論文の概要: Limitations of Error Model Approximations in Quantum Network Simulation
- arxiv url: http://arxiv.org/abs/2607.00998v1
- Date: Wed, 01 Jul 2026 14:35:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.937128
- Title: Limitations of Error Model Approximations in Quantum Network Simulation
- Title（参考訳）: 量子ネットワークシミュレーションにおける誤差モデル近似の限界
- Abstract要約: Pauli twirling や reset channel のような単純なエラーモデルが,プロトコルの性能予測において重大な相違をもたらすことを示す。
その結果、将来の量子技術における運用しきい値の正確な予測には、完全なノイズアーキテクチャの厳密な検証が不可欠であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.13999481573773073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Efficient classical simulation of large-scale quantum networks frequently relies on noise approximations, which consider a restricted set of operators to describe noisy channels and operations. In this work, we demonstrate how such simplified error models, such as Pauli twirling or reset channels, can lead to severe quantitative and qualitative discrepancies in protocol performance predictions. We analyze, in particular, how small differences can accumulate in iterative and sequential protocols such as entanglement purification, entanglement swapping, and repeater chains. Our results reveal that neglected error contributions can lead to important performance under- and over-estimations, measurement-outcome dependency, and oscillations in the fidelity, which are entirely overlooked by the simplified error model approximations. These results show that rigorous validation of complete noise architectures is indispensable for accurately predicting operational thresholds in future quantum technologies.
- Abstract（参考訳）: 大規模量子ネットワークの効率的な古典的シミュレーションは、ノイズ近似にしばしば依存し、ノイズのあるチャネルや演算を記述するための制限された演算子の集合を考える。
本稿では,Pauli twirling や reset channel のような簡易なエラーモデルが,プロトコルの性能予測において重大な量的および質的な相違をもたらすことを実証する。
特に, エンタングルメント浄化, エンタングルメントスワッピング, リピータチェーンなどの反復的および逐次的プロトコルにおいて, どの程度の差が蓄積されるかを分析する。
この結果から, 誤差寄与の無視は, 簡易な誤差モデル近似によって完全に見落とされ, 過大評価, 測定結果依存性, フィデリティの振動といった重要な性能に繋がることが明らかとなった。
これらの結果は、将来の量子技術における運用しきい値を正確に予測するには、完全なノイズアーキテクチャの厳密な検証が不可欠であることを示している。
関連論文リスト
- Quantum Rare-Event Estimation for Ising Graphical Models with Belief-Propagation State Preparation [0.0]
量子推定は、希少な確率推定のサンプリングコストを削減できる。
相関したIsingグラフィカルモデルに適用することは、対象の分布を作成し、実用的なイベントオラクルを構築することの難しさによって制限される。
この研究は、これらの課題を緩和するための2つの近似戦略を探求する。
論文 参考訳（メタデータ） (2026-08-27T09:12:47Z) - Tensor network characterization and mitigation of readout errors [16.364682124857485]
読み取りエラーは、短期量子プロセッサから信頼できる情報を抽出する上で大きなボトルネックとなる。
本稿では,読み出し過程を行列積演算子(MPO)としてモデル化する統合テンソルネットワークフレームワークを提案する。
超伝導プロセッサの実験と最大20キュービットの数値シミュレーションにより、MPOモデルは非相関モデルが見逃す相関した読み出し誤差をキャプチャすることを示した。
論文 参考訳（メタデータ） (2026-06-24T15:45:47Z) - Adaptive Fidelity Estimation for Quantum Programs with Graph-Guided Noise Awareness [30.900274564864223]
QuFidは適応的でノイズ対応のフレームワークで、オンラインで測定予算を決定する。
固定ショットや学習ベースラインと比較して,QuFidは測定コストを大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-01-21T07:04:05Z) - Data-Efficient Quantum Noise Modeling via Machine Learning [0.3279176777295314]
