論文の概要: Blind Catalytic Quantum Error Correction: Target-State Estimation and Fidelity Recovery Without \textit{A Priori} Knowledge

• arxiv url: http://arxiv.org/abs/2604.11857v1
• Date: Mon, 13 Apr 2026 08:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.02894
• Title: Blind Catalytic Quantum Error Correction: Target-State Estimation and Fidelity Recovery Without \textit{A Priori} Knowledge
• Title（参考訳）: Blind Catalytic Quantum Error Correction: \textit{A Priori} 知識のない目標状態推定と忠実回復
• Authors: Hikaru Wakaura,
• Abstract要約: 触媒回収前にノイズ出力のみから目標を推定するEmphblind CQECを導入する。 5つの評価方法が3つのノイズモデルに対してベンチマークされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Catalytic quantum error correction (CQEC) recovers quantum states via catalytic covariant transformations but requires full knowledge of the target state. We introduce \emph{blind CQEC}, which estimates the target from the noisy output alone before catalytic recovery. Five estimation strategies are benchmarked across three noise models (dephasing, depolarizing, amplitude damping), four quantum algorithms ($d = 4$--$64$), Haar-random states up to $d = 256$, and mixed-state targets with variable purity. Key results: (i)~coherence maximization achieves $ F_{ rec } > 0.95$ for $d \leq 16$ without noise-model knowledge, matching the oracle to within $4\%$; (ii)~channel inversion is required at $d = 64$ ($ F_{ rec } = 0.905$); (iii)~estimation and recovery fidelities are linearly correlated ($r > 0.99$), identifying target estimation as the sole bottleneck; (iv)~an analytical crossover dimension $d^* \approx 25$--$40$ separates noise-model-free and noise-informed regimes, bridged by a hybrid interpolation strategy; (v)~copy scaling follows $1 - F(n) \sim n^{-α}$ with $α\in [0.4, 2.2]$, spanning the statistical averaging and denoising synergy limits. Standard linear inversion tomography fails as a CQEC target estimator, validating the need for decoherence-aware strategies. An end-to-end VQE demonstration for H$_2$ shows $3.4\times$ energy-error reduction with channel-inversion blind CQEC.
• Abstract（参考訳）: 触媒的量子誤差補正(CQEC)は、触媒共変変換によって量子状態を回復するが、対象状態の完全な知識を必要とする。 触媒回収前にノイズ出力のみから目標を推定する「emph{blind CQEC}」を導入する。 5つの評価戦略は、3つのノイズモデル(強調、脱分極、振幅減衰)、4つの量子アルゴリズム(d = 4$--64$)、ハールランダムは最大$d = 256$、混合状態ターゲットは可変純粋である。 主な成果 (i)~コヒーレンス最大化は$ F_{ rec } > 0.95$ for $d \leq 16$ without noise-model knowledge, matching the oracle to within $4\%$; (ii)~チャネル反転は$d = 64$$$ F_{ rec } = 0.905$である。 (iii) 推定及び回復係数は線形に相関し、目標推定を唯一のボトルネックとみなす(r > 0.99$)。 (iv)〜解析的クロスオーバー次元$d^* \approx 25$-$40$は、ハイブリッド補間戦略によって橋渡しされたノイズモデルフリーおよびノイズインフォームドレジームを分離する。 (v)~コピースケーリングは 1 - F(n) \sim n^{-α}$ に$α\in [0.4, 2.2]$ で従う。 標準線形逆トモグラフィーは、CQECターゲット推定器として失敗し、デコヒーレンス対応戦略の必要性を検証する。 H$_2$のエンドツーエンドのVQEデモでは、チャネル反転ブラインドCQECによる3.4\times$エネルギーエラー削減が示されている。

関連論文リスト

• Catalytic Quantum Error Correction: Theory, Efficient Catalyst Preparation, and Numerical Benchmarks [0.0]
  CQECは、誤差振幅閾値なしでノイズの多いコピーから既知のターゲット状態を回復する。 CQECは、ノイズ強度に関係なく、コヒーレントモードが$mathcalC(_0) subseteq MathcalC(_mathrmnoisy)$を満たすたびに成功する。
  論文  参考訳（メタデータ） (2026-03-26T12:03:20Z)
• Universal Quantum Suppression in Frustrated Ising Magnets across the Quasi-1D to 2D Crossover via Quantum Annealing [0.0]
  競合する強磁性と反強磁性のカップリングは、任意のシステムサイズで量子モンテカルロに対して証明可能な難題を生成する。 我々は、$g_cmathrmQPUin0.286,,0.210,,0.156,0.093$ for $in1.0,,0.7,0.5,0.3$で量子駆動遷移を測定する。
  論文  参考訳（メタデータ） (2026-03-25T13:50:52Z)
• Sublinear Time Quantum Sensitivity Sampling [57.356528942341534]
  本稿では、量子感応サンプリングのための統一的なフレームワークを提案し、量子コンピューティングの利点を古典近似問題の幅広いクラスに拡張する。 我々のフレームワークは、コアセットを構築するための合理化されたアプローチを提供し、クラスタリング、回帰、低ランク近似などのアプリケーションにおいて、大幅なランタイム改善を提供します。
  論文  参考訳（メタデータ） (2025-09-20T20:18:49Z)
• 1D Cluster State Generation On Superconducting Hardware [0.0]
  測定に基づく量子計算は、量子計算を行うためのリソースとして絡み合いを利用する。 リソースとして絡み合いを使ってクラスタ状態を生成することは、MBQCを採用する上で重要なボトルネックである。 4-qubitクラスタ状態に対する解析的導出と数値検証を行う。
  論文  参考訳（メタデータ） (2025-08-29T17:24:35Z)
• Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
  我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。 我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
  論文  参考訳（メタデータ） (2024-01-17T18:59:38Z)
• Random quantum circuits transform local noise into global white noise [118.18170052022323]
  低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。 十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。 ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
  論文  参考訳（メタデータ） (2021-11-29T19:26:28Z)
• Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
  非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
  論文  参考訳（メタデータ） (2020-06-04T17:51:00Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)
• Differentially Quantized Gradient Methods [53.3186247068836]
  微分量子化グラディエントDescence (DQ-GD) が$maxsigma_mathrmGD, rhon 2-R$の線形収縮係数を得ることを示す。 あるクラス内のアルゴリズムは$maxsigma_mathrmGD, 2-R$よりも早く収束できない。
  論文  参考訳（メタデータ） (2020-02-06T20:40:53Z)

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。