論文の概要: Better Pauli Channel Learning with Maximum Likelihood Estimation

• arxiv url: http://arxiv.org/abs/2606.04096v1
• Date: Tue, 02 Jun 2026 18:01:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.303185
• Title: Better Pauli Channel Learning with Maximum Likelihood Estimation
• Title（参考訳）: 最大類似度推定によるパウリチャネル学習の高速化
• Authors: Daniel Belkin, Faisal Alam, Matthew Thibodeau, Alireza Seif, Ewout van den Berg, Bryan K. Clark,
• Abstract要約: 原理的には、最適なサンプル複雑性は最大極大推定(MLE)によって達成される。 興味のある場合、MLEを計算的に抽出できることが示される。 1D局所スパースPauli-Lindbladチャネルの一般的な場合、確率関数は効率よく評価可能なベイズネットワークに還元される。
• 参考スコア（独自算出の注目度）: 0.15393457051344298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Error mitigation in a noisy quantum device requires a very good estimate of the noise channel. The accuracy of probabilistic error cancellation is often limited by the high sample complexity of channel tomography. In principle, optimal sample complexity is attained by maximum likelihood estimation (MLE), but MLE is computationally challenging. We show that MLE can be made computationally tractable in certain cases of interest. For the common case of a 1D-local sparse Pauli-Lindblad channel, the likelihood function reduces to an efficiently-evaluable Bayesian network. We show that the resulting computation leads to substantially improved tomography. In addition, we demonstrate by simulation that this can lead to meaningful improvements to the overhead of error mitigation. We also discuss possible extensions of our algorithm to more general settings, such as non-1D circuits and non-Pauli errors.
• Abstract（参考訳）: ノイズ量子デバイスにおける誤差低減には、ノイズチャネルを十分に推定する必要がある。 確率的誤差キャンセルの精度は、しばしばチャネルトモグラフィーの高サンプリング複雑さによって制限される。 原理的には、最適なサンプル複雑性は最大極大推定(MLE)によって達成されるが、MLEは計算的に困難である。 興味のある場合、MLEを計算的に抽出できることが示される。 1D局所スパースPauli-Lindbladチャネルの一般的な場合、確率関数は効率よく評価可能なベイズネットワークに還元される。 その結果,トモグラフィが大幅に向上したことを示す。 さらに、シミュレーションにより、これはエラー軽減のオーバーヘッドに有意義な改善をもたらすことを実証する。 また,非1D回路や非Pauli誤差など,より一般的な設定へのアルゴリズム拡張の可能性についても論じる。

関連論文リスト

• The surface code beyond Pauli channels: Logical noise coherence, information-theoretic measures, and errorfield-double phenomenology [0.0]
  我々は、コヒーレントなコンポーネントと非コヒーレントなコンポーネントの両方を特徴とするエラーの下で、表面コードを考える。 非ゼロ非コヒーレントノイズ成分に対して、論理ノイズのコヒーレンスを指数関数的にコード距離で抑制することを示す。
  論文  参考訳（メタデータ） (2024-12-30T16:14:55Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Scalable tensor-network error mitigation for near-term quantum computing [0.0]
  本稿では,物理観測値の推定においてノイズによる誤差を補正するために,後処理で機能するテンソルネットワークエラー軽減アルゴリズムを提案する。 TEMは、情報的に完全なPOVMの実装以外の追加の量子演算を必要としない。 我々は、異なる状態における数値シミュレーションにおいて、TEMを広範囲にテストする。
  論文  参考訳（メタデータ） (2023-07-21T17:54:05Z)
• 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)
• Automated quantum error mitigation based on probabilistic error reduction [0.9236074230806579]
  現在の量子コンピュータは、より長い計算から直接有用な結果の抽出を禁止しているノイズのレベルに悩まされている。 本稿では,ノイズトモグラフィとPERのユーザ指定回路への応用を含む,自動量子エラー軽減ソフトウェアフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-16T19:09:41Z)
• The Accuracy vs. Sampling Overhead Trade-off in Quantum Error Mitigation Using Monte Carlo-Based Channel Inversion [84.66087478797475]
  量子誤差緩和(Quantum error mitigation, QEM)は、変分量子アルゴリズムの計算誤差を低減するための有望な手法の1つである。 我々はモンテカルロサンプリングに基づく実用的なチャネル反転戦略を考察し、さらなる計算誤差を導入する。 計算誤差が誤差のない結果の動的範囲と比較して小さい場合、ゲート数の平方根でスケールすることを示す。
  論文  参考訳（メタデータ） (2022-01-20T00:05:01Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Multi-exponential Error Extrapolation and Combining Error Mitigation Techniques for NISQ Applications [0.0]
  量子ハードウェアにおけるノイズは、量子コンピュータの実装における最大の障害である。 誤り補間は、実験的に実装された誤り軽減手法である。 我々はこれを多重指数誤差外挿に拡張し、パウリ雑音下での有効性のより厳密な証明を提供する。
  論文  参考訳（メタデータ） (2020-07-02T17:18:47Z)

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。