論文の概要: Limitations for adaptive quantum state tomography in the presence of detector noise

• arxiv url: http://arxiv.org/abs/2601.04020v1
• Date: Wed, 07 Jan 2026 15:35:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.670311
• Title: Limitations for adaptive quantum state tomography in the presence of detector noise
• Title（参考訳）: 検出器ノイズの存在下での適応量子状態トモグラフィの限界
• Authors: Adrian Skasberg Aasen, Martin Gärttner,
• Abstract要約: 量子デバイスをベンチマークし、認証するためには、測定値から量子状態の仮定不要な再構成が不可欠である。 これらの要求を緩和するためのアプローチは、適応的な測定戦略によって提供される。 非ゼロな読み出しノイズは適応戦略の2次スケーリングの利点を排除できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Assumption-free reconstruction of quantum states from measurements is essential for benchmarking and certifying quantum devices, but it remains difficult due to the extensive measurement statistics and experimental resources it demands. An approach to alleviating these demands is provided by adaptive measurement strategies, which can yield up to a quadratic improvement in reconstruction accuracy for pure states by dynamically optimizing measurement settings during data acquisition. A key open question is whether these asymptotic advantages remain in realistic experiments, where readout is inevitably noisy. In this work, we analyze the impact of readout noise on adaptive quantum state tomography with readout-error mitigation, focusing on the challenging regime of reconstructing pure states using mixed-state estimators. Using analytical arguments based on Fisher information optimization and extensive numerical simulations using Bayesian inference, we show that any nonzero readout noise eliminates the asymptotic quadratic scaling advantage of adaptive strategies. We numerically investigate the behavior for finite measurement statistics for single- and two-qubit systems with exact readout-error mitigation and find a gradual transition from ideal to sub-optimal scaling. We furthermore investigate realistic scenarios where detector tomography is performed with a limited number of state copies for calibration, showing that insufficient detector characterization leads to estimator bias and limited reconstruction accuracy. Although our result imposes an upper bound on the reconstruction accuracy that can be achieved with adaptive strategies, we nevertheless observe numerically a constant-factor gain in reconstruction accuracy, which becomes larger as the readout noise decreases. This indicates potential practical benefits in using adaptive measurement strategies in well-calibrated experiments.
• Abstract（参考訳）: 量子デバイスをベンチマークし、認証するためには、測定値からの量子状態の仮定不要な再構成が不可欠であるが、それが要求する広範な測定統計と実験資源のため、依然として困難である。 データ取得時の測定設定を動的に最適化することにより、純粋な状態の再現精度を最大2次改善できる適応計測戦略によって、これらの要求を緩和するアプローチが提供される。 重要な疑問は、これらの漸近的な利点が、必然的にノイズの多い現実的な実験に残るかどうかである。 本研究では, 適応量子状態トモグラフィーにおける読み出しノイズの影響を, 混合状態推定器を用いた純状態再構成の難易度に着目して解析する。 ベイズ推定を用いたフィッシャー情報最適化と広範囲な数値シミュレーションに基づく解析的引数を用いて,非ゼロな読み出し雑音が適応戦略の漸近的2次スケーリングの利点を排除していることを示す。 本研究では, 精度の高い読み出し誤差緩和を行う単一および2ビット系における有限測度統計量の挙動を数値的に検討し, 理想から準最適スケーリングへの段階的遷移を求める。 さらに,キャリブレーションのための状態コピーを限定して検出トモグラフィーを行う場合の現実的シナリオについても検討し,検出特性の不十分さが推定器バイアスと再構成精度の低下につながることを示した。 適応的な戦略で達成できる再現精度に上限を課すが、しかしながら、再生精度の一定の利得を数値的に観察することは、読み出しノイズが減少するにつれて大きくなる。 このことは、適応的な測定戦略をうまく校正された実験で活用する際の潜在的な実用的な利点を示している。

関連論文リスト

• Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
  量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。 既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。 我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
  論文  参考訳（メタデータ） (2025-07-09T15:22:17Z)
• Physics-Inspired Extrapolation for efficient error mitigation and hardware certification [10.804056735359618]
  量子エラー軽減は、ノイズの多い中間スケールの量子時代にとって不可欠である。 ほとんどのQEM法は、偏りのない推定を達成するために指数的なサンプリングオーバーヘッドを発生させる。 本稿では,物理に着想を得た線形回路ランタイムプロトコルである外挿法を提案する。
  論文  参考訳（メタデータ） (2025-05-12T18:20:58Z)
• 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)
• Deterministic and statistical calibration of constitutive models from full-field data with parametric physics-informed neural networks [36.136619420474766]
  フルフィールド変位データからモデルキャリブレーションを行うためのパラメトリック物理インフォームドニューラルネットワーク(PINN)について検討した。 PINNの高速評価により、ほぼリアルタイムでキャリブレーションを行うことができる。
  論文  参考訳（メタデータ） (2024-05-28T16:02:11Z)
• Noise-mitigated randomized measurements and self-calibrating shadow estimation [0.0]
  ランダム化測定の誤差軽減手法を導入し,ロバストなシャドウ推定手法を提案する。 実用面では, 量子実験と同じセッションを用いて, 誤差緩和と影推定を行うことができることを示す。
  論文  参考訳（メタデータ） (2024-03-07T18:53:56Z)
• Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
  本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。 この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
  論文  参考訳（メタデータ） (2022-03-28T21:22:22Z)
• Fundamental Limits of Ridge-Regularized Empirical Risk Minimization in High Dimensions [41.7567932118769]
  経験的リスク最小化アルゴリズムは、様々な推定や予測タスクで広く利用されている。 本稿では,コンベックスEMMの統計的精度に関する基礎的限界を推論のために初めて特徴づける。
  論文  参考訳（メタデータ） (2020-06-16T04:27:38Z)
• Semi-device-dependent blind quantum tomography [1.3075880857448061]
  現在のスキームは、高い精度でキャリブレーションされたプリオリであるトモグラフィーの計測装置を必要とするのが一般的である。 興味のある量子状態の自然の低ランク構造を利用すると、高度にスケーラブルなブラインドトモグラフィースキームに到達するのに十分であることを示す。 我々は、トラップイオンの実装にインスパイアされた実用的な環境で、ロバストブラインド量子トモグラフィーが可能であることを数値的に示す。
  論文  参考訳（メタデータ） (2020-06-04T18:00:04Z)
• A machine learning approach to Bayesian parameter estimation [0.0]
  パラメータ推定を分類タスクとして定式化し,ニューラルネットワークを用いてベイズ推定を効率的に行う。 本稿では,ネットワークの後方分布が,逆フィッシャー情報によって与えられる不確実性の中でパラメータの真(未知)値に集中していることを示す。
  論文  参考訳（メタデータ） (2020-06-03T16:33:21Z)

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。