論文の概要: Noise mitigation of quantum observables via learning from Hamiltonian symmetry decays
- arxiv url: http://arxiv.org/abs/2603.13060v1
- Date: Fri, 13 Mar 2026 15:09:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-16 17:38:12.149183
- Title: Noise mitigation of quantum observables via learning from Hamiltonian symmetry decays
- Title（参考訳）: ハミルトン対称性崩壊からの学習による量子可観測物のノイズ緩和
- Authors: Javier Oliva del Moral, Olatz Sanz Larrarte, Joana Fraxanet, Dmytro Mishagli, Josu Etxezarreta Martinez,
- Abstract要約: 我々は、対称性崩壊(GUESS)からGUiding Extrapolationsと呼ばれる新しい量子エラー緩和技術(QEM)を提案する。
GUESSはハミルトン対称性を利用してノイズ量子計算の精度を向上させる。
提案手法の精度を,ベースラインゼロノイズ補間(ZNE)と,100ドルキュービットのシステムに対するテンソルネットワークシミュレーションと比較した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a new quantum error mitigation technique (QEM), called GUiding Extrapolations from Symmetry decayS (GUESS), which exploits Hamiltonian symmetries to improve accuracy of noisy quantum computations. This method is explicitly designed for quantum algorithms that estimate expectation values of observables and consists in learning the extrapolation coefficients from a symmetry observable of the system to then estimate the value of a target observable. Furthermore, we propose a Hamiltonian impurity technique to enforce symmetries allowing the mitigation of local observables of interest. We employ the IBM Heron r2 quantum processing unit '\texttt{ibm\_basquecountry}' to simulate the time evolution of average magnetization and nearest-neighbor correlator observables for transverse field Ising and $XZ$ Heisenberg models in 1D with open boundary conditions. We benchmark the accuracy of our method against baseline Zero Noise Extrapolation (ZNE) and tensor network simulations for systems of $100$ qubits. Remarkably, GUESS achieves a relative error around $10\%$ for circuits containing up to $8000$ CZ gates, while showcasing lower variance than ZNE on average across $20$ observables and requiring only twice the number of shots per observable compared to baseline ZNE. Furthermore, we demonstrate that GUESS enables statistical post-selection based on the outcomes of the symmetry observable, which provides critical information about the quality of the target qubits by means of its mean and variance. These results indicate that GUESS is a powerful QEM technique capable of mitigating utility-scale circuit outcomes, delivering high accuracy and reduced variance for large-scale circuits with minimal quantum overhead.
- Abstract（参考訳）: 本稿では、ハミルトン対称性を利用してノイズ量子計算の精度を向上させる新しい量子誤差緩和手法であるGUiding Extrapolations from Symmetry decays (GUESS)を提案する。
この方法は、観測可能量の期待値を推定する量子アルゴリズムのために明示的に設計され、システムの対称性から外挿係数を学習して、対象の観測可能量の推定を行う。
さらに, ハミルトン不純物法を提案し, 局所観測値の緩和を可能にする対称性を強制する。
我々はIBM Heron r2 量子処理ユニット '\texttt{ibm\_basquecountry}' を用いて、平均磁化の時間的発展と、近接場Ising の近傍コレレータ観測値のシミュレーションを行い、開境界条件付き 1D で$XZ$ Heisenberg モデルを構築した。
