論文の概要: HAMMR-L: Noise Reduction in Quantum Outcomes Using a Richardson-Lucy Deconvolution Algorithm for Quantum State Graphs

• arxiv url: http://arxiv.org/abs/2603.28821v1
• Date: Sun, 29 Mar 2026 03:30:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.556406
• Title: HAMMR-L: Noise Reduction in Quantum Outcomes Using a Richardson-Lucy Deconvolution Algorithm for Quantum State Graphs
• Title（参考訳）: HAMMR-L: 量子状態グラフに対するRichardson-Lucyデコンボリューションアルゴリズムを用いた量子出力のノイズ低減
• Authors: Jake Scally, Austin Myers, Ryan Carmichael, Phat Tran, Xiuwen Liu,
• Abstract要約: 本稿では,出力分布の忠実度を改善するための基本的後処理技術であるHAMMR-Lを提案する。 このHAMMR-Lの予備実装は、QBEEPのような最先端のハミングベースのポストプロセッサよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 2.2365760739948217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current quantum computers present significant noise, especially as circuit depth and qubit count increase. Prior work has demonstrated that erroneous outcomes exhibit some behavior in Hamming space, enabling improvements in the output distributions of NISQ-era computers. We present HAMMR-L: a principled post-processing technique for improving the fidelity of output distributions by applying Richardson-Lucy image deconvolution on a state graph of measurement results connected by Hamming distance. We show that this preliminary implementation of HAMMR-L outperforms existing cutting-edge Hamming-based post-processors such as QBEEP while being circuit and hardware agnostic, which QBEEP is not. HAMMR-L also demonstrates clear potential for future improvements and we discuss how such improvements might be realized while highlighting the strengths, limitations, and generality of the underlying concept.
• Abstract（参考訳）: 現在の量子コンピュータは、特に回路深度や量子ビット数の増加に伴い、大きなノイズを示す。 以前の研究では、誤った結果がハミング空間で何らかの振る舞いを示し、NISQ時代のコンピュータの出力分布を改善することが示されている。 本稿では,ハミング距離で接続された測定結果の状態グラフに,Richardson-Lucy像のデコンボリューションを適用し,出力分布の忠実度を改善するための原理化された後処理手法HAMMR-Lを提案する。 このHAMMR-Lの予備実装は、QBEEPのような最先端のハミングベースのポストプロセッサよりも、回路やハードウェアに依存しないQBEEPよりも優れていることを示す。 HAMMR-Lはまた、今後の改善の可能性も明らかに示しており、基礎となる概念の強み、限界、一般性を強調しながら、このような改善がどのように実現されるかについて議論する。

関連論文リスト

• FIMA-Q: Post-Training Quantization for Vision Transformers by Fisher Information Matrix Approximation [55.12070409045766]
  ポストトレーニング量子化(PTQ)は近年,費用対効果と有望なモデル圧縮パラダイムとして注目されている。 ビジョン変換器(ViT)の現在のPTQ法は、特に低ビット量子化において、精度が著しく低下している。
  論文  参考訳（メタデータ） (2025-06-13T07:57:38Z)
• Statistical Signal Processing for Quantum Error Mitigation [12.804941908319792]
  量子誤差緩和(QEM)に対する統計的信号処理手法を提案する。 我々のモデルは、回路深度がノイズの偏極化に十分であると仮定し、劣化した観測結果を生成する。 提案手法は,ノイズモデルに整合した合成データを用いて,より大規模な量子ビット数にスケールすることを示す。
  論文  参考訳（メタデータ） (2025-05-31T19:34:19Z)
• Minimal Quantum Reservoirs with Hamiltonian Encoding [72.27323884094953]
  ハミルトニアン符号化に基づく量子貯水池計算のための最小限のアーキテクチャについて検討する。 このアプローチは、一般的に量子機械学習に関連する実験的なオーバーヘッドの多くを回避します。
  論文  参考訳（メタデータ） (2025-05-28T16:50:05Z)
• Prospects of Quantum Error Mitigation for Quantum Signal Processing [0.0]
  本研究は量子信号処理(QSP)で設計されたハミルトンシミュレーションアルゴリズムにおけるゼロノイズ抽出(ZNE)の性能について検討する。 我々は、ZNEプロトコルがノイズのない予測値の近似を回復できるノイズと深さを定量化する。 サンプル予算が無制限であっても,ZNEが使用不可能な領域に関する数値的研究を簡潔に議論し,提示する。
  論文  参考訳（メタデータ） (2025-05-08T19:49:54Z)
• Fault-Resilience of Dissipative Processes for Quantum Computing [0.0]
  本稿では,2種類の散逸アルゴリズムの誤差抵抗性に関する2つの主要な結果を示す。 最初の結果は、回路レベルの偏極ノイズの下で、DQEアルゴリズムのバージョンは、コード距離で指数関数的に最終出力状態の地上空間オーバーラップにおける加算誤差を抑えることができるということである。 2つ目の結果は、DQCが標準量子回路モデルよりもノイズに強くないことを証明している。
  論文  参考訳（メタデータ） (2025-02-27T18:50:37Z)
• GQHAN: A Grover-inspired Quantum Hard Attention Network [53.96779043113156]
  GQHAM(Grover-inspired Quantum Hard Attention Mechanism)を提案する。 GQHANは、既存の量子ソフト自己保持機構の有効性を超越して、非微分可能性ハードルをかなり上回っている。 GQHANの提案は、将来の量子コンピュータが大規模データを処理する基盤を築き、量子コンピュータビジョンの開発を促進するものである。
  論文  参考訳（メタデータ） (2024-01-25T11:11:16Z)
• HAMMER: boosting fidelity of noisy Quantum circuits by exploiting Hamming behavior of erroneous outcomes [3.2505361717998227]
  誤った結果が任意のものではなく、ハミング空間で表されるとき、適切に定義された構造を示すことを示す。 本研究では,ハミング動作の観測を生かした後処理手法であるハミング再構成(HAMMER)を提案する。
  論文  参考訳（メタデータ） (2022-08-19T14:35:35Z)
• 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)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。