論文の概要: Physics-Guided Linear Mapper for Quantum Error Mitigation

• arxiv url: http://arxiv.org/abs/2608.23109v1
• Date: Mon, 24 Aug 2026 11:19:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.032588
• Title: Physics-Guided Linear Mapper for Quantum Error Mitigation
• Title（参考訳）: 量子エラー低減のための物理誘導リニアマッパー
• Abstract要約: 量子誤差軽減のための新しい物理誘導線形マッパー(PGLM)を提案する。 目標は、量子エラー軽減のためのブラックボックス機械学習に代わる、データ効率、解釈可能、低レイテンシを提供することだ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a novel physics-guided linear mapper (PGLM) for quantum error mitigation that uses seven distinct interpretable features derived from circuit complexity and device calibration data. The goal is to provide a data-efficient, interpretable, and low-latency alternative to the black-box machine learning for quantum error mitigation in noisy-intermediate scale quantum devices. Evaluated on 52 simulated benchmark circuits (1--4 qubits), PGLM demonstrates strong performance in noise-accumulation regimes: 50.1% RMSE reduction on 3-qubit circuits and 32.3% on 4-qubit circuits, while single-qubit circuits show degraded performance. A circuit-size-aware deployment policy achieves 32.6% aggregate improvement. Sub-millisecond inference enables integration into variational algorithms, and analysis of learned coefficients reveals that circuit depth and CNOT count dominate error prediction, consistent with decoherence mechanisms. Results are simulator-based with idealized noise models; hardware validation remains essential future work.
• Abstract（参考訳）: 回路の複雑度とデバイスキャリブレーションデータから導かれる7つの異なる解釈可能な特徴を利用する量子誤差軽減のための新しい物理誘導線形マッパー(PGLM)を提案する。 目標は、ノイズの多い中間量子デバイスにおける量子エラー軽減のためのブラックボックス機械学習に代わる、データ効率、解釈可能、低レイテンシを提供することである。 52のシミュレートされたベンチマーク回路(1〜4キュービット)で評価され、PGLMは3キュービット回路で50.1%のRMSE、4キュービット回路で32.3%のノイズ蓄積方式で高い性能を示した。 サーキットサイズ対応デプロイメントポリシーは32.6%の改善を実現している。 サブミリ秒の推論は変分アルゴリズムへの積分を可能にし、学習された係数の解析により、回路深さとCNOTがデコヒーレンス機構と整合して誤差予測を支配していることが分かる。 結果は、理想的なノイズモデルを備えたシミュレーターベースであり、ハードウェア検証は今後も必須の作業である。