提案手法の精度を,ベースラインゼロノイズ補間(ZNE)と,100ドルキュービットのシステムに対するテンソルネットワークシミュレーションと比較した。
注目すべきは、GUESSは8000ドルのCZゲートを含む回路に対して、20ドルの観測可能な平均的なZNEよりも低いばらつきを示しながら、ベースラインのZNEに比べて観測可能な1枚当たりのショットの2倍の差しか持たないという点である。
さらに、GUESSは、その平均と分散により、目標量子ビットの品質に関する重要な情報を提供する対称性観測結果に基づいて統計的ポストセレクションを可能にすることを実証する。
これらの結果から,GUESSは実用規模の回路結果を緩和し,量子オーバーヘッドを最小限に抑えた大規模回路の精度とばらつきを低減できる強力なQEM技術であることが示唆された。
関連論文リスト
- Performance Guarantees for Quantum Neural Estimation of Entropies [31.955071410400947]
量子神経推定器(QNE)は古典的ニューラルネットワークとパラメトリズド量子回路を組み合わせたものである。
非漸近的エラーリスク境界の形で測定された相対エントロピーのQNEの形式的保証について検討する。
我々の理論は、測定された相対エントロピーに対するQNEの原則的実装を促進することを目的としている。
論文 参考訳（メタデータ） (2025-11-24T16:36:06Z) - 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) - Unbiased observable estimation via noisy channel mixtures for fault-tolerant quantum computation [1.9624273277521178]
量子アルゴリズムのフォールトトレラントコンパイルから生じるようなユニタリエラーは、体系的にオブザーバブル推定をバイアスする。
観測変数の期待値のバイアスを補正する別の方法を提案する。
論文 参考訳（メタデータ） (2025-05-16T17:48:54Z) - Measuring Incompatible Observables with Quantum Neural Networks [0.641460223525021]
ハイゼンベルクの不確実性原理は、不整合可観測物の同時測定を防ぐ。
単位量子チャネルをエミュレートする複数出力QNNを実装することで、多くの不整合可観測体の期待値を同時に測定できることが示される。
論文 参考訳（メタデータ） (2025-03-26T14:03:42Z) - Noise-Robust Estimation of Quantum Observables in Noisy Hardware [0.0]
ノイズ・ロバスト推定(Noss-Robust Estimation)は、推定バイアスを体系的に低減するノイズ非依存のフレームワークである。
NREは、この研究で発見されたバイアス分散相関を利用する。
IQM超伝導量子プロセッサ上でNREを実験的に検証する。
論文 参考訳（メタデータ） (2025-03-09T17:18:16Z) - Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。
量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文 参考訳（メタデータ） (2024-09-05T07:18:09Z) - Heisenberg-limited adaptive gradient estimation for multiple observables [0.39102514525861415]
量子力学において、一般観測値の期待値を測定することは、固有の統計的不確実性を持つ。
我々は,ルート平均二乗誤差内における一般可観測値の期待値を推定する適応量子アルゴリズムを提案する。
本手法は,量子コンピュータを用いた複雑な量子システムにおいて,様々な物理特性を正確に理解し,予測する新しい手法である。
論文 参考訳（メタデータ） (2024-06-05T14:16:47Z) - Mitigating Errors on Superconducting Quantum Processors through Fuzzy
Clustering [38.02852247910155]
新しいQuantum Error Mitigation(QEM)技術では、Fizzy C-Meansクラスタリングを使用して測定エラーパターンを特定できる。
実 NISQ 5-qubit 量子プロセッサのサブセットとして得られた 2-qubit レジスタ上で,この手法の原理的検証を報告する。
我々は、FCMベースのQEM技術により、単一および2ビットゲートベースの量子回路の期待値が合理的に改善できることを実証した。
論文 参考訳（メタデータ） (2024-02-02T14:02:45Z) - Error Mitigation-Aided Optimization of Parameterized Quantum Circuits:
Convergence Analysis [42.275148861039895]
変分量子アルゴリズム(VQA)は、ノイズプロセッサを介して量子アドバンテージを得るための最も有望な経路を提供する。
不完全性とデコヒーレンスによるゲートノイズは、バイアスを導入して勾配推定に影響を与える。
QEM(Quantum error mitigation)技術は、キュービット数の増加を必要とせずに、推定バイアスを低減することができる。
QEMは必要な反復回数を減らすことができるが、量子ノイズレベルが十分に小さい限りである。
論文 参考訳（メタデータ） (2022-09-23T10:48:04Z) - Analytical and experimental study of center line miscalibrations in M\o
lmer-S\o rensen gates [51.93099889384597]
モルマー・ソレンセンエンタングゲートの誤校正パラメータの系統的摂動展開について検討した。
我々はゲート進化演算子を計算し、関連する鍵特性を得る。
我々は、捕捉されたイオン量子プロセッサにおける測定値に対して、モデルからの予測をベンチマークすることで検証する。
論文 参考訳（メタデータ） (2021-12-10T10:56:16Z)
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。