論文の概要: MEDA: Measurement-Efficient Disorder-Aware Majorana Zero Mode Detection in Realistic Devices

• arxiv url: http://arxiv.org/abs/2607.26208v1
• Date: Tue, 28 Jul 2026 19:17:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.458321
• Title: MEDA: Measurement-Efficient Disorder-Aware Majorana Zero Mode Detection in Realistic Devices
• Title（参考訳）: MEDA:実機における計測効率の良い障害対応マヨラナゼロモード検出
• Abstract要約: 実機におけるMZM検出のための計測効率の良い障害認識フレームワークMEDAを提案する。 新たなスパースパラメータ構造を用いて,予測品質を維持しつつ,測定量を10倍に削減する。 MEDAは、トポロジカルギャッププロトコルと整合した入力機能を自然に優先し、強い物理的解釈可能性を示す。
• 参考スコア（独自算出の注目度）: 7.378298020518525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fault-tolerant topological quantum computing relies on identifying Majorana zero modes (MZMs), but reliable detection in realistic devices remains challenging. Conventional topological indicators are inherently biased in finite, disordered systems, blurring the distinction between true MZMs and trivial states. Furthermore, attempts to map these indicators to real observables via machine learning require dense, expensive conductance measurements, creating a severe scaling bottleneck. To simultaneously address topological bias and measurement limitations, we present MEDA: a Measurement-Efficient, Disorder-Aware framework for MZM detection in realistic devices. MEDA maps sparse, practically obtainable observables directly to the robust periodic disorder invariant (PDI). Using a novel sparse parameter regime, MEDA reduces measurement volume by 10x while maintaining predictive quality, even in moderate to strong disorder regimes that limit conventional methods. Furthermore, MEDA naturally prioritizes input features consistent with the topological gap protocol, demonstrating strong physical interpretability.
• Abstract（参考訳）: フォールトトレラントなトポロジカル量子コンピューティングはマヨラナゼロモード(MZM)の同定に依存しているが、現実的なデバイスでの信頼性の高い検出は依然として難しい。 従来のトポロジカル指標は、本質的に有限で乱れた系に偏りがあり、真のMZMと自明な状態の区別を曖昧にしている。 さらに、これらの指標を機械学習を介して実際の観測可能なものにマップしようとする試みは、密集した高価なコンダクタンス測定を必要とし、深刻なスケーリングボトルネックを生み出します。 トポロジ的バイアスと測定限界に同時に対処するため,実機におけるMZM検出のための計測効率の良い障害認識フレームワークMEDAを提案する。 MEDAマップは、頑健な周期性障害不変量(PDI)に直接、事実上入手可能な観測可能なスパースマップである。 新たなスパースパラメータ法を用いて、MEDAは従来の方法を制限する中等度から強い障害法においても、予測品質を維持しながら測定量を10倍に削減する。 さらに、MEDAは、トポロジカルギャッププロトコルと整合した入力機能を自然に優先し、強い物理的解釈可能性を示す。

関連論文リスト

• Data-Driven Learnability Transition of Measurement-Induced Entanglement [2.062625346892268]
  測定誘起絡み合い(MIE)は、局所的な測定が長距離量子相関をいかに生成するかをキャプチャする。 しかし、MIEの推定は実験的に困難である。 ニューラルネットワークを自己教師型でトレーニングし、MIEの不確実性を予測する。
  論文  参考訳（メタデータ） (2025-12-01T06:18:08Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Quantifying spectral signatures of non-Markovianity beyond the Born-Redfield master equation [0.5735035463793009]
  オープン量子力学における記憶または時間非局所効果は、理論的および実践的な課題を引き起こす。 系の定常状態における非マルコビアン性の検出が可能な非マルコビアン性の分光測度を提案する。
  論文  参考訳（メタデータ） (2024-05-02T20:38:26Z)
• MissDAG: Causal Discovery in the Presence of Missing Data with Continuous Additive Noise Models [78.72682320019737]
  不完全な観測データから因果発見を行うため,MissDAGと呼ばれる一般的な手法を開発した。 MissDAGは、期待-最大化の枠組みの下で観測の可視部分の期待される可能性を最大化する。 各種因果探索アルゴリズムを組み込んだMissDAGの柔軟性について,広範囲なシミュレーションと実データ実験により検証した。
  論文  参考訳（メタデータ） (2022-05-27T09:59:46Z)
• On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
  決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。 DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
  論文  参考訳（メタデータ） (2021-07-01T17:59:07Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• Scalable quantum processor noise characterization [57.57666052437813]
  累積展開に基づく多ビットデバイスに対する近似的MCMを構築するためのスケーラブルな方法を提案する。 また,本手法は,様々な種類の相関誤差を特徴付けるためにも利用できる。
  論文  参考訳（メタデータ） (2020-06-02T17:39:42Z)

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。