論文の概要: Adaptive Control of Stochastic Error Accumulation in Fault-Tolerant Quantum Computation
- arxiv url: http://arxiv.org/abs/2603.14687v1
- Date: Mon, 16 Mar 2026 00:46:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.967882
- Title: Adaptive Control of Stochastic Error Accumulation in Fault-Tolerant Quantum Computation
- Title（参考訳）: フォールトトレラント量子計算における確率誤差蓄積の適応制御
- Authors: Tirtha Haque,
- Abstract要約: 非定常ノイズとドリフトは、独立した事象からではなく、時間的エラーの蓄積によって論理的に失敗する。
時間的深層Q-ネットワーク(Ch-DQN)は、ノイズの進化と蓄積されたハザードの両方を追跡する内部の信念を維持している。
分数的メタ更新は、非定常制御結合力学の存在下での学習を安定化させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In realistic hardware for quantum computation that possesses fault-tolerance, non-stationary noise and stochastic drift lead to logical failure from the temporal accumulation of errors, not from independent events. Static decoding and fixed calibration techniques are structurally incompatible with this situation because they do not take into account temporal correlations between errors or control-induced back-action of errors. These effects motivate control policies that must track noise evolution across correction cycles, rather than respond to individual syndromes in isolation. We treat fault-tolerant quantum computation as a stochastic control problem, modelled using reduced quantum dynamics in which Pauli error processes are governed by latent noise parameters that vary temporally. From this perspective, logical failure arises through the accumulation of a hazard variable, and the corresponding control objective depends on the full history of observations. Operating under these conditions, a Chronological Deep Q-Network (Ch-DQN) maintains an internal belief state that tracks both noise evolution and accumulated hazard. During training, backward refinement of trajectories is used to sample slowly drifting modes of operation, while runtime inference remains strictly causal. A fractional meta-update stabilizes learning in the presence of non-stationary, control-coupled dynamics. Through multi-distance simulations that incorporate stochastic drift and feedback from decision-making, Ch-DQN suppresses hazard accumulation and extends logical survival time relative to static and recurrent baselines. Error correction in this regime is therefore no longer a static decoding task, but a control process whose success is determined over time by the underlying noise dynamics.
- Abstract（参考訳）: フォールトトレランス、非定常ノイズ、確率的ドリフトを持つ量子計算のための現実的なハードウェアでは、独立イベントからではなく、エラーの時間的蓄積から論理的に失敗する。
静的復号法と固定校正法は、エラーの時間的相関や制御による誤りの逆作用を考慮していないため、この状況と構造的に相容れない。
これらの効果は、個々の症候群に単独で反応するのではなく、修正サイクルを通してノイズの進化を追跡する制御ポリシーを動機付けている。
故障耐性量子計算を確率的制御問題として扱い, 時間的に変化する遅延雑音パラメータによってパウリの誤差プロセスが制御される減弱量子力学を用いてモデル化する。
この観点から、論理的失敗はハザード変数の蓄積によって発生し、対応する制御目的は観測の完全な履歴に依存する。
これらの条件下では、Ch-DQN(Ch-Deep Q-Network)は、ノイズの進化と蓄積されたハザードの両方を追跡する内部信頼状態を維持している。
トレーニング中、軌道の後方修正はゆっくりとドリフトする動作モードのサンプリングに使用され、実行時推論は厳密に因果的のままである。
分数的メタ更新は、非定常制御結合力学の存在下での学習を安定化させる。
確率的ドリフトと意思決定からのフィードバックを組み込んだマルチ距離シミュレーションにより、Ch-DQNはハザード蓄積を抑制し、静的および繰り返しベースラインに対する論理的生存時間を延長する。
したがって、この状態における誤り訂正はもはや静的な復号処理ではなく、基礎となるノイズダイナミクスによって時間とともに成功が決定される制御プロセスである。
関連論文リスト
- Extrapolative Quantum Error Mitigation in Continuous-Variable Systems beyond the Training Horizon [17.211388118859354]
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。
論文 参考訳（メタデータ） (2026-03-09T16:14:17Z) - Entropy Production in Machine Learning Under Fokker-Planck Probability Flow [0.0]
非平衡コストダイナミクスに基づくエントロピーに基づく再学習フレームワークを提案する。
エントロピートリガーを用いたリトレーニングにより,高周波リトレーニングに匹敵する予測性能が得られることを示す。
論文 参考訳（メタデータ） (2026-01-02T04:01:57Z) - Reinforcement Learning Control of Quantum Error Correction [108.70420561323692]
量子コンピュータは、エラーから直接自己改善することを学び、決してコンピューティングを止めない。
この研究によって新しいパラダイムが実現された: 量子コンピュータは、そのエラーから直接自己改善を学び、決してコンピューティングを止めない。
論文 参考訳（メタデータ） (2025-11-11T17:32:25Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - Limitations to Dynamical Error Suppression and Gate-Error Virtualization from Temporally Correlated Nonclassical Noise [0.0]
ガウス量子デファスリングノイズの下で, 最小解法可能な単一量子ビットモデルについて検討する。
ディジタル周期制御では、制御履歴がない場合に達成できるものよりも厳密に小さい値でゲート忠実度が飽和することを証明する。
カップリングがノイズの相関時間よりも大きい時間スケールでキュービットを極端に純粋に保てる場合のみ、浴槽は元の統計にほぼ収束する。
論文 参考訳（メタデータ） (2024-07-05T18:00:00Z) - Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal
Abstractions [59.605246463200736]
雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。
まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。
我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
論文 参考訳（メタデータ） (2023-01-04T10:40:30Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - Measurement based estimator scheme for continuous quantum error
correction [52.77024349608834]
正準離散量子誤差補正(DQEC)スキームは、安定器上の射影フォン・ノイマン測度を用いて誤差症候群を有限集合に識別する。
連続的量子誤差補正(CQEC)と呼ばれる連続的な測定に基づく量子エラー補正(QEC)は、DQECよりも高速に実行でき、資源効率も向上できる。
論理量子ビットの計測に基づく推定器 (MBE) を構築することにより, 物理量子ビットに発生する誤差をリアルタイムで正確に追跡できることを示す。
論文 参考訳（メタデータ） (2022-03-25T09:07:18Z) - Error mitigation via stabilizer measurement emulation [0.0]
量子計測エミュレーション(QQME)を導入し、実証する。
QQMEはゲート応用による安定化作用素の測定を効果的にエミュレートし、コヒーレントエラーに対する1次不感度をもたらす。
特にDDに対処することが難しい離散コヒーレントエラーには適しています。
論文 参考訳（メタデータ） (2021-02-10T22:58:09Z)
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。