論文の概要: Classical Simulation and Design Frontiers for IBM's Doped Clifford Sampling Experiment
- arxiv url: http://arxiv.org/abs/2608.13110v1
- Date: Thu, 13 Aug 2026 11:37:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.50547
- Title: Classical Simulation and Design Frontiers for IBM's Doped Clifford Sampling Experiment
- Title（参考訳）: IBMのドープクリフォードサンプリング実験のための古典シミュレーションと設計フロンティア
- Abstract要約: 我々は、IBMのドープCliffordランダム回路サンプリング実験をシミュレートし、70$キュービット、70$エンタングリング層、そして468$挿入された$T$ゲートからなる。
深さ$d$の$n$-qubit回路の場合、結果として得られる未スライスパスは収縮幅$lceil d/2rceil$の正確な振幅を評価する。
1量子ゲートはネットワークトポロジを変えることなく吸収されるため、幅とスケジュールされた収縮コストはそれらの値とは無関係である。
- 参考スコア（独自算出の注目度）: 2.7960284191672056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We classically simulate the IBM doped Clifford random circuit sampling experiment, comprising $70$ qubits, $70$ entangling layers, and $468$ inserted $T$ gates. A deterministic temporal-boundary tensor network contraction approach is specifically designed to tackle such open-boundary one-dimensional brickwork circuits with operator-Schmidt-rank-$2$ entangling gates. For an $n$-qubit circuit of depth $d$, the resulting unsliced path evaluates an exact amplitude with contraction width $\lceil d/2\rceil$; Ratcatcher calculations certify that no smaller width is possible for the tested instances. Because one-qubit gates are absorbed without changing the network topology, the width and dense scheduled contraction cost are independent of their values and of the number and placement of $T$ gates. For the IBM instance, its largest intermediate tensor contains $2^{35}$ complex64 entries (256 times smaller than IBM's estimation), corresponding to a tensor payload of $256$ GiB, and is distributed across eight GPUs within a node. Using 32 nodes, with eight NVIDIA H100 GPUs per node, we completed all 2051 amplitude batches corresponding to IBM's published output bitstrings in 37.3 minutes. The resulting probabilities yield a log-XEB estimate of $0.35034$ with a 95\% interval of $[0.29763,0.40305]$. Under the Porter--Thomas and scrambled-noise assumptions, this is numerically compatible with IBM's fidelity lower bound; separately, fidelity-weighted resource accounting projects a 583-contraction workload with a 10.6-minute makespan on the same 32 nodes. More broadly, the approach provides a practical diagnostic for experimental outputs and a quantitative tool for designing future doped Clifford sampling experiments.
- Abstract（参考訳）: 古典的には、IBMのドープなCliffordランダム回路サンプリング実験をシミュレートし、70$ qubits、70$ エンタングリング層、そして468$ 挿入された$T$ gatesで構成されています。
決定論的時間境界テンソルネットワーク収縮法は, 演算子-シュミット-ランク-$2$エンタングリングゲートを用いた開境界1次元ブロックワーク回路に特化して設計されている。
深さ$d$の$n$-qubit回路の場合、結果として得られる未スライスパスは収縮幅$\lceil d/2\rceil$で正確な振幅を評価する。
1量子ゲートはネットワークトポロジを変えることなく吸収されるため、幅とスケジュールされた収縮コストは、その値とT$ゲートの数と配置に依存しない。
IBMインスタンスの最大の中間テンソルは、$2^{35}$complex64エントリ(IBMの推定の256倍小さい)を含み、256ドルのGiBのテンソルペイロードに対応し、ノード内の8つのGPUに分散している。
32ノードを使用し、ノード当たり8つのNVIDIA H100 GPUを使用して、IBMが発行した出力ビットストリングに対応する2051の振幅バッチを37.3分で完了した。
その結果、対数XEBの推定値は0.35034$で、95 %の間隔は$[0.29763,0.40305]$である。
Porter--Thomas と scrambled-noise の仮定では、これはIBMのフィデリティの低いバウンドと数値的に互換性がある。
より広範に、この手法は実験結果の実用的な診断と、将来のドッピングクリフォードサンプリング実験を設計するための定量的ツールを提供する。
関連論文リスト
- Fast, accurate, and differentiable: a neural-network surrogate for NRSur7dq4 precessing binary black hole waveforms [0.0]
NRSur7dq4重力波形モデルをエミュレートするニューラルネットワークサロゲートモデルを提案する。
我々は、NRSur7dq4に対するサロゲートを、その全パラメータ空間にまたがる10,000の波形に対して検証する。
