論文の概要: Hierarchical Progressive Pauli Noise Modeling with Residual Compensation for Multi-Qubit Quantum Circuits
- arxiv url: http://arxiv.org/abs/2604.17326v1
- Date: Sun, 19 Apr 2026 08:40:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 13:32:06.906004
- Title: Hierarchical Progressive Pauli Noise Modeling with Residual Compensation for Multi-Qubit Quantum Circuits
- Title（参考訳）: 多ビット量子回路の残差補償による階層的進行パウリノイズモデリング
- Authors: Xiangyu Ge, Shengmei Zhao, Le Wang, Anqi Zhang,
- Abstract要約: マルチビットシステムにおける高次空間クロストークを効率的に抽出する階層的プログレッシブ最適化(HPO)フレームワークを提案する。
数学的に厳密なプロジェクションマスクを導入することで、HPOフレームワークは戦略的に低重量トポロジーを凍結し、高重量のパウリ相関を排他的に分離する。
我々の研究は、大規模量子アルゴリズムにおける複雑な多体誤差をモデル化し緩和するために、スケーラブルで高精度で必要不可欠な青写真を提供する。
- 参考スコア（独自算出の注目度）: 14.613991645631941
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum Noise Characterization (QNC) is indispensable for benchmarking and mitigating errors in Noisy Intermediate-Scale Quantum (NISQ) devices. However, traditional Quantum Process Tomography (QPT) suffers from an exponential parameter explosion $O(4^N)$, severely hindering its scalability. In this paper, we propose a Hierarchical Progressive Optimization (HPO) framework to efficiently extract high-order spatial crosstalk in multi-qubit systems. By introducing a mathematically rigorous combinatorial projection mask, the HPO framework strategically freezes foundational low-weight topologies and exclusively isolates high-weight Pauli correlations. This progressive masking mechanism effectively reduces the optimization complexity from $O(4^N)$ to a scalable $O(N \cdot 4^w)$, successfully mitigating the barren plateau phenomenon. Simulations show that our method achieves a remarkable parameter compression rate of 96.3% on a 5-qubit system while maintaining machine precision convergence. Furthermore, to validate its practical utility, we apply the extracted spatial crosstalk model to perform Quantum Error Mitigation (QEM) on a deep-circuit 10-qubit Harrow-Hassidim-Lloyd (HHL) algorithm. Compared to the traditional global depolarizing baseline, the HPO-guided mitigation scheme breaks the unmitigated crosstalk bottleneck, achieving an unprecedented state fidelity recovery from 0.7431 to 0.9381 ($ΔF \approx 19.5\%$). Our work provides a scalable, highly accurate, and indispensable blueprint for modeling and mitigating complex multi-body errors in large-scale quantum algorithms.
