論文の概要: Quantum Computing and Error Mitigation with Deep Learning for Frenkel Excitons
- arxiv url: http://arxiv.org/abs/2603.23936v1
- Date: Wed, 25 Mar 2026 04:57:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.13495
- Title: Quantum Computing and Error Mitigation with Deep Learning for Frenkel Excitons
- Title（参考訳）: 深層学習によるフレンケル励起子の量子コンピューティングと誤差軽減
- Authors: Yi-Ting Lee, Vijaya Begum-Hudde, Barbara A. Jones, André Schleife,
- Abstract要約: 現在、ノイズの多い中間スケール量子(NISQ)時代にある量子コンピュータは、量子物理学と化学を探求する新しいツールを科学者に提供し始めた。
ノイズパターンを学習し,誤りを軽減するための,ディープラーニングベースのフレームワークとポストセレクション手法を組み合わせる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantum computers, currently in the noisy intermediate-scale quantum (NISQ) era, have started to provide scientists with a novel tool to explore quantum physics and chemistry. While several electronic systems have been extensively studied, Frenkel excitons, as prototypical optical excitations, remain among the less-explored applications. Here, we first use variational quantum deflation to calculate the eigenstates of the Frenkel Hamiltonian and evaluate the observables based on the oscillator strength for each eigenstate. Furthermore, using NISQ quantum computers requires performing error mitigation techniques alongside simulations. To deal with noisy qubits, we developed a deep-learning-based framework combined with a post-selection technique to learn the noise pattern and mitigate the error. Our mitigation methods work well and outperform the conventional post-selection and remain valid on real hardware.
- Abstract（参考訳）: 現在、ノイズの多い中間スケール量子(NISQ)時代にある量子コンピュータは、量子物理学と化学を探求する新しいツールを科学者に提供し始めた。
いくつかの電子系が広く研究されているが、Frenkel Exitons(英語版)は、原始的な光学励起として、探索されていない応用の1つとして残っている。
ここでは、まず変分量子デフレレーションを用いて、フレンケル・ハミルトニアンの固有状態を計算し、各固有状態の振動子強度に基づいて観測可能な値を評価する。
さらに、NISQ量子コンピュータを使用するには、シミュレーションと並行してエラー軽減技術を実行する必要がある。
そこで我々は,ノイズパターンの学習と誤りの軽減を目的とした,ディープラーニングに基づくフレームワークを開発した。
我々の緩和手法は従来のポストセレクションよりもよく動作し、実際のハードウェア上でも有効である。
関連論文リスト
- Digital quantum simulation of many-body systems: Making the most of intermediate-scale, noisy quantum computers [51.56484100374058]
この論文は量子デバイス上の量子力学をシミュレートすることを中心にしている。
本稿では,量子力学における最も関連性の高い量子アルゴリズムの概要を紹介する。
近い将来に量子シミュレーションの恩恵を受けることができる量子力学における関連する問題を同定する。
論文 参考訳（メタデータ） (2025-08-29T10:37:19Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。
本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - Machine Learning for Practical Quantum Error Mitigation [0.0]
量子エラー軽減のための機械学習は、そのコストを大幅に削減することを示す。
本稿では,ML-QEMを用いて従来の緩和手法を模倣し,より優れた実行効率で拡張性を実現する方法を提案する。
論文 参考訳（メタデータ） (2023-09-29T16:17:12Z) - Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。
我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。
これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文 参考訳（メタデータ） (2023-06-29T18:00:01Z) - Noise-assisted digital quantum simulation of open systems [1.3124513975412255]
本稿では,オープン量子システムのシミュレーションに必要な計算資源を削減するために,量子デバイス固有のノイズを利用する新しい手法を提案する。
具体的には、量子回路におけるデコヒーレンス率を選択的に向上または低減し、開系力学の所望のシミュレーションを実現する。
論文 参考訳（メタデータ） (2023-02-28T14:21:43Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - Quantum Simulation on Noisy Superconducting Quantum Computers [0.0]
量子シミュレーションは、量子コンピューティングの潜在的に強力な応用である。
大学院や学部の学生レベルでの入門文学やデモンストレーションはほとんどない。
これにより、既に労働力が限られている分野への参入障壁が人為的に上昇する。
論文 参考訳（メタデータ） (2022-09-06T19:44:18Z) - Recompilation-enhanced simulation of electron-phonon dynamics on IBM
Quantum computers [62.997667081978825]
小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。
我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。
デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
論文 参考訳（メタデータ） (2022-02-16T19:00:00Z) - Neural Error Mitigation of Near-Term Quantum Simulations [0.0]
ニューラルネットワークを用いて地下状態と地下状態の観測器の推定を改善する新しい方法である$textitneural error mitigation$を紹介します。
その結果, ニューラルエラーの低減により, 数値計算と実験的VQE計算が向上し, 低エネルギー誤差が得られた。
提案手法は,複雑な量子シミュレーション問題を解くために,短期量子コンピュータの到達範囲を広げる有望な戦略である。
論文 参考訳（メタデータ） (2021-05-17T18:00:57Z) - An Application of Quantum Annealing Computing to Seismic Inversion [55.41644538483948]
小型地震インバージョン問題を解決するために,D波量子アニールに量子アルゴリズムを適用した。
量子コンピュータによって達成される精度は、少なくとも古典的コンピュータと同程度である。
論文 参考訳（メタデータ） (2020-05-06T14:18:44Z)
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。