論文の概要: Optimizing Pump Conditions of Parametric Amplifiers for Fast Multiplexed Readout of Superconducting Qubits
- arxiv url: http://arxiv.org/abs/2606.22080v1
- Date: Sat, 20 Jun 2026 14:55:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.000132
- Title: Optimizing Pump Conditions of Parametric Amplifiers for Fast Multiplexed Readout of Superconducting Qubits
- Title（参考訳）: 超電導ビットの高速多重再生のためのパラメトリック増幅器のポンプ条件最適化
- Authors: Jeongwon Kim, Wei Dai, Omrie Ovdat, Akiva Feintuch, Nir Alfasi, Yonuk Chong,
- Abstract要約: 本稿では,高速多重読み出しに適したポンプ条件を決定するための戦略を提案する。
移動波パラメトリック増幅器を用いた5ビット多重読み出しチェーンで実験を行った。
- 参考スコア（独自算出の注目度）: 3.070451821807499
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-noise parametric amplifiers are widely used as the first-stage amplifier in qubit readout chains. The performance of parametric amplifiers depends sensitively on the choice of the pump condition. We propose a strategy for determining the pump condition that is tailored for fast multiplexed readout. Choosing the amplifier pump to maximize the signal-to-noise ratio (SNR) improvement at the readout frequency of the limiting qubit--the qubit that requires the longest readout time to reach a target SNR--minimizes the total multiplexed readout time. We demonstrate our pump calibration strategy experimentally on a five-qubit multiplexed readout chain with a traveling-wave parametric amplifier. Using our strategy, we reduce the multiplexed readout time by 320 ns compared to optimizing the average SNR improvement on all qubits, without degrading the target SNR for any qubit.
- Abstract（参考訳）: 低雑音パラメトリック増幅器は、量子ビットリードアウトチェーンの第1段増幅器として広く使われている。
パラメトリック増幅器の性能はポンプ条件の選択に敏感に依存する。
本稿では,高速多重読み出しに適したポンプ条件を決定するための戦略を提案する。
増幅器ポンプを選択して、制限量子ビットの読み出し周波数における信号対雑音比(SNR)の改善を最大化する。
我々は,5ビット多重化リードアウトチェーンと移動波パラメトリック増幅器を併用したポンプキャリブレーション方式を実験的に実証した。
提案手法を用いて,各キュービットの平均SNR改善を最適化するのに対して,各キュービットの目標SNRを劣化させることなく,多重化読み出し時間を320 ns削減する。
関連論文リスト
- Compressed BC-LISTA via Low-Rank Convolutional Decomposition [47.15001096567547]
圧縮前方・後方演算子を用いたマルチチャネルイメージングのためのスパース信号回復法(SSR)について検討した。
本稿では,低ランク畳み込みネットワーク(CNN)分解に基づくCBC(Compressed Block-Convolutional)測定モデルを提案する。
論文 参考訳（メタデータ） (2026-01-30T16:33:51Z) - SIRI: Scaling Iterative Reinforcement Learning with Interleaved Compression [48.04180854972225]
大規模共振モデル(LRM)のための簡易かつ効果的なRLアプローチであるInterleaved Compressionを用いたSIRI(Scaling Iterative Reinforcement Learning)を導入する。
このトレードオフは、推理予算の圧縮と拡大を反復的に交互に交互に行う訓練体制によって克服できることを示す。
また, 各圧縮膨張サイクルの後に, 出力長が減少しても, モデルの性能が向上することがわかった。
論文 参考訳（メタデータ） (2025-09-29T17:59:08Z) - Audio Super-Resolution with Latent Bridge Models [43.773399487946755]
遅延ブリッジモデル(LBM)を用いた新しいシステムを提案する。
音声波形を連続的な潜時空間に圧縮し,LBMを設計して潜時から潜時生成プロセスを実現する。
HRサンプルが限られているにもかかわらず、トレーニング結果をさらに高めるため、周波数認識型LBMを導入する。
論文 参考訳（メタデータ） (2025-09-22T11:24:26Z) - Enhanced Qubit Readout via Reinforcement Learning [0.0]
我々は,超伝導量子プロセッサの性能向上のために,モデルフリー強化学習を利用する。
学習波形は現実的なパラメータドリフトに対して頑健であり、一般化された解析形式に従う。
その結果,超伝導量子プロセッサの性能向上に有効な読み出し戦略が得られた。
論文 参考訳（メタデータ） (2024-12-05T10:43:36Z) - Enhancing Dispersive Readout of Superconducting Qubits Through Dynamic
Control of the Dispersive Shift: Experiment and Theory [47.00474212574662]
超伝導量子ビットは、大帯域読み出し共振器に結合される。
我々は、100 ns 統合時間で 0.25,% の、最先端の2状態読み取りエラーを示す。
提案した結果により,新たなアルゴリズムやプロトコルの性能がさらに向上することが期待されている。
論文 参考訳（メタデータ） (2023-07-15T10:30:10Z) - Readout of a quantum processor with high dynamic range Josephson
parametric amplifiers [132.67289832617647]
デバイスは、帯域幅250-300MHzの50ドルOmega$環境と一致し、入力飽和電力は最大で-95dBm、20dBゲインとなる。
54キュービットのSycamoreプロセッサがこれらのデバイスをベンチマークするために使用された。
設計は、システムノイズ、読み出しフィデリティ、およびクビットのデフォーカスに悪影響を及ぼさない。
論文 参考訳（メタデータ） (2022-09-16T07:34:05Z) - Flexible Raman Amplifier Optimization Based on Machine Learning-aided
Physical Stimulated Raman Scattering Model [1.0499611180329804]
機械学習(ML)を用いたラマンゲイン勾配係数の微分関数を求める。
フォワードポンプ構成における任意の数のポンプの周波数とパワーは、任意のデータチャネルロードとスパン長さに最適化される。
4 THzで1dBの利得平坦性が達成される。
論文 参考訳（メタデータ） (2022-06-13T09:08:18Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z)
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。