論文の概要: Classically Augmented Zero-Noise Extrapolation

• arxiv url: http://arxiv.org/abs/2607.25746v1
• Date: Tue, 28 Jul 2026 14:09:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.864349
• Title: Classically Augmented Zero-Noise Extrapolation
• Title（参考訳）: 古典的なゼロノイズ外挿法
• Abstract要約: 本稿では,高雑音のリチャードソンノードを古典的シミュレーションにより置き換えたハイブリッド誤差除去法を提案する。 最適なショットアロケーション下でのばらつき低減を導出し、線形ノード間隔と固定インデックスカットオフの場合、係数レベル低減は指数関数的に可能であることを示す。 パウリプロパゲーションシミュレーションを用いて数値的に予測を検証し, トランケーションバイアスが十分に小さい場合の平均二乗誤差の低減を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate a hybrid quantum-classical approach to quantum error mitigation. We propose Classically Augmented Zero-Noise Extrapolation, a hybrid error-mitigation method in which high-noise Richardson extrapolation nodes are replaced by classically simulated estimates. These classical nodes have negligible sampling variance but introduce deterministic simulation bias. We derive the resulting variance reduction under optimal shot allocation and show that, for linear node spacings and fixed index cutoff, the coefficient-level reduction can be exponential. We validate the prediction numerically using Pauli-propagation simulations and demonstrate a reduction in mean-squared error when the truncation bias is sufficiently small.
• Abstract（参考訳）: 量子エラー軽減のためのハイブリッド量子古典的アプローチについて検討する。 そこで我々は,ハイノイズのリチャードソン外挿ノードを古典的シミュレートされた推定値に置き換えるハイブリッド誤り除去法である,古典的拡張ゼロノイズ外挿法を提案する。 これらの古典ノードはサンプリングのばらつきを無視できるが、決定論的シミュレーションバイアスを導入する。 最適なショットアロケーション下でのばらつき低減を導出し、線形ノード間隔と固定インデックスカットオフの場合、係数レベル低減は指数関数的に可能であることを示す。 パウリプロパゲーションシミュレーションを用いて数値的に予測を検証し, トランケーションバイアスが十分に小さい場合の平均二乗誤差の低減を実証する。

関連論文リスト

• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Adaptive deep nonparametric regression from dependent data under covariate shift [0.0]
  我々は、多くの古典的モデルで満たされる一般化されたベルンシュタイン型不等式を扱う。 本研究では,データソースとターゲット分布の差を考慮したスパースペナル化深層ニューラルネットワーク(SPDNN)推定器を提案する。 量子化とフーバー回帰の両方について、提案したSPDNN推定器の非漸近誤差境界を確立する。
  論文  参考訳（メタデータ） (2026-07-22T15:55:46Z)
• Smoothness-Based Derandomization of PAC-Bayes Bounds [48.06655334157014]
  滑らかな損失関数に対するPAC-Bayesデランドマイゼーションについて検討した。 我々は,ギブス予測器から後方平均における決定論的予測器への非有界通過に正確なコストがかかることを示した。 結果は線形予測器やスムーズなニューラルネットワークに特化する。
  論文  参考訳（メタデータ） (2026-06-17T14:17:44Z)
• Hybrid Gaussian-exponential zero-noise extrapolation for periodic circuits [2.932287734903261]
  本稿では,周期構造を持つ量子回路に適したハイブリッドガウス-指数外挿法を提案する。 中間から大きな回路深度について、ハイブリッドモデルは以前の外挿変量と比較して測定可能なバイアスの減少をもたらす。
  論文  参考訳（メタデータ） (2026-05-28T02:01:03Z)
• Characterizing Trainability of Instantaneous Quantum Polynomial Circuit Born Machines [7.716642023459826]
  瞬時量子回路Born Machine (IQP-QCBM) は量子生成モデルとして提案されている。 我々は、バレン高原が選択されたカーネルのジェネレータセットとスペクトルに依存することを示す。 低重バイアスのカーネルが構造的トポロジの指数的抑制を回避する機構を同定する。
  論文  参考訳（メタデータ） (2026-02-11T17:12:56Z)
• Variational Tensor Network Simulation of Gaussian Boson Sampling and Beyond [0.0]
  一般連続変数サンプリング問題に対する古典的シミュレーションツールを提案する。 我々はサンプリング問題を、単純な少数体ハミルトンの基底状態を見つけるための問題として再定式化する。 我々はガウスボソンサンプリングをシミュレートして手法を検証する。
  論文  参考訳（メタデータ） (2024-10-24T13:43:06Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• Quantum error mitigation by layerwise Richardson extrapolation [0.6138671548064355]
  雑音量子コンピュータの誤り軽減プロトコルであるEmphlayerwise Richardson外挿法(LRE)を導入する。 異なる個々の層(または回路の大きなチャンク)のノイズを増幅し、関連する期待値を線形結合してゼロノイズ限界を推定する。 従来の(単変数の)リチャードソン外挿法と比較してLREが優れた性能を発揮するシナリオを数値シミュレーションで示す。
  論文  参考訳（メタデータ） (2024-02-05T18:47:42Z)
• Purity-Assisted Zero-Noise Extrapolation for Quantum Error Mitigation [10.577215927026199]
  誤り率仮定の制限に対処するために、純度支援ゼロノイズ外挿法(pZNE)を用いる。 pZNE法は、通常のZNEのバイアスを著しく低減しない。 有効性は、通常のZNEが制限に直面する可能性のある幅広いエラー率にまで拡張される。
  論文  参考訳（メタデータ） (2023-10-16T03:46:30Z)
• Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
  オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。 我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
  論文  参考訳（メタデータ） (2021-12-29T18:46:52Z)
• Learning to Estimate Without Bias [57.82628598276623]
  ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。 本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。 BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
  論文  参考訳（メタデータ） (2021-10-24T10:23:51Z)
• Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
  特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。 我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
  論文  参考訳（メタデータ） (2021-10-03T05:38:49Z)
• Spectral clustering under degree heterogeneity: a case for the random walk Laplacian [83.79286663107845]
  本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。 次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
  論文  参考訳（メタデータ） (2021-05-03T16:36:27Z)
• Assessment of weak-coupling approximations on a driven two-level system under dissipation [58.720142291102135]
  我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。 我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
  論文  参考訳（メタデータ） (2020-11-11T22:45:57Z)
• The k-tied Normal Distribution: A Compact Parameterization of Gaussian Mean Field Posteriors in Bayesian Neural Networks [46.677567663908185]
  変分ベイズ推論は、ベイズニューラルネットワークの重み付けを近似する一般的な手法である。 最近の研究は、性能向上を期待して、近似後部のよりリッチなパラメータ化を探求している。 これらの変動パラメータを低ランク因子化に分解することにより、モデルの性能を低下させることなく変動近似をよりコンパクトにすることができる。
  論文  参考訳（メタデータ） (2020-02-07T07:33:15Z)

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。