論文の概要: Towards Predictive Quantum Algorithmic Performance: Modeling Time-Correlated Noise at Scale
- arxiv url: http://arxiv.org/abs/2603.04524v1
- Date: Wed, 04 Mar 2026 19:09:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:10.934522
- Title: Towards Predictive Quantum Algorithmic Performance: Modeling Time-Correlated Noise at Scale
- Title（参考訳）: 予測量子アルゴリズム性能に向けて:スケールでの時間相関ノイズのモデル化
- Authors: Amit Jamadagni, Gregory Quiroz, Eugene Dumitrescu,
- Abstract要約: 時間関連ノイズが量子アルゴリズムに与える影響を定量化し,その性能を大規模に予測する。
本研究は,ハードウェア関連雑音条件下での大規模アルゴリズムシミュレーションと性能予測の道を開くものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Combining tensor network techniques with quantum autoregressive moving average models, we quantify the effects of time-correlated noise on quantum algorithms and predict their performance at scale. As a paradigmatic test case, we examine the quantum Fourier transformation. Building on our first technical result, which shows how stochastic tensor network calculations capture frequency correlations, our second result is the revelation that infidelity exponents (scaling from diffuse, to superdiffuse) are determined by the spectral features of the noise. This numerical result rigorously quantifies the common belief that the temporal correlation scale is a key predictive feature of noise's deleterious impact on multi-qubit circuits. To highlight prospects for predicting algorithmic performance, our third result quantifies how infidelity scaling exponents -- which are fits determined by training data at moderate scales (40-80 qubits) -- can be used to predict more computationally expensive simulation at larger scales (100-128 qubits). Aside from highlighting the scalability of our methods, this workflow feeds into our last result, which is the proposal of predictive benchmarking protocols connecting simulations to experiments. Our work paves the way for large-scale algorithmic simulations and performance prediction under hardware-relevant noise conditions informed by realistic device characteristics.
- Abstract（参考訳）: テンソルネットワーク技術と量子自己回帰移動平均モデルを組み合わせることで、時間関連ノイズが量子アルゴリズムに与える影響を定量化し、その性能を大規模に予測する。
パラダイムテストケースとして、量子フーリエ変換を検討する。
確率テンソルネットワーク計算が周波数相関をどのように捉えているかを示す第1の技術的結果に基づいて、第2の結果は、不忠実指数(拡散から過拡散へのスケーリング)が雑音のスペクトル特徴によって決定されるという啓示である。
この数値的な結果は、時間相関スケールがマルチキュービット回路におけるノイズの有害な影響の鍵となる予測的特徴であるという共通の信念を厳密に定量化する。
アルゴリズム性能予測の見通しを明らかにするために,第3の結果は,適度なスケール (40-80 qubits) でトレーニングデータによって決定される不忠実なスケーリング指数が,大規模 (100-128 qubits) でより計算コストの高いシミュレーションを予測できるかどうかを定量化する。
このワークフローは,本手法のスケーラビリティを強調しながら,シミュレーションと実験を結びつける予測ベンチマークプロトコルの提案である。
本研究は,ハードウェア関連ノイズ条件下での大規模アルゴリズムシミュレーションと性能予測の手法を,現実的なデバイス特性から求めるものである。
関連論文リスト
- Rethinking Quantum Noise in Quantum Machine Learning: When Noise Improves Learning [5.083987940956758]
量子ノイズは、通常、短期量子コンピューティングの基本的な障害と見なされる。
我々はこの合意に異議を唱える数値的な証拠を提示する。
分子特性予測のための量子グラフニューラルネットワークの実験を通して、量子ノイズが不均一応答を誘導することを発見した。
論文 参考訳（メタデータ） (2026-01-19T18:21:35Z) - Noise Hypernetworks: Amortizing Test-Time Compute in Diffusion Models [57.49136894315871]
テストタイムスケーリングの新しいパラダイムは、推論モデルと生成視覚モデルにおいて驚くべきブレークスルーをもたらした。
本稿では,テスト時間スケーリングの知識をモデルに組み込むことの課題に対する1つの解決策を提案する。
拡散モデルにおいて、初期入力ノイズを変調するノイズハイパーネットワークにより、報酬誘導試験時間雑音の最適化を行う。
論文 参考訳（メタデータ） (2025-08-13T17:33:37Z) - Computational Performance Bounds Prediction in Quantum Computing with Unstable Noise [6.6884244790434195]
量子デバイスにおけるノイズは、この優位性を実現する上で重要な障壁となる。
次世代の量子中心型スーパーコンピュータは本質的に、効率的で正確なノイズ特性を必要とする。
計算性能境界を予測するために,QuBoundというデータ駆動型ワークフローを提案する。
論文 参考訳（メタデータ） (2025-07-22T22:00:09Z) - Approximation Methods for Simulation and Equivalence Checking of Noisy Quantum Circuits [3.2559508547981917]
現在のNISQ時代には、ノイズ量子回路のシミュレーションと検証が不可欠である。
本稿では,雑音量子回路の等価性をシミュレーションし,評価するための近似アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-13T13:19:30Z) - Non-zero noise extrapolation: accurately simulating noisy quantum circuits with tensor networks [0.15749416770494704]
ノイズ量子回路のテンソルネットワークシミュレーションの精度を大幅に向上させる手法を開発した。
当社の手法は、特に低ノイズ体制に合わせた高ゲート忠実性(High Gate-fidelity)の利点を生んでいる。
論文 参考訳（メタデータ） (2025-01-22T21:42:24Z) - Inference-Time Scaling for Diffusion Models beyond Scaling Denoising Steps [48.16416920913577]
拡散モデルの予測時間スケーリングの挙動を,デノナイジングステップの増大を超えて検討する。
拡散サンプリングプロセスにおいて,より優れたノイズを特定することを目的とした探索問題を考察する。
その結果, 推定時間計算の増加は, 拡散モデルにより生成された試料の品質を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2025-01-16T18:30:37Z) - Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。
我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。
提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
論文 参考訳（メタデータ） (2024-06-20T15:25:13Z) - Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳（メタデータ） (2023-06-13T01:18:16Z) - Characterizing low-frequency qubit noise [55.41644538483948]
量子ビット周波数のゆらぎは、スケーラブルな量子コンピュータへの道のりで克服すべき主要な問題の1つである。
ゆらぎの統計は、定期的に繰り返されるラムゼー測定の結果の相関子を測定することで特徴づけられる。
この研究は、進化する雑音の存在下での繰り返し測定中に量子力学を記述する方法を提案する。
論文 参考訳（メタデータ） (2022-07-04T22:48:43Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Efficient classical simulation and benchmarking of quantum processes in
the Weyl basis [0.0]
Weylユニタリを用いたランダム化ベンチマークアルゴリズムを開発し,エラーモデルの混在を効率よく同定し,学習する。
本手法を変分量子固有解器に現れるアンザッツ回路に適用する。
論文 参考訳（メタデータ） (2020-08-27T16:46:12Z)
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。