Fugu-MT 論文翻訳(概要): Quantum Global Variational Learning for Quantum Error Correction

論文の概要: Quantum Global Variational Learning for Quantum Error Correction

arxiv url: http://arxiv.org/abs/2606.08592v2
Date: Sat, 13 Jun 2026 11:05:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-16 13:45:30.996685
Title: Quantum Global Variational Learning for Quantum Error Correction
Title（参考訳）: 量子誤り補正のための量子グローバル変分学習
Authors: Shun Ryuzaki, Hideo Mukai,
Abstract要約: 量子回路に必要なユニタリ行列の数を削減できる大域構造を持つ量子ニューラルネットワークを提案する。このアプローチにより、トレーニング時間を97%削減し、トレーニング完了率を25%改善した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Efficient quantum error correction is essential for the advancement of quantum computing. We propose a quantum neural network with a global structure that reduces the number of unitary matrices required in quantum circuits. This approach resulted in a 97% reduction in training time and up to a 25% improvement in the training completion rate, ultimately achieving a 100% success rate in training while surpassing the error correction performance reported in previous studies. In addition, we demonstrated the enhanced robustness of quantum error correction against internal network noise. Moreover, the fidelity of quantum error correction under internal network noise increased by up to 15% due to the reduced computational load.
Abstract（参考訳）: 量子コンピューティングの進歩には、効率的な量子誤差補正が不可欠である。量子回路に必要なユニタリ行列の数を削減できる大域構造を持つ量子ニューラルネットワークを提案する。このアプローチは、トレーニング時間を97%削減し、トレーニング完了率を25%改善し、最終的にトレーニングの成功率を100%達成し、以前の研究で報告された誤り訂正性能を上回った。さらに、内部ネットワークノイズに対する量子誤差補正の強化された堅牢性を実証した。さらに、内部ネットワークノイズ下での量子誤差補正の忠実度は、計算負荷の低減により最大15%向上した。

関連論文リスト

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)
State-adaptive quantum error correction and fault-tolerant quantum computing [0.0]
状態適応型量子誤り訂正(SAQEC)の理論的枠組みを提案する。量子状態の知識を誤り訂正プロセスに組み込むことで、コヒーレントな情報ではなく、量子相互情報によって支配される新しいキャパシティ体制を確立する。
論文参考訳（メタデータ） (2025-08-08T04:51:13Z)
Quantum Error Correction Exploiting Degeneracy to Approach the Hashing Bound [0.0]
量子エラーの退化を明示的に活用することで、復号性能を著しく向上させることができることを示す。提案手法は,104,000個の論理量子ビットと312,000個の物理量子ビットを持つ符号に対して,物理誤り率9.45%で10～4ドルのフレーム誤り率を達成する。
論文参考訳（メタデータ） (2025-06-18T17:07:04Z)
Method for noise-induced regularization in quantum neural networks [0.0]
量子ハードウェアにおけるノイズレベルを効果的に調整することで、量子ニューラルネットワークがデータを一般化する能力を高めることができることを示す。例えば,回路のノイズレベルを調整することで,平均2乗誤差損失を8%改善する医療レグレッションタスクを考える。
論文参考訳（メタデータ） (2024-10-25T18:29:42Z)
Supervised Learning Guarantee for Quantum AdaBoost [7.473180902609473]
ノイズの多い中間スケール量子(NISQ)時代には、変分量子アルゴリズムは量子回路の量子ビット数の制限と浅い深さのために制約される。本稿では,量子適応ブースティング(AdaBoost)の学習保証を理論的に確立し,数値的に検証する。我々の研究は、現在のNISQ時代において、適切なアンサンブル法を導入することは、量子機械学習アルゴリズムの性能向上に特に有用であることを示している。
論文参考訳（メタデータ） (2024-02-04T07:18:44Z)
Fast Flux-Activated Leakage Reduction for Superconducting Quantum Circuits [84.60542868688235]
量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
論文参考訳（メタデータ） (2023-09-13T16:21:32Z)
Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文参考訳（メタデータ） (2023-09-11T18:00:00Z)
Compilation of a simple chemistry application to quantum error correction primitives [44.99833362998488]
我々は、最小限の化学例に基づいて、フォールトトレラントに量子位相推定を行うために必要な資源を推定する。単純な化学回路でさえも1000キュービットと2300の量子誤差補正ラウンドを必要とすることがわかった。
論文参考訳（メタデータ） (2023-07-06T18:00:10Z)
Hybrid Error-Management Strategies in Quantum Repeater Networks [0.7036032466145112]
本稿では,量子誤り訂正と絡み合い除去が可能な量子ネットワークの性能について述べる。その結果, 忠実度向上のバランスを保ちながら, ベルペアをできるだけ早く配布すべきであることが示唆された。
論文参考訳（メタデータ） (2023-03-18T00:26:01Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Boundaries of quantum supremacy via random circuit sampling [69.16452769334367]
Googleの最近の量子超越性実験は、量子コンピューティングがランダムな回路サンプリングという計算タスクを実行する遷移点を示している。観測された量子ランタイムの利点の制約を、より多くの量子ビットとゲートで検討する。
論文参考訳（メタデータ） (2020-05-05T20:11:53Z)

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。