論文の概要: Time-optimal Qubit Reset via Environmental Spectral Structure

• arxiv url: http://arxiv.org/abs/2604.21230v1
• Date: Thu, 23 Apr 2026 02:54:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.266234
• Title: Time-optimal Qubit Reset via Environmental Spectral Structure
• Title（参考訳）: 環境スペクトル構造による時間最適ビットリセット
• Abstract要約: 構造環境に結合した周波数可変量子ビットの時間-最適リセット問題を解く。 4つの代表的な環境における超伝導量子ビットの場合、この戦略は、通常$gtrsimSI100nano$から$SI20nano$へとリセット時間を短縮する。 本研究では, 環境スペクトル構造を高速かつ高忠実な量子ビットリセットのための実用的資源とみなし, 量子ビット制限プロセッサ上での量子ビット再利用のための設計原理を提供する。
• 参考スコア（独自算出の注目度）: 3.8990795449455433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fast qubit reset is essential for qubit reuse in the noisy intermediate-scale quantum computing era, yet it conflicts with the weak decoherence required for high-fidelity computation. We solve the time-optimal reset problem for a frequency-tunable qubit coupled to a structural environment under realistic spectral and control constraints. The optimal strategy consists of a switch--restore--switch sequence, where the qubit is moved from a low-decoherence computational configuration to a high-decoherence restoring configuration and then returned for reuse. For superconducting qubits in four representative environments, this strategy reduces the reset time from typically $\gtrsim\SI{100}{\nano\second}$ to $\SI{20}{\nano\second}$, about $40\%$ of a typical two-qubit gate time, while achieving a reset precision of $10^{-5}$. Our results identify environmental spectral structure as a practical resource for rapid, high-fidelity qubit reset and provide a design principle for qubit reuse on qubit-limited processors.
• Abstract（参考訳）: 高速な量子ビットリセットは、ノイズの多い中間スケールの量子コンピューティング時代において量子ビットの再利用には不可欠であるが、高忠実度計算に必要な弱いデコヒーレンスと矛盾する。 実時間スペクトルおよび制御制約の下で構造環境に結合した周波数可変量子ビットの時間-最適リセット問題を解く。 最適戦略はスイッチ-リストア-スウィッチシーケンスで構成され、キュービットは低デコヒーレンスな計算構成から高デコヒーレンスな復元構成に移動され、再利用のために返される。 4つの代表的な環境における超伝導量子ビットの場合、この戦略はリセット時間を典型的には$\gtrsim\SI{100}{\nano\second}$から$\SI{20}{\nano\second}$へ還元し、典型的な2ビットゲート時間は約40\%、リセット精度は10^{-5}$へと短縮する。 本研究では, 環境スペクトル構造を高速かつ高忠実な量子ビットリセットのための実用的資源とみなし, 量子ビット制限プロセッサ上での量子ビット再利用のための設計原理を提供する。