- Abstract（参考訳）: ノイズノイズキャラクタリゼーション(QNC)は、ノイズ中間量子(NISQ)デバイスにおけるエラーのベンチマークと緩和に不可欠である。
しかし、従来の量子プロセス・トモグラフィー(QPT)は指数的パラメーターの爆発($O(4^N)$)に悩まされており、そのスケーラビリティを著しく妨げている。
本稿では,マルチビットシステムにおける高次空間クロストークを効率的に抽出する階層的プログレッシブ最適化(HPO)フレームワークを提案する。
数学的に厳密な組合せ射影マスクを導入することにより、HPOフレームワークは基礎的な低重トポロジを戦略的に凍結し、高重パウリ相関を排他的に分離する。
このプログレッシブマスキング機構は、最適化の複雑さを$O(4^N)$からスケーラブルな$O(N \cdot 4^w)$に効果的に低減し、バレンプラトー現象を緩和することに成功した。
シミュレーションにより,本手法は,機械精度の収束を維持しつつ,5キュービット系において96.3%の顕著なパラメータ圧縮率を達成することを示す。
さらに,その実用性を検証するために,抽出した空間クロストークモデルを用いて,深帯域10量子ビットHarrow-Hassidim-Lloyd (HHL) アルゴリズム上で量子誤差緩和(QEM)を行う。
従来のグローバルな分極ベースラインと比較して、HPO誘導緩和スキームは未解決のクロストークボトルネックを破り、前例のない状態の忠実回復を0.7431から0.9381(ΔF \approx 19.5\%$)に達成した。
我々の研究は、大規模量子アルゴリズムにおける複雑な多体誤差をモデル化し緩和するために、スケーラブルで高精度で必要不可欠な青写真を提供する。
関連論文リスト
- Breaking the Blocks: Continuous Low-Rank Decomposed Scaling for Unified LLM Quantization and Adaptation [46.34608916687127]
低ランク分解スケーリング(LoRDS)は、この低ランク分解を通じて量子化の粒度を再考する統一フレームワークである。
空間的制約の「ブロックを壊す」ことで、LoRDSはシームレスな効率ライフサイクルを確立する。
LoRDSは、量子化タスクと下流細調整タスクの両方において、さまざまなモデルファミリの最先端のベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-01-30T08:46:02Z) - Machine Learning for Quantum Noise Reduction [0.0]
そこで本研究では,雑音密度行列からクリーンな量子状態を直接再構成する機械学習手法を提案する。
畳み込みニューラルネットワーク(CNN)オートエンコーダアーキテクチャを用いて量子ノイズ低減を教師付き学習問題として定式化する。
以上の結果から,CNNに基づく密度行列再構成は,従来の量子誤り訂正に代わる,有望かつ資源効率のよい代替手段となることが示唆された。
論文 参考訳（メタデータ） (2025-09-17T00:13:07Z) - Enhanced Extrapolation-Based Quantum Error Mitigation Using Repetitive Structure in Quantum Algorithms [0.0]
本稿では,繰り返し動作ブロックからなる量子アルゴリズムのための,軽量な外挿に基づく誤り軽減フレームワークを提案する。
我々は,IBMのAerシミュレータ上での6量子Groverのアルゴリズムのシミュレーションにより本手法を検証する。
我々の結果、特にAerシミュレータの結果は、コアブロックの誤差が非常に一貫した指数関数的崩壊に続くことを証明している。
論文 参考訳（メタデータ） (2025-07-31T07:47:14Z) - MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation [74.34220141721231]
我々は,textbfMixed textbfPrecision textbfQuantizationフレームワークを改良したMPQ-DMv2を提案する。
論文 参考訳（メタデータ） (2025-07-06T08:16:50Z) - Quantum-Classical Hybrid Quantized Neural Network [8.382617481718643]
本稿では、任意のアクティベーションと損失関数の使用を可能にする、量子化されたニューラルネットワークトレーニングのための新しい擬似バイナリ最適化(QBO)モデルを提案する。
我々はQCBO問題を直接解くために量子コンピューティングを利用するQCGD(Quantum Gradient Conditional Descent)アルゴリズムを用いる。
論文 参考訳（メタデータ） (2025-06-23T02:12:36Z) - Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks [62.87033427172205]
自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
論文 参考訳（メタデータ） (2024-01-19T17:16:40Z) - Toward Consistent High-fidelity Quantum Learning on Unstable Devices via
Efficient In-situ Calibration [5.0854551390284]
近未来の雑音型中間スケール量子(NISQ)時代には、高ノイズは量子コンピューティングの忠実度を著しく低下させる。
本稿では,量子パルスに基づく新しい雑音適応フレームワークQuPADを提案する。
実験により、8-10キュービットのQuPADの量子デバイス上でのランタイムは15分未満であり、パラメータシフトアプローチよりも最大270倍高速であることが示された。
論文 参考訳（メタデータ） (2023-09-12T15:39:06Z) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳（メタデータ） (2021-08-03T17:49:09Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z)
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。