これは、評価されたNR忠実な精度と完全に微分可能なGPU加速推論パイプラインを組み合わせた、先行する数値相対性理論波形モデルの初めてのニューラルネットワークサロゲートである。
論文 参考訳（メタデータ） (2026-07-27T18:08:33Z) - An End-to-End Hybrid Quantum--Classical Sampling Workflow for Discrete Markov Random Fields: A Reproducible Case Study [0.0]
小型離散マルコフ確率場(MRFs)の振幅符号化i.d.サンプリングについて検討する。
これにより、量子指数的スピードアップは排除されるが、独立回路サンプルに基づく古典的MCMCとクリーンな比較が可能となる。
F_mathrmVQC, F_mathrmMPS) = (0.31, 0.96), (0.21, 0.96), (0.17, 0.88)$ at compressions 10.7times$, $34.1times$, and $111。
論文 参考訳（メタデータ） (2026-07-10T18:33:14Z) - Pauli Correlation Encoding for mRNA Secondary Structure Prediction: Problem-Aware Decoding for Dense-Constraint QUBOs [0.0]
Pauli correlation plex (PCE) は$m$バイナリ変数を$n=O(m1/k)$ qubitsに圧縮する。
我々は,PCEをmRNA二次構造予測に適用し,QUBOを厳密に制約したQUBOとして定式化し,QUBOのペナルティ構造を保存するQUBO空間のシグモノイド損失を訓練する。
Problem-Aware Guided Decoder (PAGD) は、限界QUBOエネルギー削減とトレーニングされた期待値とを組み合わせることで、候補変数のコミットメントをスコアする。
論文 参考訳（メタデータ） (2026-05-19T17:49:58Z) - Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [48.46721044282335]
テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。
1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。
その結果,TDNは計算処理の劇的な高速化と競合する性能を示した。
論文 参考訳（メタデータ） (2025-07-01T18:46:27Z) - Augmenting Simulated Noisy Quantum Data Collection by Orders of Magnitude Using Pre-Trajectory Sampling with Batched Execution [47.60253809426628]
提案手法は,誤差型を調整して軌道シミュレーションの効率化と有効性を高めることを目的としている。
私たちはそれぞれ100兆枚と100万枚という膨大なデータセットを生成します。
論文 参考訳（メタデータ） (2025-04-22T22:36:18Z) - SpecPipe: Accelerating Pipeline Parallelism-based LLM Inference with Speculative Decoding [33.55718885446209]
パイプラインに投機トークンをステップバイステップで埋めるSpecPipeを紹介します。
ハードウェア利用の最大化によって、SpecPipeはパイプライン毎に1つのトークンを理想的にデコードする。
SpecPipe-DB はシングルリクエストとマルチリクエストの推論のために SpecPipe-DB を用いて動的ワークロードで実装する。
論文 参考訳（メタデータ） (2025-04-05T08:31:10Z) - Generating multipartite nonlocality to benchmark quantum computers [0.0]
量子コンピュータは大規模に$n$の非局所性を生み出すのに利用できることを示す。
これにより、キュービットの数や接続性に関わらず、古典的でない相関関係をベンチマークすることができる。
論文 参考訳（メタデータ） (2024-06-11T19:03:35Z) - Collaborative non-parametric two-sample testing [55.98760097296213]
目標は、null仮説の$p_v = q_v$が拒否されるノードを特定することである。
グラフ構造を効率的に活用する非パラメトリックコラボレーティブ2サンプルテスト(CTST)フレームワークを提案する。
提案手法は,f-divergence Estimation, Kernel Methods, Multitask Learningなどの要素を統合する。
論文 参考訳（メタデータ） (2024-02-08T14:43:56Z) - Towards large-scale quantum optimization solvers with few qubits [59.63282173947468]
我々は、$m=mathcalO(nk)$バイナリ変数を$n$ qubitsだけを使って最適化するために、$k>1$で可変量子ソルバを導入する。
我々は,特定の量子ビット効率の符号化が,バレン高原の超ポリノミウム緩和を内蔵特徴としてもたらすことを解析的に証明した。
論文 参考訳（メタデータ） (2024-01-17T18:59:38Z) - Benchmarking Quantum Processor Performance at Scale [0.10485739694839669]
量子プロセッサが成長するにつれて、デバイスの全品質を大規模に捉えるために、新しいパフォーマンスベンチマークが必要になる。
我々は,2量子ゲートの接続集合の忠実度を$N$ qubitsで測定するスケーラブルなベンチマークについて論じる。
我々の層忠実度はアルゴリズムの実行時間と容易に関連付けることができ、Ref.citeberg2022で定義された$gamma$によりエラー軽減に必要な回路数を推定することができる。
論文 参考訳（メタデータ） (2023-11-10T08:47:31Z) - Simulation of IBM's kicked Ising experiment with Projected Entangled
Pair Operator [71.10376783074766]
我々は最近,誤りを軽減した量子回路を用いてエミュレートされた127量子ビットキックド・イジングモデルの古典的シミュレーションを行った。
提案手法はハイゼンベルク図の射影的絡み合ったペア作用素(PEPO)に基づいている。
我々はクリフォード展開理論を開発し、正確な期待値を計算し、それらをアルゴリズムの評価に利用する。
論文 参考訳（メタデータ） (2023-08-06T10:24:23Z) - Validating quantum-supremacy experiments with exact and fast tensor
network contraction [21.99404639937004]
実験により生成されたビットストリングに対して300万の正確な振幅を計算することで直接検証を行う。
シミュレーション能力の飛躍は、マルチ振幅テンソルネットワーク収縮アルゴリズムに基づいて構築される。
提案手法は, 量子多体問題, 統計問題, 最適化問題の解決に大きく影響している。
論文 参考訳（メタデータ） (2022-12-09T10:01:02Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。