論文の概要: Deep Learning Approaches to Quantum Error Mitigation

• arxiv url: http://arxiv.org/abs/2601.14226v1
• Date: Tue, 20 Jan 2026 18:40:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.450668
• Title: Deep Learning Approaches to Quantum Error Mitigation
• Title（参考訳）: 量子エラー軽減のためのディープラーニングアプローチ
• Authors: Leonardo Placidi, Ifan Williams, Enrico Rinaldi, Daniel Mills, Cristina Cîrstoiu, Vanya Eccles, Ross Duncan,
• Abstract要約: 本稿では,雑音発生確率分布の量子誤差軽減に応用したディープラーニング手法の系統的研究を行う。 シーケンス・ツー・シークエンス・アテンション・ベース・モデルが最も効果的なデータセットとして認識する。 いくつかの異なる回路深度で、本手法は他のベースライン誤差軽減手法よりも優れている。
• 参考スコア（独自算出の注目度）: 0.2504492508782606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a systematic investigation of deep learning methods applied to quantum error mitigation of noisy output probability distributions from measured quantum circuits. We compare different architectures, from fully connected neural networks to transformers, and we test different design/training modalities, identifying sequence-to-sequence, attention-based models as the most effective on our datasets. These models consistently produce mitigated distributions that are closer to the ideal outputs when tested on both simulated and real device data obtained from IBM superconducting quantum processing units (QPU) up to five qubits. Across several different circuit depths, our approach outperforms other baseline error mitigation techniques. We perform a series of ablation studies to examine: how different input features (circuit, device properties, noisy output statistics) affect performance; cross-dataset generalization across circuit families; and transfer learning to a different IBM QPU. We observe that generalization performance across similar devices with the same architecture works effectively, without needing to fully retrain models.
• Abstract（参考訳）: 本稿では,実測量子回路からの雑音出力確率分布の量子誤差低減に応用したディープラーニング手法の系統的検討を行う。 完全に接続されたニューラルネットワークからトランスフォーマーまで、さまざまなアーキテクチャを比較し、異なる設計/トレーニングのモダリティをテストする。 これらのモデルは、IBMの超伝導量子処理ユニット(QPU)から得られたシミュレーションデータと実デバイスデータの両方で最大5キュービットまで、理想的な出力に近づいた緩和分布を一貫して生成する。 いくつかの異なる回路深度で、本手法は他のベースライン誤差軽減手法よりも優れている。 我々は,入力特徴(回路特性,デバイス特性,ノイズ出力統計)が性能に与える影響,回路ファミリ間のクロスデータセットの一般化,IBM QPUへの変換学習について,一連のアブレーション研究を行った。 モデルを完全に再トレーニングすることなく、同じアーキテクチャを持つ類似デバイス間での一般化性能が効果的に機能することを観察する。

関連論文リスト

• Enhancing Network Anomaly Detection with Quantum GANs and Successive Data Injection for Multivariate Time Series [6.576759206183036]
  本稿では,異常検出のためのQGANアーキテクチャを提案する。 データ再アップロードとSuDaIを統合することで、アプローチは古典的なデータを量子状態に効率的にマッピングする。 QGANは、異常検出において高いリコールとF1スコアとともに高い精度を達成し、古典モデルと比較して低いMSEを達成する。
  論文  参考訳（メタデータ） (2025-05-16T18:47:42Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Regression and Classification with Single-Qubit Quantum Neural Networks [0.0]
  我々は、回帰処理と分類処理の両方にリソース効率が高くスケーラブルなSQQNN(Single-Qubit Quantum Neural Network)を使用する。 分類にはTaylor級数にインスパイアされた新しいトレーニング手法を導入する。 SQQNNは、MNISTデータセットを含む回帰および分類タスクにおいて、事実上エラーのない、強力なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-12-12T17:35:36Z)
• Learning to rank quantum circuits for hardware-optimized performance enhancement [0.0]
  本稿では,論理的に等価な量子回路をランク付けするための機械学習に基づく手法を実験的に導入し,実験を行った。 提案手法をランダムなレイアウト選択とMapomaticと呼ばれる一般公開ベースラインの2つの一般的なアプローチと比較する。 我々の最良のモデルでは、ベースラインアプローチと比較して選択誤差が1.8タイムズ$減少し、ランダム選択と比較して3.2タイムズ$減少する。
  論文  参考訳（メタデータ） (2024-04-09T18:00:01Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)

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。