論文の概要: Machine Learning-based Quantum Error Mitigation for Variational Algorithms

• arxiv url: http://arxiv.org/abs/2606.02697v1
• Date: Mon, 01 Jun 2026 18:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.515579
• Title: Machine Learning-based Quantum Error Mitigation for Variational Algorithms
• Title（参考訳）: 変分アルゴリズムのための機械学習に基づく量子誤り除去
• Authors: Nikita Korolev, Kirill Lakhmanskiy, Daniil Rabinovich,
• Abstract要約: 機械学習に基づく量子エラー軽減(ML-QEM)は、ノイズの多い量子アルゴリズムの性能向上のための有望なアプローチとして登場した。 本稿では、(近傍)クリフォード回路をシミュレートしてトレーニングデータを生成する変動量子アルゴリズムに適した実用的なML-QEMプロトコルを提案する。 我々は、様々なノイズモデルの下で最大$n=12$ qubitsのシェリントン・カークパトリック・ハミルトンの変分量子固有解法(VQE)タスクに関する提案手法をベンチマークし、訓練性への影響を分析し、標準のゼロノイズ外挿法(ZNE)と比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine Learning-based quantum error mitigation (ML-QEM) has emerged as a promising approach for improving the performance of noisy quantum algorithms. However, existing ML-QEM methods often have restricted applicability to variational circuits and rely on inaccessible noiseless training data. In this work, we propose a practical ML-QEM protocol tailored to variational quantum algorithms, which generates training data by simulating (near-)Clifford circuits. This data is used for model selection and training, producing a mitigation model that can correct variational circuits with arbitrary parameters and transfer across different target Hamiltonians of similar structure. We benchmark the proposed method on the Variational Quantum Eigensolver (VQE) task for the Sherrington-Kirkpatrick Hamiltonian of up to $n=12$ qubits under various noise models, analyzing its effect on trainability and comparing its performance against standard Zero-Noise Extrapolation (ZNE). The results demonstrate consistent several-fold error suppression across all tested settings and superior performance over ZNE in the high-noise regime, providing evidence for the applicability of the proposed protocol to present-day NISQ processors.
• Abstract（参考訳）: 機械学習に基づく量子エラー軽減(ML-QEM)は、ノイズの多い量子アルゴリズムの性能向上のための有望なアプローチとして登場した。 しかし、既存のML-QEM法は変分回路の適用性を制限し、到達不能なノイズレストレーニングデータに依存することが多い。 本研究では,(近傍)クリフォード回路をシミュレートしてトレーニングデータを生成する,変分量子アルゴリズムに適した実用的なML-QEMプロトコルを提案する。 このデータはモデル選択とトレーニングに使用され、任意のパラメータで変分回路を補正し、同様の構造の異なるターゲットハミルトニアン間で転送できる緩和モデルを生成する。 本稿では,Sherington-Kirkpatrick Hamiltonian の様々なノイズモデルの下で最大$n=12$ qubitsの変分量子固有解法 (VQE) タスクをベンチマークし,トレーニング性への影響を分析し,その性能を標準のゼロノイズ外挿法 (ZNE) と比較した。 その結果,提案プロトコルが現在のNISQプロセッサに適用可能であることを示す証拠として,テスト済みのすべての設定に対して一貫した数倍の誤差抑制と,ZNEよりも優れた性能が示された。

関連論文リスト

• Statistical Signal Processing for Quantum Error Mitigation [12.804941908319792]
  量子誤差緩和(QEM)に対する統計的信号処理手法を提案する。 我々のモデルは、回路深度がノイズの偏極化に十分であると仮定し、劣化した観測結果を生成する。 提案手法は,ノイズモデルに整合した合成データを用いて,より大規模な量子ビット数にスケールすることを示す。
  論文  参考訳（メタデータ） (2025-05-31T19:34:19Z)
• Prospects of Quantum Error Mitigation for Quantum Signal Processing [0.0]
  本研究は量子信号処理(QSP)で設計されたハミルトンシミュレーションアルゴリズムにおけるゼロノイズ抽出(ZNE)の性能について検討する。 我々は、ZNEプロトコルがノイズのない予測値の近似を回復できるノイズと深さを定量化する。 サンプル予算が無制限であっても,ZNEが使用不可能な領域に関する数値的研究を簡潔に議論し,提示する。
  論文  参考訳（メタデータ） (2025-05-08T19:49:54Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• RoSTE: An Efficient Quantization-Aware Supervised Fine-Tuning Approach for Large Language Models [53.571195477043496]
  本稿では,RoSTE (Rotated Straight-Through-Estimator) というアルゴリズムを提案する。 RoSTEは、量子化を意識した微調整(QA-SFT)と適応的な回転戦略を組み合わせることで、アクティベーションアウトリーを減少させる。 その結果, 予測誤差は収束重みの量子化誤差と直接比例し, 最適化された回転構成により効果的に管理できることが判明した。
  論文  参考訳（メタデータ） (2025-02-13T06:44:33Z)
• Quantum Diffusion Models for Few-Shot Learning [13.13788757618812]
  本稿では,量子拡散モデル(QDM)を用いた3つの新しいフレームワークを提案する。 実験の結果,提案アルゴリズムは既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-11-06T19:25:06Z)
• Learning Density Functionals from Noisy Quantum Data [0.0]
  ノイズの多い中間スケール量子(NISQ)デバイスは、機械学習(ML)モデルのトレーニングデータを生成するために使用される。 NISQアルゴリズムの典型的なノイズを受ける小さなデータセットからニューラルネットワークMLモデルをうまく一般化できることを示す。 本研究は,NISQデバイスを実用量子シミュレーションに活用するための有望な経路であることを示唆する。
  論文  参考訳（メタデータ） (2024-09-04T17:59:55Z)
• Real-time error mitigation for variational optimization on quantum hardware [45.935798913942904]
  VQCを用いた量子チップ上の関数の適合を支援するために,RTQEM(Real Time Quantum Error Mitigation)アルゴリズムを定義する。 我々のRTQEMルーチンは、損失関数の破損を減らすことにより、VQCのトレーニング性を向上させることができる。
  論文  参考訳（メタデータ） (2023-11-09T19:00:01Z)
• Modeling Noisy Quantum Circuits Using Experimental Characterization [0.40611352512781856]
  ノイズの多い中間スケール量子(NISQ)デバイスは、非フォールト耐性量子コンピューティングの挙動をテストし評価するためのユニークなプラットフォームを提供する。 ノイズの多い回路モデリングの複雑さを管理するNISQプログラムを特徴付けるためのテスト駆動方式を提案する。
  論文  参考訳（メタデータ） (2020-01-23T16:45:49Z)

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。