論文の概要: Differentiable Maximum Likelihood Noise Estimation for Quantum Error Correction
- arxiv url: http://arxiv.org/abs/2602.19722v1
- Date: Mon, 23 Feb 2026 11:20:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.785514
- Title: Differentiable Maximum Likelihood Noise Estimation for Quantum Error Correction
- Title（参考訳）: 量子誤差補正のための可微分最大音量推定法
- Authors: Hanyan Cao, Dongyang Feng, Cheng Ye, Feng Pan,
- Abstract要約: 我々は, 正確な, 効率的, かつ, 完全微分可能な症候群の最大値を可能にする, 識別可能な類似度推定フレームワークを導入する。
提案手法は, シンドロームの確率を直接最大化することにより, 証明可能なデコーダ非依存誤差を導出する。
- 参考スコア（独自算出の注目度）: 3.1257175823346905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate noise estimation is essential for fault-tolerant quantum computing, as decoding performance depends critically on the fidelity of the circuit-level noise parameters. In this work, we introduce a differentiable Maximum Likelihood Estimation (dMLE) framework that enables exact, efficient, and fully differentiable computation of syndrome log-likelihoods, allowing circuit-level noise parameters to be optimized directly via gradient descent. Leveraging the exact Planar solver for repetition codes and a novel, simplified Tensor Network (TN) architecture combined with optimized contraction path finding for surface codes, our method achieves tractable and fully differentiable likelihood evaluation even for distance 5 surface codes with up to 25 rounds. Our method recovers the underlying error probabilities with near-exact precision in simulations and reduces logical error rates by up to 30.6(3)% for repetition codes and 8.1(2)% for surface codes on experimental data from Google's processor compared to previous state-of-the-art methods: correlation analysis and Reinforcement Learning (RL) methods. Our approach yields provably optimal, decoder-independent error priors by directly maximizing the syndrome likelihood, offering a powerful noise estimation and control tool for unlocking the full potential of current and future error-corrected quantum processors.
- Abstract（参考訳）: デコード性能は回路レベルのノイズパラメータの忠実度に大きく依存するため、フォールトトレラント量子コンピューティングには正確なノイズ推定が不可欠である。
本研究では,回路レベルの雑音パラメータを勾配降下により直接最適化し,高精度かつ効率的かつ完全に微分可能なシンドローム類似度計算を可能にする,微分可能な最大類似度推定(dMLE)フレームワークを提案する。
繰り返し符号に対する正確なPlanarソルバと、表面符号に対する最適化された収縮経路探索とを組み合わさって、25ラウンドまでの距離5面符号においても、抽出可能かつ完全に微分可能な確率評価を実現する。
提案手法は,シミュレーションにおける誤差確率を近似精度で再現し,繰り返し符号に対して最大30.6(3)%,Googleのプロセッサからの実験データに対する表面符号に対して8.1(2)%,相関解析と強化学習(RL)法と比較して論理誤差率を最大30.6(3)%削減する。
提案手法は,現在および将来の誤り訂正量子プロセッサの完全なポテンシャルを解き放つための強力なノイズ推定および制御ツールを提供することにより,直接的にシンドロームの確率を最大化することにより,証明可能な最適デコーダ非依存誤差先行値が得られる。
関連論文リスト
- SAQ: Stabilizer-Aware Quantum Error Correction Decoder [8.458339111154585]
量子誤り訂正(QEC)復号法は、基本的な精度と効率のトレードオフに直面している。
最近のニューラルデコーダは複雑さを減少させるが、計算に高価な古典的手法と競合するために必要な精度に欠ける。
本稿では,変換器に基づく学習と制約後処理を組み合わせたフレームワークであるSAQ-Decoderを紹介する。
論文 参考訳（メタデータ） (2025-12-09T18:51:35Z) - CAGE: Curvature-Aware Gradient Estimation For Accurate Quantization-Aware Training [73.46600457802693]
本稿では,量子化による損失に対応する新しい手法を提案する。
CAGEは、同様の計算コストで、精度の観点から最先端の手法を大幅に改善する。
LlamaモデルのQAT事前トレーニングでは、CAGEは4ビット(W4A4)で達成された精度と事前のベストメソッドとを一致させる。
論文 参考訳（メタデータ） (2025-10-21T16:33:57Z) - Quantum Error Detection For Early Term Fault-Tolerant Quantum Algorithms [1.9556053645976448]
本稿では,量子アルゴリズムのフォールトトレラントコンパイルとシミュレーションのためのフレームワークを提案する。
最適なシンドロームスケジュールを見つけることは、アルゴリズムの成功確率を平均6.7倍改善する。
本稿では,フォールトトレラントコンパイルパラメータを予測するための単純なデータ駆動型手法を提案する。
論文 参考訳（メタデータ） (2025-03-13T18:34:01Z) - 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) - Accurate optimal quantum error correction thresholds from coherent information [1.351813974961217]
ノイズの多いQEC符号の混合状態のコヒーレント情報を用いて、関連するQEC閾値を正確に推定する。
本研究は,最先端QEC符号の最適しきい値を計算するための信頼性の高い競争実践ツールとして,コヒーレント情報を確立した。
論文 参考訳（メタデータ） (2023-12-11T18:59:58Z) - Quantum error correction with an Ising machine under circuit-level noise [0.4977217779934656]
そこで我々は,Ising型最適化問題として誤り推定問題を解く回路レベル雑音デコーダを開発した。
回路レベルの雑音下での表面符号のしきい値定理が約0.4%の誤差閾値で再現されることを確認する。
論文 参考訳（メタデータ） (2023-08-01T08:21:22Z) - Partial Identification with Noisy Covariates: A Robust Optimization
Approach [94.10051154390237]
観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。
このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。
合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
論文 参考訳（メタデータ） (2022-02-22T04:24:26Z) - Differentiable Annealed Importance Sampling and the Perils of Gradient
Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。
差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。
我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文 参考訳（メタデータ） (2021-07-21T17:10:14Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Efficient and robust certification of genuine multipartite entanglement
in noisy quantum error correction circuits [58.720142291102135]
実効多部絡み(GME)認証のための条件付き目撃手法を導入する。
線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。
本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
論文 参考訳（メタデータ） (2020-10-06T18:00:07Z)
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。