関連論文リスト

• Geometric optimality of entanglement-induced fast qubit reset [0.0]
  エンタングリング操作は局所的なコヒーレンスを再分配し,各キュービットの状態が基底状態への測地経路を辿ることができることを示す。 注目すべきことに、この局所的最適挙動は、完全な状態空間において集合的進化が最適以下になったとしても現れる。 以上の結果から,Mpembaにインスパイアされたリセットアクセラレーションの幾何学的考察と,2量子ビットプロトコルをより大きなレジスタに拡張した場合のリセットプロセスのさらなる優位性を明らかにすることができる。
  論文  参考訳（メタデータ） (2026-08-27T09:53:54Z)
• Latent Recurrent Transformer: Architecture Exploration, Training Strategies, and Scaling Behavior [107.2098567818173]
  Latent Recurrent Transformer (LRT) は自己回帰変換器の軽量化である。 LRTは、次のトークンのリカレントメモリとして、前のトークンから高レベルなソース層隠れステートを再利用する。
  論文  参考訳（メタデータ） (2026-05-26T10:10:26Z)
• Replay-buffer engineering for noise-robust quantum circuit optimization [2.816047365212878]
  我々はリプレイバッファを量子最適化のためのアルゴリズムレバーとして扱う。 ReaPER$+$は、トレーニングの早い段階でTDエラー駆動の優先順位付けから、値推定が成熟するにつれて、信頼性に配慮したサンプリングへと移行する、アニーレートされたリプレイルールである。 また,12キュービット最適化問題に対して,複数回のアーキテクチャ編集に対して高価な評価を行い,12キュービット最適化問題に対して最大6.7.5%の時間削減を行うOpsCRLQASを導入する。
  論文  参考訳（メタデータ） (2026-04-23T16:59:40Z)
• The Recurrent Transformer: Greater Effective Depth and Efficient Decoding [48.9323408950142]
  Recurrent Transformerは、各レイヤがそれぞれのアクティベーションから計算されたキーと値のペアに付随する、シンプルなアーキテクチャ変更である。 このアーキテクチャは, (i) 従来のトランスフォーマーと (ii) トークン・ツー・グレッシブ・リカレント更新の両方を軽度な仮定でエミュレートできることを示す。
  論文  参考訳（メタデータ） (2026-04-23T02:12:58Z)
• BWTA: Accurate and Efficient Binarized Transformer by Algorithm-Hardware Co-design [71.97035034203275]
  バイナライゼーションにおけるゼロ点歪みを解析し,BWTA量子化方式を提案する。 本稿では,Smooth Multi-Stage Quantizationを提案し,レベルワイド・デグラデーション・ストラテジーとMagnitude Alignment Projection Factorを組み合わせた。 実験の結果、BWTAはTransformerベースのモデルに対して、GLUEでは平均3.5%、タスクでは2%未満の精度でフル精度のパフォーマンスにアプローチしていることがわかった。
  論文  参考訳（メタデータ） (2026-04-05T04:25:07Z)
• RaBiT: Residual-Aware Binarization Training for Accurate and Efficient LLMs [5.782015253162346]
  残留バイナライゼーションは、バイナリ層を積み重ねることで、マットルフリーな推論を可能にする。 本稿では,残差階層をアルゴリズム的に強制することでコダプタ化を解決する新しい量子化フレームワークであるRaBiTを提案する。 RaBiTは最先端のパフォーマンスを実現し、ハードウェア集約型ベクトル量子化(VQ)の手法と競合する。
  論文  参考訳（メタデータ） (2026-02-05T06:41:11Z)
• BPDQ: Bit-Plane Decomposition Quantization on a Variable Grid for Large Language Models [56.504879072674015]
  本稿では,ビットプレーンとスカラー係数による可変量子化グリッドを構成するビットプレーン分解量子化(BPDQ)を提案する。 BPDQは、1つのGTX 3090上でQwen2.5-72Bを83.85%のGSM8Kの精度で提供できる(ただし16ビットでは90.83%)。
  論文  参考訳（メタデータ） (2026-02-04T02:54:37Z)
• Accelerating Transpilation in Quantum Machine Learning with Haiqu's Rivet-transpiler [45.88028371034407]
  我々は、以前にトランスパイルされた回路を再利用してトランスパイラを高速化するリベットトランスパイラを開発した。 量子層学習において,600%のトランスパイル時間の改善を実証した。
  論文  参考訳（メタデータ） (2025-08-29T06:00:29Z)
• Flexible Readout and Unconditional Reset for Superconducting Multi-Qubit Processors with Tunable Purcell Filters [13.38844783880794]
  本稿では、周波数可変非線形パーセルフィルタを用いたスケーラブルなアーキテクチャを示し、超電導量子ビットのフレキシブルな読み出しと高速な非条件リセットを可能にする。 我々は、小さな分散シフトであっても、量子制限増幅器を使わずに99.3%の読み出し精度を達成する。 このアーキテクチャは、量子ビットの読み出し、リセット、保護において例外的な性能を示し、フォールトトレラントな量子コンピューティングシステムを進める上で有望なハードウェアコンポーネントとしてマークしている。
  論文  参考訳（メタデータ） (2025-07-09T16:11:42Z)
• Fast unconditional reset and leakage reduction in fixed-frequency transmon qubits [5.648269866084686]
  量子ビットリセットとリークリダクションの両方を実装可能なプロトコルを示す。 合計して、クビットリセット、リークリセット、カプラリセットの組み合わせは83nsで完了する。 また,本プロトコルは,QECサイクル実行時間を短縮し,量子コンピュータにおけるアルゴリズムの忠実度を向上させる手段を提供する。
  論文  参考訳（メタデータ） (2024-09-25T08:57:41Z)
• On the Constant Depth Implementation of Pauli Exponentials [49.48516314472825]
  任意の長さの $Zotimes n$指数を$mathcalO(n)$ ancillae と 2体 XX と ZZ の相互作用を用いて一定深さの回路に分解する。 クビットリサイクルの恩恵を受ける回路の書き直し規則を導入し,本手法の正しさを実証する。
  論文  参考訳（メタデータ） (2024-08-15T17:09:08Z)
• Multi-Purpose Architecture for Fast Reset and Protective Readout of Superconducting Qubits [25.833934622405998]
  制御および読み出し中に超伝導量子ビットの高速リセットと保護を可能にする新しい多目的アーキテクチャを提案する。 トランスモンの量子ビットを最初の励起状態から基底状態に100 nsでリセットし、2.7%の残存個体数を達成した。 我々のアプローチは、制御と読み出しの間、高速リセットとキュービット保護のスケーラブルな実装を約束します。
  論文  参考訳（メタデータ） (2024-07-31T04:44:40Z)
• Enhancing Dispersive Readout of Superconducting Qubits Through Dynamic Control of the Dispersive Shift: Experiment and Theory [47.00474212574662]
  超伝導量子ビットは、大帯域読み出し共振器に結合される。 我々は、100 ns 統合時間で 0.25,% の、最先端の2状態読み取りエラーを示す。 提案した結果により,新たなアルゴリズムやプロトコルの性能がさらに向上することが期待されている。
  論文  参考訳（メタデータ） (2023-07-15T10:30:10Z)
• BiFSMN: Binary Neural Network for Keyword Spotting [47.46397208920726]
  BiFSMNは、KWSのための正確かつ極効率のバイナリニューラルネットワークである。 実世界のエッジハードウェアにおいて,BiFSMNは22.3倍の高速化と15.5倍のストレージ節約を実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-14T05:16:53Z)

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。