論文の概要: Exponential speedups in fault-tolerant processing of quantum experiments

• arxiv url: http://arxiv.org/abs/2605.02057v1
• Date: Sun, 03 May 2026 21:05:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.064395
• Title: Exponential speedups in fault-tolerant processing of quantum experiments
• Title（参考訳）: 量子実験のフォールトトレラント処理における指数的高速化
• Authors: Ishaan Kannan, Harald Putterman, Jordan Cotler,
• Abstract要約: 我々は,未知のシステムを任意に高距離量子コードに埋め込むことにより,耐故障性を利用して指数的高速化を回復できることを示す。 天体画像アプリケーションにおけるスピードアップを数値的に説明する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum information processing has the potential to substantially enhance how we learn from physical experiments, but coupling a quantum processor to an experimental sample introduces noise that can exponentially degrade learning even when the processor itself is fault-tolerant. In this work, we show that fault tolerance can nevertheless be leveraged to recover exponential speedups by embedding the unknown system into an arbitrarily high-distance quantum code with only constant error overhead and running a fault-tolerant learning algorithm. Using this $\textit{quantum uploading}$ procedure, we prove that both classical shadow tomography and the estimation of cubic observables can be performed exponentially faster than by any adaptive strategy that does not immediately upload the state into encoded memory. These separations hold even when the uploading stage is substantially noisier than the bare experimental interface. To prove them, we introduce the Heisenberg learning tree method, a flexible tool for obtaining learning lower bounds when the limited resource is not quantum replicas but an experimentally motivated constraint such as noise. We numerically illustrate the speedups in an astronomical imaging application, where quantum processing of individual uploaded photons locates an exoplanet obscured by a bright star using orders of magnitude fewer shots than unencoded baselines. Our results establish fault-tolerant quantum computation as a valuable tool for learning from quantum experiments.
• Abstract（参考訳）: 量子情報処理は、物理実験から学ぶ方法を大幅に強化する可能性があるが、量子プロセッサを実験サンプルに結合すると、プロセッサ自体が耐障害性である場合でも、学習を指数関数的に劣化させるノイズが発生する。 本研究は, 誤りのオーバーヘッドが一定であり, 耐故障性学習アルゴリズムを動作させるだけで, 未知のシステムを任意に高距離量子コードに埋め込むことで, 指数的高速化を回復するために, 耐故障性を利用することができることを示す。 この$\textit{quantum uploading}$ procedureを使用すると、古典的なシャドウトモグラフィーと立方体可観測値の推定の両方が、直ちにエンコードされたメモリに状態をアップロードしない任意の適応戦略よりも指数関数的に高速に実行可能であることが証明される。 これらの分離は、アップロードステージが素の実験的インターフェースよりもかなりノイズの多い場合でも保持される。 そこで本研究では,制限されたリソースが量子レプリカではなく,ノイズなどの実験的に動機付けられた制約である場合に,下位境界を学習するための柔軟なツールであるHeisenberg Learning Tree法を提案する。 我々は、個々のアップロードされた光子の量子処理が、未符号化のベースラインよりも桁違いに少ないショットで、明るい恒星によって隠された外惑星を発見できる天体画像アプリケーションにおいて、スピードアップを数値的に説明する。 本研究は,量子実験から学ぶための有用なツールとして,フォールトトレラント量子計算を確立した。

関連論文リスト

• Photonic Quantum-Accelerated Machine Learning [0.6654914040895585]
  古典的機械学習のための量子加速器を提案する。 我々はボソンサンプリングを用いて貯水池計算のための高次元量子指紋を提供する。 各種条件下での堅牢な性能向上を示す。
  論文  参考訳（メタデータ） (2025-12-09T07:32:45Z)
• Reinforcement Learning Control of Quantum Error Correction [108.70420561323692]
  量子コンピュータは、エラーから直接自己改善することを学び、決してコンピューティングを止めない。 この研究によって新しいパラダイムが実現された: 量子コンピュータは、そのエラーから直接自己改善を学び、決してコンピューティングを止めない。
  論文  参考訳（メタデータ） (2025-11-11T17:32:25Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• Measurement-induced entanglement and teleportation on a noisy quantum processor [105.44548669906976]
  最大70個の超伝導量子ビット上の測定誘起量子情報相について検討した。 二重性マッピングを用いて、中間回路の測定を回避し、基礎となる位相の異なる表現にアクセスする。 我々の研究は、現在のNISQプロセッサの限界であるスケールでの計測誘起物理を実現するためのアプローチを示す。
  論文  参考訳（メタデータ） (2023-03-08T18:41:53Z)
• Exponentially tighter bounds on limitations of quantum error mitigation [2.936007114555107]
  短期量子コンピューティングにおいて、望ましくない、避けられない誤りに対処する手段として、量子エラー軽減法が提案されている。 本研究では,より大きなシステムサイズに対して,量子ノイズを効果的に排除できる程度に強い制約を課す。
  論文  参考訳（メタデータ） (2022-10-20T18:12:42Z)
• Low-rank quantum state preparation [1.5427245397603195]
  本稿では,従来のコンピュータに計算複雑性をオフロードすることで,状態準備回路の深さを削減するアルゴリズムを提案する。 この近似が今日の量子プロセッサよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-04T19:56:21Z)
• A rigorous and robust quantum speed-up in supervised machine learning [6.402634424631123]
  本稿では,汎用量子学習アルゴリズムを用いて,教師付き分類のための厳密な量子スピードアップを確立する。 我々の量子分類器は、フォールトトレラント量子コンピュータを用いてカーネル関数を推定する従来のサポートベクトルマシンである。
  論文  参考訳（メタデータ） (2020-10-05T17:22:22Z)

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。