論文の概要: Sample-efficient benchmarking of shallow all-to-all random quantum circuits

• arxiv url: http://arxiv.org/abs/2605.22909v1
• Date: Thu, 21 May 2026 18:00:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.041019
• Title: Sample-efficient benchmarking of shallow all-to-all random quantum circuits
• Title（参考訳）: 浅い全対全ランダム量子回路のサンプル効率ベンチマーク
• Authors: Gregory Bentsen, Bill Fefferman, Soumik Ghosh, Michael J. Gullans, Yinchen Liu,
• Abstract要約: 非線形クロスエントロピーは、浅深さランダム量子回路に対するサンプリング効率のベンチマークを提供することを示す。 また、対数的なサンプルの複雑さを短時間で特徴付ける重出力生成の概念に基づくバイナリ分類器も開発する。 我々の証拠は、レプリカのトリックから導かれた全ブラウン回路アンサンブルの正確な解析式と数値シミュレーションから導かれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Random circuit sampling (RCS) remains one of the most competitive frameworks for demonstrating quantum advantage in near-term noisy intermediate-scale quantum (NISQ) hardware. Unfortunately, absent error-correction, existing benchmarks to characterize these experiments, like linear cross-entropy, have been classically spoofed due to noise. Because of this, there are interesting regimes, like shallow-depth random quantum circuits, where sampling is plausibly classically intractable, but no existing benchmark can distinguish between a noisy quantum computer and an adversarial classical spoofer. In this paper, we demonstrate that the nonlinear cross-entropy provides a sample-efficient benchmark for shallow-depth all-to-all random quantum circuits whose score cleanly separates noisy quantum computers from state-of-the-art classical spoofers, even in the presence of depolarizing noise. Further, we develop a binary classifier based on the notion of heavy output generation that features logarithmic sample complexity at short depth. Our evidence comes from exact analytic expressions for all-to-all Brownian circuit ensembles derived using replica tricks, and numerical simulations that corroborate these results for discrete Haar-random unitary circuits.
• Abstract（参考訳）: ランダム回路サンプリング(RCS)は、近未来のノイズの多い中間スケール量子(NISQ)ハードウェアにおいて、量子優位を示す最も競争力のあるフレームワークの1つである。 残念なことに、線形クロスエントロピーのようなこれらの実験を特徴付ける既存のベンチマークは、ノイズのために古典的に偽造されてきた。 このため、浅い深さのランダムな量子回路のように、サンプリングは古典的に難易度が高いが、既存のベンチマークではノイズの多い量子コンピュータと逆の古典的なスパウファーを区別することはできない。 本稿では, 非線形クロスエントロピーが, 偏極雑音の存在下であっても, ノイズの多い量子コンピュータと最先端の古典的スパウファーとをきれいに分離した浅層深度全ランダム量子回路に対して, サンプリング効率のベンチマークを提供することを示した。 さらに,短時間で対数的なサンプルの複雑さを特徴とする重出力生成の概念に基づくバイナリ分類器を開発する。 我々の証拠は、レプリカのトリックを用いて導出された全ブラウン回路アンサンブルの正確な解析式と、これらの結果を離散ハールランダムユニタリ回路に相関させる数値シミュレーションから導かれる。

関連論文リスト

• Classically Sampling Noisy Quantum Circuits in Quasi-Polynomial Time under Approximate Markovianity [0.616870773176256]
  局所偏極雑音下で量子回路をシミュレーションするために,$nrmpolylog(n)$ timeで動作する古典的アルゴリズムを提案する。 我々の結果は古典的シミュラビリティの境界を大きく拡張し、ノイズがマルコビアン性や古典的シミュラビリティを近似的に強制することを示唆している。
  論文  参考訳（メタデータ） (2025-10-07T18:00:03Z)
• Sampling (noisy) quantum circuits through randomized rounding [6.09006146869448]
  最適化問題に対するノイズ量子回路の再現法を示す。 IBMQハードウェア上で大規模なシミュレーションと実験を行う。 今後の量子優位性に関するエラー軽減あるいはフォールトトレラントな実証のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-07-29T14:56:17Z)
• On the complexity of sampling from shallow Brownian circuits [0.0]
  本研究では,定数深さランダムな量子回路と多くの類似点を共有する定数時間ブラウン回路モデルについて検討する。 深部深部におけるブラウン回路の出力分布は, ディープ回路の場合と同様, Porter-Thomas分布に従うことを示す。 これらの回路の場合、量子コンピュータは期待値の定数係数でスコアされるのに対し、古典的なスパウファーは指数的に大きな分散に悩まされる。
  論文  参考訳（メタデータ） (2024-11-06T19:00:00Z)
• Efficient Quantum Pseudorandomness from Hamiltonian Phase States [41.94295877935867]
  我々は、ハミルトニアン相状態(HPS)問題と呼ばれる量子硬度仮定を導入する。 我々は、我々の仮定が少なくとも完全に量子的であることを示し、すなわち片方向関数を構成するのに使用できない。 仮定とその変形により、多くの擬似ランダム量子プリミティブを効率的に構築できることを示す。
  論文  参考訳（メタデータ） (2024-10-10T16:10:10Z)
• Quantum-Classical Separations in Shallow-Circuit-Based Learning with and without Noises [5.018448337319583]
  定深さ(浅い)回路に基づく古典的学習モデルと量子教師あり学習モデルの量子古典的分離について検討する。 有界接続を持つ任意の古典的ニューラルネットワークは、指数的に小さい確率で正確に出力するために対数深度を必要とすることを厳密に証明する。
  論文  参考訳（メタデータ） (2024-05-01T18:00:01Z)
• Scalable noisy quantum circuits for biased-noise qubits [37.69303106863453]
  安定猫量子ビットの既存システムに動機づけられたビットフリップ誤差のみに影響されるバイアスノイズ量子ビットを考察する。 現実的なノイズモデルでは、位相フリップは無視できないが、Pauli-Twirling近似では、ベンチマークが最大106ドルのゲートを含む回路の正しさを確認できる。
  論文  参考訳（メタデータ） (2023-05-03T11:27:50Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Learnability of the output distributions of local quantum circuits [53.17490581210575]
  2つの異なるオラクルモデルにおいて、量子回路Bornマシンの学習可能性について検討する。 我々はまず,超対数深度クリフォード回路の出力分布がサンプル効率良く学習できないという負の結果を示した。 より強力なオラクルモデル、すなわちサンプルに直接アクセスすると、局所的なクリフォード回路の出力分布は計算効率よくPACを学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-11T18:00:20Z)
• Benchmarking near-term quantum computers via random circuit sampling [3.48887080077816]
  我々は,任意の非クリフォードゲートの層によって誘導される雑音の総量を,サンプリング効率よく推定できるアルゴリズムを開発した。 我々のアルゴリズムは、Googleの量子超越実験にインスパイアされ、ランダム回路サンプリングに基づいている。
  論文  参考訳（メタデータ） (2021-05-11T17:49:16Z)

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。