論文の概要: Effective Noise Mitigation via Quantum Circuit Learning in Quantum Simulation of Integrable Spin Chains

• arxiv url: http://arxiv.org/abs/2604.27648v1
• Date: Thu, 30 Apr 2026 09:45:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.026624
• Title: Effective Noise Mitigation via Quantum Circuit Learning in Quantum Simulation of Integrable Spin Chains
• Title（参考訳）: 積分可能なスピン鎖の量子シミュレーションにおける量子回路学習による効果的なノイズ除去
• Authors: Wenlong Zhao, Yimeng Zhang, Yan Guo, Yufan Cui, Zhuohang Wang, Rui-Dong Zhu,
• Abstract要約: 量子回路学習(QCL)に基づく近距離量子デバイスのためのノイズ緩和量子シミュレーション戦略を提案する。 この方法は浅い変動回路を訓練し、保存電荷を学習してより深い時間進化回路を近似し、システム内の少量の動的情報のみを学習する。
• 参考スコア（独自算出の注目度）: 9.667034103219338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a noise-mitigation quantum simulation strategy for near-term quantum devices based on Quantum Circuit Learning (QCL), which is in particular effective for integrable quantum spin chains. The method trains a shallow variational circuit to approximate a deeper time-evolution circuit by learning the conserved charges and only a small amount of dynamical information in the system. Under realistic noise models, the learned circuit maintains both conserved quantities and dynamical observables significantly closer to their true values than the noisy simulation of the original circuit. This demonstrates QCL as an effective, physics-informed error mitigation strategy, producing shorter, more robust circuits without exponential sampling overhead.
• Abstract（参考訳）: 本稿では,量子回路学習(QCL)に基づく近距離量子デバイスに対するノイズ緩和量子シミュレーション手法を提案する。 この方法は浅い変動回路を訓練し、保存電荷を学習してより深い時間進化回路を近似し、システム内の少量の動的情報のみを学習する。 現実的なノイズモデルの下では、学習回路は、元の回路のノイズシミュレーションよりも、保存量と実際の値にかなり近い動的観測値の両方を維持している。 これはQCLを物理インフォームドエラー軽減戦略として示し、指数的なサンプリングオーバーヘッドを伴わずに、より短く、より堅牢な回路を創出する。

関連論文リスト

• 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)
• Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
  ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。 本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-24T02:51:34Z)
• Circuit structure-preserving error mitigation for High-Fidelity Quantum Simulations [12.76515927552115]
  本稿では、パラメータ化量子回路のための回路構造保存誤差軽減フレームワークを提案する。 我々のアプローチの重要な利点は、ゲートエラーを効果的にキャラクタリゼーションし緩和しながら、元の回路アーキテクチャを維持する能力である。 我々の戦略はゲート誘起誤差に対処する実用的な解決策を提供し、現在の量子ハードウェア上で実現可能な量子シミュレーションの範囲を大幅に広げる。
  論文  参考訳（メタデータ） (2025-05-22T18:00:03Z)
• Diffusion-Inspired Quantum Noise Mitigation in Parameterized Quantum Circuits [10.073911279652918]
  量子ノイズと拡散モデルの関係について検討する。 本稿では,PQCにおける量子ノイズを軽減するために,拡散に着想を得た新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T19:35:38Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
  本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。 我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
  論文  参考訳（メタデータ） (2022-04-12T19:39:31Z)
• Simulating the Mott transition on a noisy digital quantum computer via Cartan-based fast-forwarding circuits [62.73367618671969]
  動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。 不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。 この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
  論文  参考訳（メタデータ） (2021-12-10T17:32:15Z)
• An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
  現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。 我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。 提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
  論文  参考訳（メタデータ） (2021-08-06T19:38:03Z)
• Machine learning of noise-resilient quantum circuits [0.8258451067861933]
  雑音の緩和と低減は、短期量子コンピュータから有用な答えを得るのに不可欠である。 本稿では,量子回路における量子ハードウェアノイズの影響を低減するための機械学習に基づく汎用フレームワークを提案する。 ノイズ対応回路学習(NACL)と呼ばれる手法は、ユニタリ変換を計算したり、量子状態のセットを作成したり、多ビット状態の観測可能な状態を推定したりするために設計された回路に適用される。
  論文  参考訳（メタデータ） (2020-07-02T15:43:32Z)

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。