論文の概要: Exponential logical-error reduction in quantum memories via optimal syndrome-measurement timing

• arxiv url: http://arxiv.org/abs/2608.06242v1
• Date: Thu, 06 Aug 2026 16:27:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.963501
• Title: Exponential logical-error reduction in quantum memories via optimal syndrome-measurement timing
• Title（参考訳）: 最適シンドローム測定時間による量子メモリの指数論理エラー低減
• Abstract要約: 最適シンドローム測定間隔は符号距離と逆比例してスケールすることを示す。 時間依存のアイドリングノイズに対して、固定区間の全てのプロトコルより優れた適応タイミング戦略を開発する。 私たちのモデルは、単位時間あたりの論理エラー率の最大40%の削減を予測します。
• 参考スコア（独自算出の注目度）: 0.43483238221567877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Syndrome-measurements timing is usually treated as a fixed clock cycle of a quantum error-correcting code. For quantum memories, however, the intra-measurement interval is itself an optimizable control parameter: measuring too rarely allows idling errors to accumulate, whereas measuring too often introduces measurement-induced faults. We propose a phenomenological logical-noise model for this trade-off and analytically show that the optimal syndrome-measurements interval scales inversely proportionally with the code distance and that this produces an exponential reduction of logical-error rates in the distance relative to constant-interval schedules. Furthermore, for time-dependent idling noise, we develop an adaptive timing strategy based on the measured syndrome activity that outperforms every fixed-interval protocol, with largest gains for short but strong noise bursts. Simulations of rotated surface-code memories with matching decoding validate the phenomenological model, the distance-dependent optimum, and the adaptive-strategy improvement. Moreover, with the experimental noise parameters reported by Google in Nature 638 (2025), our model predicts reductions in logical-error rates per unit time of up to $40\%$.
• Abstract（参考訳）: シンドローム測定のタイミングは通常、量子エラー訂正コードの固定クロックサイクルとして扱われる。 しかし、量子メモリの場合、測定間隔はそれ自体が最適な制御パラメータであり、計測が多すぎるとアイドリングエラーが蓄積され、測定が多すぎると測定によって引き起こされる故障が発生する。 このトレードオフに対する現象論的論理ノイズモデルを提案し、最適なシンドローム測定間隔が符号距離と逆比例してスケールし、定数区間スケジュールに対する距離における論理エラー率を指数関数的に減少させることを解析的に示す。 さらに、時間依存性のアイドリングノイズに対して、各固定間隔プロトコルよりも優れた測定されたシンドローム活動に基づく適応タイミング戦略を開発し、短いが強いノイズバーストに対して最大の利得を得る。 一致する復号化による回転曲面符号メモリのシミュレーションは、現象論的モデル、距離依存最適化、適応ストラテジー改善を検証した。 さらに、GoogleがNature 638 (2025)で報告した実験的なノイズパラメータにより、我々のモデルは、単位時間あたりの論理エラー率の最大40\%の低下を予測する。

