論文の概要: A Resource Comparison of Logical T-State Preparation

• arxiv url: http://arxiv.org/abs/2605.26522v1
• Date: Tue, 26 May 2026 04:09:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.613757
• Title: A Resource Comparison of Logical T-State Preparation
• Title（参考訳）: 論理的T-状態生成の資源比較
• Authors: Jianshuo Gao, Xiao Yuan, Yuan Yao,
• Abstract要約: 我々は,マジックステート蒸留,マジックステート栽培,コードスイッチングの3つの代表的な準備経路を比較した。 ソースのネイティブコスト単位を保持し、出力エラーを記録し、単一試行コスト、承認されたアウトプット毎の期待コスト、フットプリント、レイテンシ、各構成に対するレポート完全性を保持します。
• 参考スコア（独自算出の注目度）: 5.4190091415164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Logical T state preparation is a major overhead source in fault tolerant architectures built from stabilizer operations. Existing protocols, however, are reported under different code families, noise models, postselection rules, and cost conventions, making direct comparison difficult. We compare three representative preparation routes: magic state distillation, magic state cultivation, and code switching, using currently available results. Rather than reducing heterogeneous data to a single cost metric, we retain source native cost units and record output error, single attempt cost, expected cost per accepted output, footprint, latency, and reporting completeness for each configuration. Within the current dataset, distillation reaches the lowest output error regime; code switching achieves the lowest reported single attempt cost and the smallest explicit footprint among the compatible rows; and recent RP2 cultivation results add low cost cultivation points with output errors between 1e-6 and 1e-9. As a simple algorithm level case study, we also examine the reported preparation routes under an error budget motivated by Shor factoring algorithm, in order to relate single state preparation costs to full workload requirements. The resulting comparison clarifies the trade offs currently supported across the literature, while remaining bounded by the conventions and coverage of the underlying papers.
• Abstract（参考訳）: 論理的T状態の準備は、スタビライザ操作から構築されたフォールトトレラントアーキテクチャの主要なオーバーヘッド源である。 しかし、既存のプロトコルは、異なるコードファミリ、ノイズモデル、ポストセレクションルール、コスト規約の下で報告され、直接比較するのが困難である。 我々は,現在利用可能な結果を用いて,マジックステート蒸留,マジックステート栽培,コードスイッチングの3つの代表的な準備経路を比較した。 異種データを単一コストメトリックに削減するのではなく、ソースのコスト単位と出力エラー、単一試行コスト、承認されたアウトプット毎の期待コスト、フットプリント、レイテンシ、各構成に対する報告完全性を保持します。 現在のデータセット内では、蒸留は最低出力誤差状態に達し、コード切替は最も報告されている単一試行コストと互換性のある行間のフットプリントを最小に達成し、最近のRP2 栽培の結果は、1e-6 から 1e-9 の間の出力誤差を伴う低コストな栽培ポイントを付加する。 簡単なアルゴリズムレベルでのケーススタディとして、単一状態作成コストと全ワークロード要件を関連付けるために、ショアファクタリングアルゴリズムによって動機付けられた誤差予算の下で、報告された準備経路についても検討する。 結果として得られた比較は、現在文献全体で支持されているトレードオフを明らかにしつつ、基礎となる論文の慣習とカバレッジに縛られている。

関連論文リスト

• Instance-Optimal Estimation with Multiple LLM Judges on a Budget [84.31744861038106]
  我々は、この問題を*予算付きヘテロスケダティックなマルチジャッジ推定*として定式化する。 K$のプロンプト-レスポンスペア、J$の既知のコストと未知のクエリ-ジャッジ分散が与えられた場合、目標は、$ell_p$-errorを最小化しながら、有界スコアベクトルを推定することである。 EST-IVWEは,予算の低次項までのオラクルIVWEレートと一致していることを示す。
  論文  参考訳（メタデータ） (2026-05-22T08:26:08Z)
• Instance-Level Costs for Nuanced Classifier Evaluation [1.0481606990674208]
  コンテンツモデレーション、医療スクリーニング、安全クリティカルなアプリケーションでは、明確なケースのミスは曖昧なケースのエラーよりもはるかにコストがかかる。 本研究では, 正規化過剰コスト (NEC) を提案する。これは, サンプル毎のコストによる分類誤差を重み付けし, コストが均一な場合に標準誤差率に還元する指標である。
  論文  参考訳（メタデータ） (2026-05-04T20:19:21Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Adaptive Test-Time Compute Allocation for Reasoning LLMs via Constrained Policy Optimization [18.737087162461563]
  テストタイムの計算スケーリングは、大規模言語モデルのパフォーマンスを向上させるための強力なレバーとなっている。 しかし、これらのテクニックを有限の推論予算の下で展開するには、現在のシステムがほとんど無視する決定が必要である。 我々はこれを制約付き最適化問題(平均計算予算の予測精度を最大化する)として定式化し、2段階のソルベ・テン・ラーンパイプラインで解いた。
  論文  参考訳（メタデータ） (2026-04-16T10:39:22Z)
• Improved Convergence of Score-Based Diffusion Models via Prediction-Correction [15.772322871598085]
  スコアベース生成モデル(SGM)は、複雑なデータ分布からサンプリングする強力なツールである。 本稿では,一般的な予測器・相関器方式のバージョンを考慮し,この問題に対処する。 まず、不正確なランゲヴィン力学を用いて最終分布を推定し、次にその過程を逆転する。
  論文  参考訳（メタデータ） (2023-05-23T15:29:09Z)
• Gradient-Free Structured Pruning with Unlabeled Data [57.999191898036706]
  ラベルのないデータのみを使用する勾配のない構造化プルーニングフレームワークを提案する。 元々のFLOPカウントの最大40%は、考慮されたすべてのタスクで4%未満の精度で削減できる。
  論文  参考訳（メタデータ） (2023-03-07T19:12:31Z)
• High-Fidelity Magic-State Preparation with a Biased-Noise Architecture [2.624902795082451]
  マジックステート蒸留は、高忠実度資源状態を生成するためにノイズの多い入力状態を消費するリソース集約サブルーチンである。 本稿では,状態準備中に発生する過大なエラーを検出するエラー検出コードを提案する。 われわれのアプローチは、短期技術によるオーバーヘッドの大幅な削減を約束する。
  論文  参考訳（メタデータ） (2021-09-06T18:02:01Z)
• Composed Fine-Tuning: Freezing Pre-Trained Denoising Autoencoders for Improved Generalization [93.95299500688286]
  本稿では,出力の妥当性制約を考慮した構造化出力の予測問題に焦点をあてる。 本稿では,事前学習したデノイザを組み込んだ予測器を微調整するファインチューニングを提案する。 2層ReLUネットワークの場合、構成した微調整が予測器の複雑さを著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-06-29T17:14:35Z)

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。