関連論文リスト

• Machine Learning-based Quantum Error Mitigation for Variational Algorithms [0.0]
  機械学習に基づく量子エラー軽減(ML-QEM)は、ノイズの多い量子アルゴリズムの性能向上のための有望なアプローチとして登場した。 本稿では、(近傍)クリフォード回路をシミュレートしてトレーニングデータを生成する変動量子アルゴリズムに適した実用的なML-QEMプロトコルを提案する。 我々は、様々なノイズモデルの下で最大$n=12$ qubitsのシェリントン・カークパトリック・ハミルトンの変分量子固有解法(VQE)タスクに関する提案手法をベンチマークし、訓練性への影響を分析し、標準のゼロノイズ外挿法(ZNE)と比較した。
  論文  参考訳（メタデータ） (2026-06-01T18:00:00Z)
• Quantifying Gate Contribution in Quantum Feature Maps for Scalable Circuit Optimization [0.0]
  回路最適化手法としてゲートアセスメントと閾値アセスメント(GATE)が提案される。 GATEは、忠実度、絡み合い、感度を組み合わせることで、各ゲートの関連性を定量化する。 量子状態にアクセス可能なシミュレータ/エミュレータ環境と、実際のハードウェアの両方で定式化されている。
  論文  参考訳（メタデータ） (2026-03-20T09:44:07Z)
• 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)
• Variational noise mitigation in quantum circuits: the case of Quantum Fourier Transform [35.18016233072556]
  我々は、コヒーレントノイズと非コヒーレントノイズの両方の下で、2つの量子ビットの数値シミュレーションを行う。 この結果から, 連続雑音に支配されるシナリオにおいて, 変動回路は高い忠実度でQFTを再現できることがわかった。 このことは、小規模から中規模の量子システムに対する効果的なエラー軽減戦略としてのアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2025-11-07T14:35:55Z)
• Analog Quantum Feature Selection with Neutral-Atom Quantum Processors [31.458406135473805]
  我々は、中性原子配列を用いたアナログ量子シミュレーションに基づく量子特徴選択(QFS)に対する量子ネイティブなアプローチを提案する。 このプロトコルは、アダルト所得、銀行マーケティング、テルコ・チャーンという3つのベンチマークバイナリ分類データセットのシミュレーションによって評価される。 2-5 つの特徴のコンパクトな部分集合では、アナログ QFS は平均 AUC スコアを 1.5-2.3% 改善し、特徴の数を 75-84% 削減した。
  論文  参考訳（メタデータ） (2025-10-23T17:57:34Z)
• A Useful Metric for the NISQ Era: Qubit Error Probability and Its Role in Zero Noise Extrapolation [0.0]
  本稿では,1キュービット当たりの1つの評価値に緩和,復調,ゲート,測定の寄与を組み合わせ,実行前に計算可能なデバイス固有の測定値であるqubit error probability (QEP)を提案する。 原回路が有限平均QEPを示すレジームでは、回路深さを拡大したZNEで達成可能なもの以外の観測可能な誤差を抑える。 これらの結果から,QEPは透過的かつ効率的な誤差測定であり,そのZNEへの統合は,現在の超伝導ハードウェアにおける信頼性向上への実践的な道筋を提供することが示された。
  論文  参考訳（メタデータ） (2025-03-13T09:42:03Z)
• Non-parametric Greedy Optimization of Parametric Quantum Circuits [2.77390041716769]
  本研究の目的は、パラメトリックゲートを近似的に固定された非パラメトリック表現に置き換えることで、PQCの深さとゲート数を削減することである。 約14%の深さ減少と48%のゲート数減少を3.33%の精度で観測した。
  論文  参考訳（メタデータ） (2024-01-27T15:29:38Z)
• Fast Flux-Activated Leakage Reduction for Superconducting Quantum Circuits [84.60542868688235]
  量子ビット実装のマルチレベル構造から生じる計算部分空間から漏れること。 パラメトリックフラックス変調を用いた超伝導量子ビットの資源効率向上のためのユニバーサルリーク低減ユニットを提案する。 繰り返し重み付け安定化器測定におけるリーク低減ユニットの使用により,検出されたエラーの総数を,スケーラブルな方法で削減できることを実証した。
  論文  参考訳（メタデータ） (2023-09-13T16:21:32Z)
• Classical simulations of noisy variational quantum circuits [0.0]
  ノイズは量子計算に影響を及ぼし、より正確になるだけでなく、システムのスケールアップとともに古典的なシミュレートも容易になる。 ノイズパラメータ化量子回路の期待値を推定するための古典的シミュレーションアルゴリズムLOWESAを構築した。
  論文  参考訳（メタデータ） (2023-06-08T17:52:30Z)
• QuEst: Graph Transformer for Quantum Circuit Reliability Estimation [26.963991539714236]
  TorchQuantumと呼ばれるPythonライブラリは、機械学習タスクのためにPQCを構築し、シミュレートし、訓練することができる。 本稿では,回路の忠実度に対するノイズの影響を予測するために,グラフトランスフォーマモデルを提案する。 回路シミュレータと比較すると、予測器は忠実度を推定するための200倍以上のスピードアップを持つ。
  論文  参考訳（メタデータ） (2022-10-30T02:35:31Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)
• Improving the Performance of Deep Quantum Optimization Algorithms with Continuous Gate Sets [47.00474212574662]
  変分量子アルゴリズムは計算的に難しい問題を解くのに有望であると考えられている。 本稿では,QAOAの回路深度依存性能について実験的に検討する。 この結果から, 連続ゲートセットの使用は, 短期量子コンピュータの影響を拡大する上で重要な要素である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-05-11T17:20:51Z)

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。