示す。 これらのノイズの多い中間スケールデバイスは、デコヒーレンスの前に十分な数のシーケンシャルな操作をサポートすることができる。 これらのアルゴリズムの結果は不完全であるが、これらの不完全性は量子コンピュータのテストベッド開発をブートストラップするのに役立ちます。
  論文  参考訳（メタデータ） (2022-05-27T20:35:24Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Real Time Speech Enhancement in the Waveform Domain [99.02180506016721]
  本稿では,ラップトップCPU上でリアルタイムに動作する生波形を用いた因果音声強調モデルを提案する。 提案モデルは、スキップ接続を持つエンコーダデコーダアーキテクチャに基づいている。 静止ノイズや非定常ノイズを含む様々な背景ノイズを除去することができる。
  論文  参考訳（メタデータ） (2020-06-23T09:19:13Z)

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。