超伝導量子プロセッサのための正確なパラメータ化ノイズモデルを構築するための,データ効率のよい機械学習ベースのフレームワークを提案する。
本研究では,小規模回路のみに学習したモデルにより,大規模回路の動作を正確に予測できることを示す。
論文 参考訳（メタデータ） (2025-09-16T10:30:28Z) - Error mitigation of shot-to-shot fluctuations in analog quantum simulators [46.54051337735883]
本稿では,ハミルトニアンがシステムダイナミクスを制御しているパラメータのショット・ツー・ショット変動に対処する誤差軽減手法を提案する。
我々は、このショット・ツー・ショットノイズを増幅し、ゼロノイズ制限を外挿することで、現実的な雑音分布に対するノイズのない結果が復元されることを厳密に証明する。
数値解析により,現実的な条件下でのRydberg原子配列の有効多体コヒーレンス時間の大幅な向上を予測した。
論文 参考訳（メタデータ） (2025-06-19T18:00:00Z) - Learning with Imperfect Models: When Multi-step Prediction Mitigates Compounding Error [25.387541996071093]
小さな予測ミスが時間の経過とともに蓄積される複合的エラーは、学習ベースの制御において大きな課題となる。
複合化エラーを軽減する1つのアプローチは、シングルステップモデルの自己回帰ロールアウトに頼るのではなく、マルチステップ予測を直接訓練することである。
モデルクラスが適切に特定され,システムダイナミクスを正確に捉えている場合,単一ステップモデルの方が予測誤差が低いことを示す。
一方、モデルクラスが部分可観測性のために不特定である場合、直接多段階予測器はバイアスを著しく低減し、単一ステップのアプローチより優れている。
論文 参考訳（メタデータ） (2025-04-02T14:18:52Z) - Mitigation of correlated readout errors without randomized measurements [0.0]
単一キュービットパウリ測定のみを用いた読み出し誤り軽減プロトコルを提案する。
提案手法は、非常に広い種類の相関ノイズモデルを取得する。
これは、数量子の相関した正の作用素値測定の完全かつ効率的な評価に基づいている。
論文 参考訳（メタデータ） (2025-03-31T16:21:45Z) - Neural Flow Samplers with Shortcut Models [19.81513273510523]
連続フローベースのニューラルサンプリングは、非正規化された密度からサンプルを生成するための有望なアプローチを提供する。
速度駆動型Sequential Monte Carlo法を用いて,これらの課題量に対する改良された推定器を提案する。
提案するニューラルフローショートカットサンプリングは,合成データセットと複雑なnボディシステムターゲットの両方において,既存のフローベースニューラルサンプリングよりも経験的に優れている。
論文 参考訳（メタデータ） (2025-02-11T07:55:41Z) - Non-zero noise extrapolation: accurately simulating noisy quantum circuits with tensor networks [0.15749416770494704]
ノイズ量子回路のテンソルネットワークシミュレーションの精度を大幅に向上させる手法を開発した。
当社の手法は、特に低ノイズ体制に合わせた高ゲート忠実性(High Gate-fidelity)の利点を生んでいる。
論文 参考訳（メタデータ） (2025-01-22T21:42:24Z) - QGait: Toward Accurate Quantization for Gait Recognition with Binarized Input [17.017127559393398]
バックプロパゲーション時の円関数の勾配をよりよくシミュレートする,微分可能なソフト量子化器を提案する。
これにより、ネットワークは微妙な入力摂動から学習することができる。
量子化エラーをシミュレートしながら収束を確保するためのトレーニング戦略をさらに洗練する。
論文 参考訳（メタデータ） (2024-05-22T17:34:18Z) - Error-aware Quantization through Noise Tempering [43.049102196902844]
量子化対応トレーニング(QAT)は、量子化エラーをシミュレートしながら、エンドタスクに関するモデルパラメータを最適化する。
本研究では,指数関数的に減衰する量子化・エラー認識ノイズと,学習可能なタスク損失勾配のスケールを組み込んで量子化演算子の効果を近似する。
本手法は, 従来の手法を0.5-1.2%絶対値で上回り, 均一な(非混合精度)量子化のための最先端トップ1分類精度を得る。
論文 参考訳（メタデータ） (2022-12-11T20:37:50Z) - Probabilistic error cancellation with sparse Pauli-Lindblad models on
noisy quantum processors [0.7299729677753102]
本稿では,大規模量子デバイスに相関するノイズやスケールを捕捉できるスパースノイズモデルを学習し,逆転するプロトコルを提案する。
これらの進歩により、クロストークエラーを伴う超伝導量子プロセッサ上でのPECの実証が可能となった。
論文 参考訳（メタデータ） (2022-01-24T18:40:43Z) - Crosstalk Suppression for Fault-tolerant Quantum Error Correction with
Trapped Ions [62.997667081978825]
本稿では、電波トラップで閉じ込められた1本のイオン列をベースとした量子計算アーキテクチャにおけるクロストーク誤差の研究を行い、個別に調整されたレーザービームで操作する。
この種の誤差は、理想的には、異なるアクティブな量子ビットのセットで処理される単一量子ゲートと2量子ビットの量子ゲートが適用されている間は、未修正のままであるオブザーバー量子ビットに影響を及ぼす。
我々は,第1原理からクロストーク誤りを微視的にモデル化し,コヒーレント対非コヒーレントなエラーモデリングの重要性を示す詳細な研究を行い,ゲートレベルでクロストークを積極的に抑制するための戦略について議論する。
論文 参考訳（メタデータ） (2020-12-21T14:20:40Z)
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。