論文の概要: Branch-Resolved Characterization of Feed-Forward Error in Dynamic Teleportation via Classical Choi Shadows
- arxiv url: http://arxiv.org/abs/2604.28037v1
- Date: Thu, 30 Apr 2026 15:48:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.17887
- Title: Branch-Resolved Characterization of Feed-Forward Error in Dynamic Teleportation via Classical Choi Shadows
- Title（参考訳）: 古典的チェアシャドウを用いた動的テレポーテーションにおけるフィードフォワード誤差の分枝分解特性
- Authors: Mason Edwards, Prabhat Mishra,
- Abstract要約: 中間回路測定と古典的フィードフォワードは超伝導量子プロセッサ上での動的回路テレポーテーションに必須のプリミティブである。
本稿では,動的回路テレポーテーションにおけるフィードフォワードエラーの特徴付けを行うフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.6713452353326717
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mid-circuit measurement and classical feed-forward are essential primitives for dynamic-circuit teleportation on superconducting quantum processors. However, the error associated with measurement-conditioned corrective operations remains poorly understood when evaluated with respect to individual measurement branches. In this paper, we present a framework for characterizing feed-forward error in dynamic circuit teleportation without losing valuable information related to its behavior across separate branches. We analyze three approaches to applying measurement-conditioned corrections: (i) physical application, (ii) post-processing adjustments, and (iii) a mitigated physical application which utilizes Bit-Flip Averaging (BFA)-based Probabilistic Readout Error Mitigation (PROM). We experimentally reconstruct branch Choi operators via an entangled reference qubit, and validate our physical-application and post-processing Choi-shadow estimators against full tomography of the branch Choi operators. We perform experiments on two physical qubit layouts which differ greatly in mid-circuit measurement readout error, and observe a reversal in the relative order in branch qualities obtained from the post-processing and PROM mitigation strategies. In one physical layout with higher measurement readout error, the operational feed-forward penalty is relatively modest (approximately 0.02-0.03) and PROM produces higher branch qualities than post-processing for every branch. In a separate layout with lower readout error, the operational feed-forward penalty increases to roughly 0.07, and post-processing exceeds PROM for all branch qualities. Our characterization framework can reveal branch-specific error structure and mitigation behavior that state-of-the-art outcome-averaged analyses fail to expose.
- Abstract（参考訳）: 中間回路測定と古典的フィードフォワードは超伝導量子プロセッサ上での動的回路テレポーテーションに必須のプリミティブである。
しかし, 測定条件付き補正操作に付随する誤差は, 個々の測定枝について評価してもよく理解されていない。
本稿では,動的回路テレポーテーションにおけるフィードフォワード誤差を特徴付けるためのフレームワークを提案する。
測定条件付き補正を行うための3つのアプローチを解析する。
(i)物理応用
(二)後処理調整、及び
三 ビットフリップ平均化(BFA)に基づく確率的読み出し誤差軽減(PROM)を利用した物理アプリケーション
直交参照量子ビットを用いて分岐Choi演算子を実験的に再構成し、分岐Choi演算子の全トモグラフィーに対する物理応用および後処理Choi-Shadow推定子の有効性を検証した。
本研究では,2つの物理量子ビット配置実験を行い,回路中周期測定の読み出し誤差に大きく違いがあり,ポストプロセッシングおよびPROM緩和戦略から得られる分岐特性の相対順の逆転を観察する。
測定読み出し誤差が高い1つの物理レイアウトでは、操作フィードフォワードペナルティは比較的穏やかであり(約0.02-0.03)、PROMは各ブランチに対する後処理よりも高いブランチ品質を生成する。
読み出しエラーの少ない別のレイアウトでは、運用上のフィードフォワードペナルティはおよそ0.07まで増加し、後処理はすべてのブランチ品質に対してPROMを超える。
我々の特徴付けフレームワークは、最先端の成果平均分析が公開しない分岐固有のエラー構造と緩和挙動を明らかにすることができる。
関連論文リスト
- Trace-Level Analysis of Information Contamination in Multi-Agent Systems [8.829951903444352]
不均一なアーティファクトに対する推論は、構造化エージェント内でますます発生する。
本研究では,不確実性を制御変数として扱うことにより,この現象を研究する。
我々は3つの表現型を特徴づける:サイレントセマンティックな腐敗、リカバリを伴う行動パターン、構造破壊と制御フローシグネチャの組み合わせ。
論文 参考訳（メタデータ） (2026-04-30T08:39:42Z) - From Perception to Autonomous Computational Modeling: A Multi-Agent Approach [0.0]
本稿では,協調型大言語モデル(LLM)エージェントが完全計算力学ワークフローを自律的に実行する,解法に依存しないフレームワークを提案する。
エージェントは、パイプライン層間の条件付きイテレーションを導入する品質ゲートを備えた共有コンテキスト空間上の条件付き演算子として形式化される。
論文 参考訳（メタデータ） (2026-04-08T07:56:34Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - From Shortcut to Induction Head: How Data Diversity Shapes Algorithm Selection in Transformers [67.02076505996284]
本研究では, 事前学習したデータ分布の選択が, 浅層変圧器を一方の行動に向ける方法について検討する。
その結果,事前学習したトランスフォーマーのアルゴリズム的バイアスに光を当て,学習行動のデータ駆動制御に関する概念的ガイドラインを提供することができた。
論文 参考訳（メタデータ） (2025-12-21T08:10:26Z) - A Useful Metric for the NISQ Era: Qubit Error Probability and Its Role in Zero Noise Extrapolation [0.0]
本稿では,1キュービット当たりの1つの評価値に緩和,復調,ゲート,測定の寄与を組み合わせ,実行前に計算可能なデバイス固有の測定値であるqubit error probability (QEP)を提案する。
原回路が有限平均QEPを示すレジームでは、回路深さを拡大したZNEで達成可能なもの以外の観測可能な誤差を抑える。
これらの結果から,QEPは透過的かつ効率的な誤差測定であり,そのZNEへの統合は,現在の超伝導ハードウェアにおける信頼性向上への実践的な道筋を提供することが示された。
論文 参考訳（メタデータ） (2025-03-13T09:42:03Z) - Learning to rank quantum circuits for hardware-optimized performance enhancement [0.0]
本稿では,論理的に等価な量子回路をランク付けするための機械学習に基づく手法を実験的に導入し,実験を行った。
提案手法をランダムなレイアウト選択とMapomaticと呼ばれる一般公開ベースラインの2つの一般的なアプローチと比較する。
我々の最良のモデルでは、ベースラインアプローチと比較して選択誤差が1.8タイムズ$減少し、ランダム選択と比較して3.2タイムズ$減少する。
論文 参考訳（メタデータ） (2024-04-09T18:00:01Z) - Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。
トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。
1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
論文 参考訳（メタデータ） (2022-05-27T11:13:17Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z) - Efficient and robust certification of genuine multipartite entanglement
in noisy quantum error correction circuits [58.720142291102135]
実効多部絡み(GME)認証のための条件付き目撃手法を導入する。
線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。
本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
論文 参考訳（メタデータ） (2020-10-06T18:00:07Z)
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。