論文の概要: Extrapolative Quantum Error Mitigation in Continuous-Variable Systems beyond the Training Horizon
- arxiv url: http://arxiv.org/abs/2603.08548v2
- Date: Tue, 10 Mar 2026 04:49:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 12:59:13.132217
- Title: Extrapolative Quantum Error Mitigation in Continuous-Variable Systems beyond the Training Horizon
- Title（参考訳）: トレーニング水平を超えた連続可変系の外挿量子誤差低減
- Authors: Jingpeng Zhang, Shengyong Li, Jie Han, Qianchuan Zhao, Jing Zhang, Zeliang Xiang,
- Abstract要約: 時間条件のSwin Transformerに基づく外挿量子誤差軽減のためのフレームワークを提案する。
本研究は, CV量子システムにおいて, 総合的なトレーニングデータなしでノイズを緩和する実用的な方法として, 補間QEMを確立した。
- 参考スコア（独自算出の注目度）: 17.211388118859354
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous-variable (CV) quantum systems provide a versatile platform for quantum information processing, in which quantum states can be represented in the quadrature phase space. In realistic implementations, environmental noise, primarily photon loss and dephasing, progressively degrades these states. Machine-learning-based quantum error mitigation (QEM) has recently emerged as a promising approach to suppress such noise; however, existing methods are typically limited to the training horizon and require training data that cover the entire evolution, which is experimentally demanding. Here we introduce a framework for extrapolative quantum error mitigation based on a time-conditioned Swin Transformer. By explicitly embedding the evolution time via adaptive layer normalization, the model learns a correction map that accounts for the continuous accumulation of noise while capturing nonlocal phase-space correlations. Numerical simulations under both Markovian and non-Markovian noise demonstrate accurate state recovery in the long-time regime, where existing approaches deteriorate. Our results establish extrapolative QEM as a practical route to mitigating noise in CV quantum systems without exhaustive training data.
- Abstract（参考訳）: 連続可変(CV)量子システムは量子情報処理のための汎用的なプラットフォームを提供し、量子状態は二次位相空間で表現できる。
現実的な実装では、主に光子損失と劣化による環境ノイズは、これらの状態を段階的に劣化させる。
機械学習に基づく量子エラー緩和(QEM)は、最近そのようなノイズを抑制するための有望なアプローチとして登場したが、既存の手法は訓練の地平線に限られており、実験的に要求されている進化全体をカバーする訓練データを必要とする。
本稿では,時間条件のSwin Transformerに基づく外挿型量子誤り軽減フレームワークを提案する。
適応層正規化により進化時間を明示的に埋め込むことで、非局所位相空間相関を捉えながら、ノイズの連続的な蓄積を考慮に入れた補正マップを学習する。
マルコフ型と非マルコフ型の両方の雑音下での数値シミュレーションは、既存のアプローチが劣化している長期的状態回復を正確に示す。
本研究は, CV量子システムにおいて, 総合的なトレーニングデータなしでノイズを緩和する実用的な方法として, 補間QEMを確立した。
関連論文リスト
- Orders of magnitude runtime reduction in quantum error mitigation [0.0]
仮想ノイズスケーリングと層状緩和アーキテクチャを組み合わせた緩和フレームワークを提案する。
提案手法は動的回路と互換性があり、誤り検出や量子誤り訂正方式とシームレスに統合できる。
論文 参考訳（メタデータ） (2026-01-30T10:07:31Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Continuous-variable Quantum Diffusion Model for State Generation and Restoration [3.3864018929063477]
本稿では,連続可変量子拡散原理に基づく新しいフレームワークを提案し,CV量子ニューラルネットワーク(CVQNN)と相乗化する。
状態生成のための連続可変量子拡散生成モデル(CVQD-G)では,熱損失チャネルを用いた物理駆動前方拡散プロセスを採用している。
状態回復のために、我々の特殊変種は量子状態、特に未知のパラメータを持つコヒーレントな状態を熱劣化から復元するために設計された。
論文 参考訳（メタデータ） (2025-06-24T03:04:21Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Compact fermionic quantum state preparation with a natural-orbitalizing variational quantum eigensolving scheme [0.0]
短期量子状態の準備は、典型的には変分量子固有解法(VQE)アルゴリズムによって実現される。
本稿では,基本フェルミオンモードの状態を更新したトッピング型VQEを改良したVQE方式を提案する。
固定回路構造では、ショットノイズから過度のオーバーヘッドを発生させることなく、目標状態に近い状態に到達するための回路の能力を高めることが示される。
論文 参考訳（メタデータ） (2024-06-20T10:23:28Z) - Exploiting many-body localization for scalable variational quantum simulation [1.4509156851822589]
変分量子アルゴリズム(VQA)は、短期ハードウェア上での実用的な量子優位性を実現するための有望な経路である。
マルチボディローカライズド(MBL)フェーズにおけるハードウェア効率の良いフロケット構造型Ansatzの初期化は,バレンプラトーを緩和し,アルゴリズムの訓練性を高めることを実証する。
論文 参考訳（メタデータ） (2024-04-26T17:40:20Z) - Lindblad-like quantum tomography for non-Markovian quantum dynamical maps [46.350147604946095]
本稿では,Lindblad-like quantum tomography (L$ell$QT) を量子情報プロセッサにおける時間相関ノイズの量子的特徴付け手法として紹介する。
単一量子ビットの強調力学について、L$ell$QT を詳細に論じ、量子進化の複数のスナップショットを可能性関数に含めることの重要性を正確に理解することができる。
論文 参考訳（メタデータ） (2024-03-28T19:29:12Z) - Adaptive quantum error mitigation using pulse-based inverse evolutions [0.0]
本稿では,ターゲット装置の雑音レベルに適応する適応KIKというQEM手法を提案する。
この手法の実装は実験的にシンプルであり、トモグラフィ情報や機械学習の段階は含まない。
我々は、IBM量子コンピュータと数値シミュレーションを用いて、我々の研究結果を実証した。
論文 参考訳（メタデータ） (2023-03-09T02:50:53Z) - Probing finite-temperature observables in quantum simulators of spin
systems with short-time dynamics [62.997667081978825]
ジャジンスキー等式から動機付けられたアルゴリズムを用いて, 有限温度可観測体がどのように得られるかを示す。
長範囲の逆場イジングモデルにおける有限温度相転移は、捕捉されたイオン量子シミュレータで特徴づけられることを示す。
論文 参考訳（メタデータ） (2022-06-03T18:00:02Z) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - Continuous-time dynamics and error scaling of noisy highly-entangling
quantum circuits [58.720142291102135]
最大21キュービットの雑音量子フーリエ変換プロセッサをシミュレートする。
我々は、デジタルエラーモデルに頼るのではなく、微視的な散逸過程を考慮に入れている。
動作中の消散機構によっては、入力状態の選択が量子アルゴリズムの性能に強い影響を与えることが示される。
論文 参考訳（メタデータ） (2021-02-08T14:55:44Z)
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。