関連論文リスト

• Large-Small Model Collaboration for Zero-Shot Surgical Phase Recognition [45.191945465591374]
  外科的位相認識のためのタスク固有の軽量モデルは、時間的ダイナミクスを捉えるのに優れているが、ドメインシフト下での一般化は不十分である。 textbfLarge-textbfSmall textbfTemporal adaptation (textbfLaST)を提案する。
  論文  参考訳（メタデータ） (2026-08-24T07:06:52Z)
• Provably Efficient Self-Calibrating Quantum Fault Tolerance [3.3230675313521716]
  量子エラー補正は、物理演算がフォールトトレランスしきい値以下である場合にのみ論理情報を保護する。 我々は自己校正型量子フォールトトレランスの理論的枠組みを確立する。 その結果, 自己校正型フォールトトレランスは, 同じシンドローム測定が論理情報を同時に保護し, 基盤となるハードウェアを安定させる, 証明可能なパラダイムとして確立された。
  論文  参考訳（メタデータ） (2026-08-06T07:22:20Z)
• From Atoms to Entropy: Optimal Noise Allocation for Diffusion Training in the Convex Regime [52.459513910242485]
  拡散訓練における最適な雑音レベルアロケーションを研究するための一般統計フレームワークを開発する。 最適化されたトレーニングスケジュールは、有限個のノイズレベルに集中した原子最小値を持つことを示す。 次に,大規模実験におけるエントロピック・スケジュールの評価を行った。
  論文  参考訳（メタデータ） (2026-07-10T20:59:06Z)
• Statistical Inference on Gradient Flows [46.05870703588429]
  経験的リスク最小化から生じる勾配流の時間一様統計的推測の理論を考案する。 本稿では,勾配流と連動して進化し,行列の逆転,再サンプリング,サンプル分割を回避するアルゴリズム対応共分散推定器を提案する。 この結果は統計的推測と最適化力学を結びつけ、勾配法における不確実性定量化のための実用的なツールを提供する。
  論文  参考訳（メタデータ） (2026-05-31T14:22:37Z)
• Fast Bayesian equipment condition monitoring via simulation based inference: applications to heat exchanger health [39.61652266573024]
  熱交換器の複雑な故障モードを診断するために,アモータイズされた神経後部推定を利用したAI駆動型フレームワークを提案する。 このフレームワークをMCMCベースラインに対して,様々な合成ファウリングおよびリークシナリオでベンチマークする。 ニューラルネットワークの償却された性質は、ほぼ瞬時に推論を可能にし、高度にスケーラブルでリアルタイムな代替手段としてSBIを確立する。
  論文  参考訳（メタデータ） (2026-04-22T16:21:25Z)
• Efficient learning of logical noise from syndrome data [1.2109342530966007]
  我々は,サンプルの複雑さと計算コストを保証できる効率的な推定器を開発した。 本研究は,フォールトトレラント量子デバイスにおける論理チャネルを特徴付けるための実践的アプローチとして,シンドロームに基づく学習を確立した。
  論文  参考訳（メタデータ） (2026-01-29T20:02:00Z)
• DeepBlip: Estimating Conditional Average Treatment Effects Over Time [48.20988325299593]
  構造ネスト平均モデル(SNMM)のための最初のニューラルネットワークフレームワークであるDeepBlipを提案する。 提案手法は, 時間変化による不偏推定を正確に調整し, ナイマン・直交損失関数はニュアンスモデルの不特定性に対して頑健性を保証する。
  論文  参考訳（メタデータ） (2025-11-18T14:49:03Z)
• Limitations to Dynamical Error Suppression and Gate-Error Virtualization from Temporally Correlated Nonclassical Noise [0.0]
  ガウス量子デファスリングノイズの下で, 最小解法可能な単一量子ビットモデルについて検討する。 ディジタル周期制御では、制御履歴がない場合に達成できるものよりも厳密に小さい値でゲート忠実度が飽和することを証明する。 カップリングがノイズの相関時間よりも大きい時間スケールでキュービットを極端に純粋に保てる場合のみ、浴槽は元の統計にほぼ収束する。
  論文  参考訳（メタデータ） (2024-07-05T18:00:00Z)
• Self-Tuning Hamiltonian Monte Carlo for Accelerated Sampling [12.163119957680802]
  ハミルトニアンモンテカルロシミュレーションは、積分の時間ステップと積分の回数に大きく依存する。 このようなパラメータを自動的に調整する適応型汎用フレームワークを提案する。 損失と自己相関時間との良好な対応が確立できることを示す。
  論文  参考訳（メタデータ） (2023-09-24T09:35:25Z)
• Managing Temporal Resolution in Continuous Value Estimation: A Fundamental Trade-off [39.061605300172175]
  有限データを用いたLQRシステムにおいて、時間分解能の管理によりポリシー評価効率が向上することを示す。 これらの結果から, 時間分解能の管理は, 有限データを用いたLQRシステムにおいて, 政策評価効率を向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-12-17T20:45:34Z)
• Machine Learning for Continuous Quantum Error Correction on Superconducting Qubits [1.8249709209063887]
  連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。 本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-20T05:13:37Z)
• Performance of teleportation-based error correction circuits for bosonic codes with noisy measurements [58.720142291102135]
  テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。 マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
  論文  参考訳（メタデータ） (2021-08-02T16:12:13Z)
• Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
  ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。 有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
  論文  参考訳（メタデータ） (2021-02-23T18:56:13Z)

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。